作者louis925 (稚空)
看板Physics
标题Re: [闲聊] 物理系毕业後在做什麽工作呢？
时间Wed Mar 8 04:56:53 2017
※ 引述《sputtering (水煮青蛙全球暖化)》之铭言：
: ※ 引述《louis925 (稚空)》之铭言：
: : 最近也在苦恼这样的问题，所以分享一下
: : 本人是做理论物理的，所以可能不太适用你的 case
: : 物理系毕业，看你选择待学术界，还是要去业界。然後有没有出国念，也差很多。
: : 如果是台湾毕业的话，
: : 业界很多人是去台积电 (享百万年薪，不过你可能待不久XD)，也有一些去写程式
: : 如果对教书有兴趣，可以修教程，去当高中老师之类的
: : 学术界则比较难，通常是必须出国做一两轮 postdoc 才有机会回台当教授
: 干嘛要回来
因为 postdoc 才出去，在国外很可能找不到终身教职
虽然在国外念也很难找到就是了
: : 如果是出国念博班的话，机会比较多
: : 如果你做理论物理业界的选择有
: : 1. Programmer 矽谷写程式 (年薪 USD 100k+)： Google, Facebook,
: : 2. Quant Finance Researcher 华尔街算股票 (年薪 USD 100k+ ~ 300k+)
: : 3. Data Scientist (年薪 USD 100k+): 分析各种data, Machine learning
: 1.and3. 有不一样吗
不太一样，
Programmer 只是会写程式，熟悉演算法、各种软硬体架构
但不一定会统计，对比较物理的数学也不懂
而 Data scientist 只需要一些 progrmming 的技能，
但须要有处理复杂数学的能力和 modeling 的能力
很多 CS 的人是无法走 data scientist 的
在 Google，Data Scientist 的薪水是比 Programmer 要高的 (150k+)
因为他们要求的 Data Scientist 同时具备 Programmer 和数理分析的能力
而一些小公司的 Data scientist 缺对 programming 能力比较没有这麽要求，
虽然薪水跟 Google 的比稍低，但因为需要具备数理分析和 Modeling 的能力，
这对物理出身的人来说相当适合
: : 做实验的我比较不熟，应该也是可以去半导体厂 Intel 之类的
: : 学术界的话，相当竞争，跟国内一样也是做一两轮 postdoc，
: : 然後看哪里有终生职的缺。
: : 如果有幸找到的话，助理教授薪水也是 USD 100k+，正教授 USD 200k+
: : 工作有没有趣的问题，我还没有开始，所以不清楚
: : 但是去台积电的人好像抱怨都满多的
: 把抱怨的时间拿去学做鸡排啊
: : 而在外国工作的人似乎比较少抱怨工作无趣这样
: 把抱怨的时间拿去档案室找资料 上网去看技术论文工作就不会无趣
: 机器人都会做的事干嘛让你做
: : 不过这些只是听说而已
: : 真正还是要看你喜欢做什麽!
: 挺有挑战的
: 作理物的人要有点骨气 不是为了追求真理干嘛念理物 经济问题是可以克服的
: 现在有能力的人就想跳槽 而不知道自己是站在巨人的肩膀上 满脑子 钱钱钱
我部份同意
物理不是宗教，物理所找到的所有理论，都是有适用范围的，
当然你要说是在这些范围内的真理也是可以
另外，你可能对金钱有奇怪的误解，
钱只是社会资源的一种表现
赚钱是因为你对这社会有贡献，收入越多代表你贡献越多
当然，这是建立在正当合理收入的情况下，很多时候状况没有这麽理想(炒房、内线交易)
但这不代表赚钱本身有问题
--
新爱因斯坦还没出现, 现在上场的都是罗伦兹.
