作者saltlake (SaltLake)
看板PhD
标题Re: [心得] 博士之後
时间Thu Feb 6 19:41:35 2020
※ 引述《freeskyer (Dr.R)》之铭言：
: ....
: 一个吊诡的现象是，博士班除了逻辑思考、眼界的训练外，
: 很大一部份也在训练独当一面的能力：常会以一个(或多个)博士生为首搭配几个硕士生
: 或研究助理组成一个小型研究团队进行专案或是某研究主题。
: 但进入业界後却往往先考验你是否能当一个优秀的螺丝钉(这个部份其实跟博班的训练
^^^^^^^^
国内资讯业界?
: 没有太大的关联性)，然後才考虑让你有独当一面的机会(朕不给，你不能要)。
: 无关对错，这无奈的现实导致许多无法学以致用的案例。
: 我求职的目标是以近期挺热门的人工智慧相关职缺为主，偏好中小型公司
^^^^^^^^^^^
: 以求得更大的发挥空间，严格来说我的博士研究跟人工智慧没有什麽太大的关联性
: (电脑视觉相关但没有使用机器学习或是深度学习技术)，
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
这样的话，和人工智慧的专业关联是? 毕竟人工智慧可以不用人工神经网路，
但是人工智慧能不和OO学习演算法挂勾?
: 但是身为一个饱经摧残的阿土伯，我还是说服了许多公司愿意相信我是这方面的专家。
: ....
: 进入公司後，不意外地还是被特别关注了(起码我自己是这麽感觉)，
^^^^^^^^^^
公司里面目前用了几个博士? 人少又属於高薪资员工，被特别关注满正常。
: 上班第一天老板就直接约谈我，告知第一个任务的内容以及deadline，
: 在没有准备的状况下在会议中被叫起来发表看法(挡子弹)，
: 一个职称比我低的红人来监督我进度，cowork的时候被别team的小主管凹，
: 菜鸟PM直接对我下命令...等。
: 新到一个环境本来就需要适应的时间，如此的对待的确增加许多额外的压力。
: - 每个博士学位的背後，都历经了最深层的绝望以及不人道的精神虐待。
: 由於本身已经有一些工作经验，因此在经历一段熟悉、上手、思考的时间後，
: 决定采取先兵後礼的方式回应非直属主管以外的所有其他人(对指导教授无法翻脸，
: 必须吞忍，对其他人根本没有客气的必要)，由於不在乎所以可以洒脱，公事公办，
: 打脸不挑地点，打完之後好像什麽都没发生过。
: 在主管的支持下(这点我还挺幸运)，现在也已经独当一面，并进行招兵买马的动作。
^^^^^^^^^^^^
这点在学界拿学位的时候大家就该有体会显着差别了。
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 114.44.197.243 (台湾)
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/PhD/M.1580989297.A.A4D.html
1F：推 ddavid: 广义的人工智慧确实不一定要挂勾学习演算法啦，上一世代的 02/09 01:31
2F：→ ddavid: 人工智慧有一个区块其实是专家系统或单纯的逻辑分析 02/09 01:33
倒也是，但是这部分的话很古老了。而且记得当年专家系统研究的瓶颈就是必须
先有人类专家总结出经验，再透过这方面系统开发专家转换成软体。
现在以类神经网路为主要技术基底的发展重点就是可以让系统自主从累积的数
据库学习。
3F：→ ddavid: 另外，因为国内业界对於人工智慧的需求非常偏影像分析的部 02/09 01:34
4F：→ ddavid: 分，因此如果你原本是影像处理专门，加减补充一下ML技术应 02/09 01:35
5F：→ ddavid: 该还是很好用 02/09 01:35
倒也是。电脑视觉和影像处理本身就有不少业界应用可以玩。特别是业界求的是
解决问题而赚钱。业界问题一定要用机器学习法去解决，本益比不必然漂亮。
但是知道电脑视觉和影像处理的问题所在，很快学一下机器学习的理论和程式撰
写，确是可以很快上手。
6F：推 morisontw: 现在ML当道时代 很讶异基础研究还有博班毕业空间 02/11 11:44
机器学习与深度学习类也有其理论基础。应用机器学习理论解各领域的问题是一类
研究方向，针对机器学习理论做研究则是另一类研究方向。
※ 编辑: saltlake (114.44.195.108 台湾), 02/11/2020 13:25:50