美国机器学习方向的 master 找工作前景如何?
谢邀
机器学习的应用在工业界需求很高,有过工作经验的人可以很轻松的找到工作,供给远远小于需求,而且需求越来越大。
但是招 New Grad (PhD 可以考虑) 相对较少。原因很多,简单来说,就是 New Grad 往往工程经验不够,学术能力也不够。工业界的现状不复杂:大公司搞机器学习的组大、人多、要求高,PhD 是进入的门槛;小公司人少,每个人都要独当一面,因此必须要有过搭建实际机器学习系统的经验。因此如果两边都没有优势的话,自然找工作比较吃力。
因此,对于有志于做这个方向的同学来说,建议找工作时调整心态,第一份工作尽量找到工作职责与机器学习相关的组,而不必追求一步到位。人生的职业生涯很长,做好3到5年的职业生涯规划,积累实际工作经验,不断学习与强化自己。人与人的差距并不会在第一份工作中体现,而是在前几年逐渐显现出来。
继续阅读
全部内容CMU硕士还有半年毕业,找工作想专注找到真正热爱的data scientist工作但又怕太冒险怎么办?
谢邀 如果就是为了Data Scientist这个 Title的话,我觉得没有必要担心,现在很多公司也都知道求职者非常喜欢Title,所以也给了很多这个Title的职位的,所以只要你继续努力找,一定会找到一份叫Title叫做Data Scientist的工作。 如果所爱的并不是Title,而是实际工作内容的话,那么就需...
该不该坚持学习Machine Learning?
谢邀 一个技能学与不学,肯定有千万种理由,然而并没有一种理由叫做‘因为赶不上最牛的人,所以不学了’。如果你真有这样的观点,为何要继续‘老老实实做开发’呢?别人做开发了几十年了,你赶的的上最牛的人吗?为何要‘多看看系统设计类的东西’呢?别人系统设计也做了几十年了,你赶得上最牛的人吗?既然什么东西都赶不上最牛的人,还继续学...
从“机器学习”到“人生进化”——用算法思维升级你的自我成长
你有没有想过,把自己的人生当作一场“模型训练”?就像训练一个神经网络那样,不断试错、微调,直到获得更优解。也许,这个思路能帮你跳脱对“失败”“起点”以及“目标”的传统认知,轻装上阵去学习、成长并迭代自我。 一、为什么要把“机器学习思维”用在“人类学习”上? 我们常常把“学习”当作去获取知识、技巧,却容易忘了最重要的那一...