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 169.232.156.87
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Physics/M.1488920216.A.325.html
※ 编辑: louis925 (169.232.156.87), 03/08/2017 05:32:40
1F：→ noonee: 美国的话 很难找到终身职跟科研经费缩水有关 03/08 06:29
2F：→ noonee: 跟是不是postdoc才出去无关 03/08 06:30
3F：→ noonee: 欧洲的话 很多地方的学阀状况严重 没进学阀圈子 是不是外 03/08 06:30
4F：→ noonee: 国人都很难 03/08 06:30
5F：推 skaia: 钱是手段而不是目的，但很多人把手段及目的弄混 03/08 12:23
我完全同意你
但是有时候，做出相对应的工作也需要有适当的回馈或报酬，工作才做得下去
6F：→ doom8199: 我觉得原po你的分类有点奇怪，软硬体架构这部分是 03/08 13:32
7F：→ doom8199: SW/HW architect/engineering 在负责的 03/08 13:32
8F：→ doom8199: 只要有在写程式，人人都可叫 programmer，只差在你 03/08 13:32
9F：→ doom8199: 用甚麽 tool 解决甚麽事情、面对哪些客户群，以及 03/08 13:32
10F：→ doom8199: 须具备哪些知识。例如: 03/08 13:33
11F：→ doom8199: 某些人想分析大数据，那可能就是跑一些 simulation 03/08 13:33
12F：→ doom8199: 用来估计某些参数给演算法的人使用 03/08 13:33
13F：→ doom8199: 某些人负责写 app/benchmark，可能用到 OpenCL 之类做一 03/08 13:33
14F：→ doom8199: 些加速，用来做软硬体上的验证与评分 03/08 13:34
15F：→ doom8199: 只要相关知识到位，做甚麽都可以，没有甚麽做 A无法跨 B 03/08 13:34
是，我这样分可能不太清楚，毕竟我也是最近才蒐集到这些资讯
如果有人更清楚可以出来讲更好
我主要是想把 data scientist 和其他 software engineer 分开
这两种职缺对 CS 专业 (演算法、作业系统、网路 ...) 的要求不太一样
做的事也不是都是写程式这麽单纯
software engineer 的工作会很要求你有 CS 专业背景，
工作可能是要写网页、写 app、後台或伺服器之类的
做的是建设的工作
而 data scientist 比较不会要求你有很强的 CS 背景 (当然这也是看公司)，
data scientist 反倒是比较要求统计和数理分析能力
主要是用程式处理蒐集到的 data，
然後藉由 model 或 machine learning 给出某种现象的预测
做为企业决策的重要资讯。
公司可能会依此决定怎麽广告，或是市场在哪里。
甚至是汽车保险业要计算风险是多少，各种因素会不会是高风险的指标
这些技能，CS 出身是不会有的
物理出身的人反倒会比较适合一些
不过这些都是我去业界的同学跟我说的，如果有误欢迎更正
※ 编辑: louis925 (104.175.196.67), 03/08/2017 17:14:31
16F：推 jjsakurai: 我百分百同意你 物理的训练能做的事比CS要广多了 03/08 17:44
17F：→ jjsakurai: 但找工作的第一关通常是HR 这些人能瞬间让物理训练变成 03/08 17:45
18F：→ jjsakurai: 什麽都不是 因为CV上找不到那些特定的专有名词match 03/08 17:46
19F：→ jjsakurai: 我在美国时也找过业界 只有少数recruiter见识过物理转 03/08 17:47
20F：→ jjsakurai: 行的人所建立的口碑 才会找上我 不然也一无所获 03/08 17:49
21F：→ jjsakurai: 我现在不想多说太多 念物理博我不会太不鼓励 毕业前好 03/08 17:50
22F：→ jjsakurai: 好的找业界 30多岁机会还是有 但要做postdoc最好想清楚 03/08 17:51
23F：→ jjsakurai: 一做下去 身价是像石头掉到水里 03/08 17:52
