美國機器學習方向的 master 找工作前景如何？

1樓：劉舅舅

最近研究AI大資料才給我推薦的類似問題吧。不是碼農，學生階段excel學的好，後來從事資料分析的工具偏商業業務，同時自學了資料庫，視覺化工具還有一些r python的運算。現在感覺國內工作環境如果不是碼農真的很難有什麼硬實力。

看到CMU的樓主都這麼擔憂這

2樓：詹士傑

身邊幾乎都在搞ML，不管ee，cs，數理。。感覺競爭會比較激烈。。。畢竟基礎的東西會的人太多了。。。

隨便拿ML做個應用也算是會ML。。。不敢想5.6年以後的局面。。。

雖然現在需求也在不斷擴大。。。但是湧過去的人太多了。。。至少這種大餅人人拿的局面不可能一直保持

3樓：鐵褥

我的理解是，機器學習和資料探勘方向（我覺得題主找工作應該是指資料探勘而不是真正的機器學習，後者偏演算法和research）進入門檻比碼農高，但是後期發展我揣測會比碼農更有潛力（但是也有知乎的行內人說同級別比碼農薪水還稍低，我很不解）。所以，一旦進入這個行業，我揣測發展後勁還是很好的。

以上均是我經過一些道聽途說之後的揣測而已，畢竟我還沒開始找工作。

BTW, 本校cs全美拓撲。

4樓：

首先給自己乙個定位，既然研究能力不如phd，那麼一方面提高理論的基礎，另外就是把工程能力的優勢給強化。

剛開始工作，不需要一定要完全機器學習，只要和資料相關就可以，能夠利用到機器學習來解決問題也是可以的。比如廣告，搜尋等。

5樓：陳然

機器學習的應用在工業界需求很高，有過工作經驗的人可以很輕鬆的找到工作，供給遠遠小於需求，而且需求越來越大。

但是招 New Grad (PhD 可以考慮) 相對較少。原因很多，簡單來說，就是 New Grad 往往工程經驗不夠，學術能力也不夠。工業界的現狀不複雜：

大公司搞機器學習的組大、人多、要求高，PhD 是進入的門檻；小公司人少，每個人都要獨當一面，因此必須要有過搭建實際機器學習系統的經驗。因此如果兩邊都沒有優勢的話，自然找工作比較吃力。

因此，對於有志於做這個方向的同學來說，建議找工作時調整心態，第乙份工作盡量找到工作職責與機器學習相關的組，而不必追求一步到位。人生的職業生涯很長，做好3到5年的職業生涯規劃，積累實際工作經驗，不斷學習與強化自己。人與人的差距並不會在第乙份工作中體現，而是在前幾年逐漸顯現出來。