一入ML深似海，从此求职不由人？
机器学习现在势头正劲，越来越多的人涉足其中，就业门槛也随之抬高。
最近，就有人在reddit上提出疑问：ML博士数量激增，那么没博士学位的人，找工作的难度是不是会翻N倍？
一位用户名为shyneeup的网友指出：就业难度取决于岗位和博士哪个数量增长的更快。
还有网友从高校和职位定位的角度进行了分析：
“由于衡量大学的关键指标之一，就是毕业1年和5年后的就业率，因此顶尖大学会调整录取率，以确保市场能够为毕业生提供就业机会。”
“ML领域发展过快，可能需要几年时间，以达成行业共识：什么职位对公司的ML有用，以及什么样的人能胜任？”
学位不是唯一标准
那么，机器学习的就业状况究竟如何？
有网友表示：搜索最心仪的工作岗位时，很多都写明了博士优先，或是要求有博士学位。
但这并不绝对，有位网友就贴出了自己的“逆袭”经历。
“我现在和之前的工作，都要求博士学位，但我并没有。还有个朋友获得了大厂需要博士学位的工作，他甚至连学位都没有。
每个人的优势不同，具有博士学位、领域知识、特定技术、CICD（一种交付应用的方法）经验等等，至于哪种优势有利，取决于其对团队的价值。”
就连招聘者也表示：雇佣数据科学家时，并不在乎是否有博士学位，将博士和非博士混合录用会更好，发挥在学术和实践上不同的优势。
还有网友给出了更具体的职业发展路径。
“完全没有学位会确实是短板，但是随着时间推移，工作经验变得更为重要。具有1年经验的学士往往比硕士更受青睐。
在AI创业公司工作1年，再跳槽到行业独角兽，也是可能的。不过，以研究为中心的职位对学位的要求更高。”
“大多数做AI的公司不需要研究晦涩算法的人，而是需要能应用方法、部署方案，并将其集成到产品中的人，也就是有经验的员工，而不是博士。”
博士也有短板？
有网友表示，博士也会受限制：
“博士学位是双刃剑。因为博士是某一方面的专家，这也意味着ta不再是通才，在求职时也会受到限制。”
更是有网友直接指出：博士才是风险所在……
“他们往往过于专业，缺乏商业意识、领域知识，而且不善于合作和沟通。要根据经验招聘，降低风险。”
跨界就业
shyneeup还提到，机器学习博士还可以去一些建立了AutoML平台的公司。
不过，有人提出了异议：
“除了一些科技巨头中纯粹的ML工作，或是自己单干，否则根本用不到ML研究人员。”
shyneeup对此回应道：
“这些科技巨头之所以拥有这样的队伍，是为了出售ML技术。其中的ML工作人员不是开发模型，而是从事可视化等其他工作。”
不是所有工作都需要博士
此外，包括shyneeup在内的许多网友都表示：不是所有ML工作都需要博士学位。
“如果公司的定位是开发ML模型，主要成果是专利或论文，那么团队至少需要几个博士。
而如果只是在不同的数据集上使用ML，为研究数据产品恰好使用了ML，那么也许不需要ML博士，不过程序员最好能阅读论文。”
“实际上，只有不到5%的ML和数据科学工作需要博士学位。”
还有人认为，英雄不问出处，是金子在哪都能发光。
“没有博士学位很难进入大公司，但在初创公司却更容易证明自己的价值。”
那么，对于机器学习er读博与就业的关系，你怎么看？
reddit地址：
https://www.reddit.com/r/MachineLearning/comments/mgf9tf/d_if_the_number_of_machine_learning_phd_graduate/
— 完 —
