現(xiàn)在機器學習專業(yè)的學生也開始愁找工作的事了？昨日，Reddit上有網(wǎng)友發(fā)帖說，聽說現(xiàn)在的AI企業(yè)開始招募大師技術團隊了，人家都是好幾個博士學位在手的那種天才，像我這種一般般的畢業(yè)生會不會沒人要了？從回帖上內(nèi)容看，這種說法還是有點扯。

機器學習和AI專業(yè)現(xiàn)在越來越火，不少人寧可中途轉行，甚至改行也要學AI，為的是更好的就業(yè)機會。越來越多的大學也在招收更多的機器學習相關的學生。在欣喜之余，很多人也產(chǎn)生了對這個專業(yè)可能出現(xiàn)泡沫的憂慮。

近日Reddit上出現(xiàn)了這么一個帖子，“聽說不錯的機器學習畢業(yè)生要找工作也不容易了，真的嗎？”看樣子像是一個學生對自己未來前景的擔憂。

他表示：現(xiàn)在的大學培養(yǎng)的機器學習專業(yè)的畢業(yè)生越來越多了，但是工作崗位數(shù)量的增長速度跟不上，不少AI用戶傾向于招募真正的天才大師團隊，這種團隊的成員往往都有好幾個博士學位，而不再愿意找一些“還不錯”的機器學習畢業(yè)生。真的假的？

是只有頂級科技企業(yè)這么挑剔，還是公司現(xiàn)在都這樣？還有公司愿意招“說得過去”的機器學習新人嗎？

看來畢業(yè)生為工作焦慮是個世界性問題，哪怕是收入不菲的機器學習專業(yè)也是如此。不過，既然這個帖子發(fā)在了Reddit的機器學習板塊，自然少不了來自各路業(yè)內(nèi)人士的建議和勸慰。

總體看來，回帖內(nèi)容大體突出一個意思：不用擔心，工作還是好找的，至于是不是“好工作”，主要取決于你自己的期望值。

網(wǎng)友支招：別擔心，只要放低點期望，找工作不成問題

獲贊數(shù)最高的來自網(wǎng)友pipsqueak_in_hoodie的回答，他表示，如果把期望值放低一些，offer幾乎隨時可拿，就看你自己愿不愿意了：

如果你愿意降低一點期望，那么幾乎現(xiàn)在就可以立即拿到offer。我那會兒還沒畢業(yè)時，就經(jīng)常能在垃圾郵件里翻出企業(yè)用招聘機器學習工程師的大量郵件。不過這些郵件主要都是一些“可疑”的初創(chuàng)公司發(fā)來的，不過我還是發(fā)現(xiàn)了一點點別的東西，

比如研究類職位，這類職位要求你不能僅僅會目前的研究方法，所以研究類職位的offer更難獲得。當然也不是難到?jīng)]邊，就是相對而言更困難了。

過去這一年來水漲船高確是事實，應該適當降低期望值。

樓上說的沒錯！工作絕對是有的，只是可能并非你夢寐以求的工作而已。

我想補充一點，你這個說法在2018年是正確的，當時對機器學習畢業(yè)生的需求量非常大，尤其是在研究領域；但那之后，機器學習畢業(yè)生人數(shù)正以驚人的速度增長。所以，降低期望值是我能給的最好建議。

網(wǎng)友mnky9800n認為，現(xiàn)在AI泡沫不少，加入創(chuàng)業(yè)公司還是應該慎重，很多就是糊弄投資人的：

我知道有家創(chuàng)業(yè)公司，很明顯是一群來自當?shù)卮髮W的碩士生辦的，他們知道什么是神經(jīng)網(wǎng)絡；他們一直在求我申請，我一直都在拒絕。我認為最糟糕的是，人們在不明狀況的情況下給這些創(chuàng)業(yè)公司投資。他們聲稱能利用“三維數(shù)據(jù)體”來尋找油氣田。我猜他們就是建了個卷積層和兩個隱藏層而已，大忽悠。

hydrodynamical_flow則認為，頂級科技企業(yè)的崗位確實比過去難找了。不過大可不必只盯著那些崗位。

首先，如果你是另一個僅僅是因為想在Facebook、Amazon、Google工作而攻讀博士學位的人，那么你說的沒錯，純商業(yè)人工智能研究的工作崗位數(shù)量正在下降。如果我沒記錯的話，F(xiàn)AIR已經(jīng)不再直接招聘，Google Brain也是如此。

如果你讀博是因為對所研究的課題感興趣，那就不必擔心了。有很多“應用性”人工智能的崗位，這種情況下，你應該從事專有工作而不是純粹的研究工作。

再說了，并不是說除了谷歌、Facebook和Deepmind這種名企，其他的工作就不叫工作了。我個人更喜歡Adobe Research或Disney Research。一般來說，優(yōu)秀的機器學習博士在找工作時不會有什么困難。

我知道有幾個物理學畢業(yè)生在他們的特定領域做過機器學習方面的研究，最后在機器學習/計算機視覺領域找到了不錯的產(chǎn)業(yè)界工作（其中一個甚至在對沖基金工作，他掙到的錢比在谷歌還要多）。

flexi_b表示，過去幾年各大企業(yè)花錢招了大量的機器學習博士，現(xiàn)在是要賺錢的時候了。

我猜是因為企業(yè)已經(jīng)花錢雇傭了大量的博士，現(xiàn)在是時候從這項投資中獲利了。我在最近的會議上與不同的招聘人員交談過，他們明確告訴我，研究型科學家的門檻很高，而應用型工程師的門檻較低；FAIR也還在招聘。

更有Google Brain員工來親自招募：

如果對Google“機器學習研究科學家”這個職位感興趣，可以在此申請：

https://careers.google.com/jobs/results/112893191134290630/

https://careers.google.com/jobs/results/105249386297991878-research-scientist-google-ai/

對了，我在谷歌大腦研究團隊工作。

最后這位看來是名企員工，他給出了三點意見：招人熱潮已經(jīng)結束，應用相對成熟，自學成才的高人越來越多。

1、招聘博士的熱潮已經(jīng)結束，這些博士的研究成果還沒投入商業(yè)化。雖然你可以說這是公司的錯，但這些博士是研究人員，而不是產(chǎn)品型工程師，這并不是任何人的錯。很多博士研究人員要么轉向更注重產(chǎn)品的角色，要么就要丟掉工作。

2、機器學習應用程序已經(jīng)相對成熟：現(xiàn)在ImageNet，每年的提升幅度都在下降，ResNet 50、VGG、Inception V3可以在90%的企業(yè)需要應用中正常工作。

3、越來越多的人通過自學成才：我已經(jīng)數(shù)不清遇到過多少學習過機器學習的應聘者了，很多人都才華橫溢。

如果連機器學習的畢業(yè)生都開始擔心就業(yè)了，別的專業(yè)怎么辦？歡迎小伙伴們談談自己的看法。