Hello 我勉强算是在一线外商做机器学习的 我觉得讨论到这里需要厘清一下所谓 "AI工程师" 的角色 在业界下图打*号的都有可能会自称是 "AI工程师" _________________________图____________________________ Domain Expert | *Data Analyst --- - Data Visualization ... | \ / *Data Scientist -+- Tools -+- Hadoop / Spark ... | / \ *Data Engineer -- - Machine Learning | | Software Engineer *ML Research Scientist _______________________________________________________ 不过左边这三个跟右边的研究员有本质的差异 应映现代的商业模式，人们为了加快业务的迭代速度与优化增长， 想要利用 Data 来自动做决策 所以左边三个角色，虽然有的更贴近业务面，有的贴近工程面， 可是目标最後都是为了解决商业上的问题 而 Machine Learning 其实只是工具里的其中一种 就像是厨师使用菜刀一样 需要的是了解不同菜刀的特性并且根据菜单选择不同的刀具 而不一定会需要打造菜刀 看得懂论文，能够做实验验证不同手法在商业应用的效果就好 其他工序对食材的处理甚至会比选择使用哪一把刀还要重要 ML Research Scientist 则不同 这位是打刀人，不用管太多 Domain Knowhow 毕竟 ML 这个工具就是用数学打造出来的 所以需要更多数学相关的能力 撇开学术单位，纯以业界而论 上图左边三个跟右边一个的人力需求比超过 100:1 而且两边在技能需求上也有很大的差异 我觉得可以分开来看 架设我们今天目标是左边偏重应用的 那除了机器学习之外在不同的产业有不同的专业需要学习 除了专业以外，其他相关的工具 比如资料视觉化，大数据工具，或一些清洗手法与流程也需要有所了解 这样的职位看重的是即战力 毕竟是找你来解决商业问题的 你在面试的时候要证明的就是自己的战力 业界经验，作品或是比赛会比较有用 如果要找的是右边的研究员职位 这时候我们才更看重学问的紮实程度 又因为这个职位人数很少 就算有学历如果没有顶级论文基本也是没有机会的 现在我们常说毕业生都做 AI 可是找不到 AI 工作的原因 就是因为左边要找即战力解决问题，右边需求人数又少 所以最後还是走向 SDE 或是相关职缺 我是建议有想要走这一块的不要把自己的路走窄了 想说自己就是只要找 AI 相关的工作结果一直找不到工作 除非确定自己就是要做很厉害的研究发很强的论文 不然我们平常看看跟自己做的应用相关的 AI 论文 保持自己对工具的熟悉度就好 不要排斥其他的软工机会 至於原文的问题想要上课後找相关工作 这个就跟上面整理的一样 光是做 AI 相关的毕业生就数不过来了 除非你能够证明你的战力 不然我比较推荐一般软工的课，像是 Java 之类的可能比较好找工作 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 1.161.134.141 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Soft_Job/M.1636569716.A.62D.html