24F：→ jjsakurai: 对一个研究室的PI而言 好用程度是从postdoc往研究生下 03/08 17:54
25F：→ ThePttUser: 这篇讲得没错啊，我在的物理实验室，有一半毕业後在做 03/08 17:55
26F：→ jjsakurai: 修 所以在研究室里都不会有人去提醒你自己身价的问题 03/08 17:55
27F：→ ThePttUser: 数据分析，另外四分之一在做财金资料分析。 03/08 17:56
28F：→ ThePttUser: 反而本科有够难混饭吃，做资料分析每个都年薪百万 03/08 17:56
29F：→ ThePttUser: 不过我这实验室可能是特例吧，电脑比实验仪器多的地方 03/08 17:58
30F：推 doom8199: 我觉得原po有点把 data scientist 捧太高 03/08 21:19
31F：→ doom8199: 若只是单纯拿 ML/DL 作数据分析，上网抓 GoogleNet 03/08 21:19
32F：→ doom8199: 或 SqueezeNet 就能玩了。而且会走 DNN 的路 03/08 21:19
33F：→ doom8199: 代表要取代旧有已知数学模型，完全不太需要甚麽背景 03/08 21:19
34F：→ doom8199: 只需要大量的资料和你想解决问题的基本知识就够了 03/08 21:19
35F：→ doom8199: 光这点 我不觉得物理人在这方面的优势在哪? 03/08 21:20
36F：→ doom8199: 而且进职场，很多领域都是要重学，连 EE/CS 也不例外 03/08 21:20
37F：→ doom8199: 不懂的东西请教别人或是多上网survey，懂了知识就是你的 03/08 21:20
38F：→ wohtp: 所谓优势就是相对没有劣势吧，反正大家一样都不懂 03/08 21:51
39F：→ saltlake: 楼上 跟大家"一样" 怎能称为优势? 03/08 22:53
40F：→ noonee: 我到是很希望有多一点搞物理的进入政治界爬到高位 03/09 04:02
41F：→ noonee: 政界 全世界都一样 的nonsense政客太多了 03/09 04:02
42F：推 sukeda: 有业界需要搞解析解的吗QQ 03/09 09:10
43F：→ saltlake: 解析解多半用在协助理解复杂问题的一些特质 像解存否 03/09 09:12
44F：→ saltlake: 解的上下界与趋势等等 03/09 09:13
45F：→ saltlake: 更厉害的人可以从解析解的形式发展出数值近似解 03/09 09:14
46F：→ wohtp: 没有劣势跟念什麽生科、社科的比起来当然就已经是优势了 03/09 09:54
47F：推 sputtering: 比方说以前的蒙地卡罗法 现在都用量子退火法 吓死人 03/09 10:33
48F：推 lovepork: #19LR0z_B 这是我约快十年前Po的文章 03/09 21:20
49F：→ lovepork: 结论: 现在的纸和笔和100年前根本没有差别 03/09 21:22
50F：→ lovepork: 但电脑的进步可是几万倍以上 如果你在10年前就投资在 03/09 21:23
51F：→ lovepork: 学习程式 现在的回报可是难以想像的 03/09 21:24
52F：→ lovepork: 楼上举的就是常好的例子 模拟退火 进化成 量子退火法 03/09 21:25
53F：→ lovepork: 本质上的程式逻辑应该相差不大 但电脑硬体上的进化让你 03/09 21:27
54F：→ lovepork: 能够轻易地解决问题 03/09 21:28
55F：→ linbryan: 读物理，在其他行业很成功，原因不在读物理，在於很聪明 03/10 22:38
56F：→ j0958322080: 楼上自肥 03/10 22:39
57F：推 sputtering: 虽然读书读输电脑几乎成定局 但是还是要抓到时间就读 03/10 23:01
58F：→ sputtering: 书 03/10 23:02
59F：→ sputtering: Even we have no quantum computing training 03/10 23:06
60F：→ sputtering: But we have Spirit training. 03/10 23:07
61F：→ sputtering: Amen. 03/10 23:07