机器学习/深度学习岗位对学历要求是否严格？

[zhongchengyong]

工作近四年的普通一本，下一份工作想从事机器学习 /深度学习开发相关的工作，目前工作中有部分工作与深度学习相关，自学了机器学习 /深度学习领域知识。
但是在看各大厂商的 jd 时，基本要求硕士起步，所以想问一下：

这个领域的工作是否卡学历？各位正在从事该领域的大佬们，你们身边有本科生吗？

[VV4yne]

现在需要的是工程能力，比如面试直接让手推 BP 或者 LSTM 这种，推完才问项目

[Chase2E]

国内的要求知识硕士，美帝那边基本上是 PhD 起步。FYI

[SlipStupig]

我发现大家把对机器学习讨论有一种“小马过河”的感觉，来聊一下关于 AI 目前我了解的情况跟大家分享一下（本人小学学历，在不知名小厂做 NLP 方向，各位说的名校 phd 格格不入，所以大家不要盲目相信我说的话），目前 AI 工作主要有两类：

1. 工程类
主要是要提高公司在业务方面产出（推荐系统、各种识别系统等等，基本上公司业务已经有很大体量了），公司会相对比较保守，会用比较成熟的框架和算法，主要偏向于业务提升指标（以淘宝双十一为例，当年我们在购物车下面加入了--”你可能喜欢的商品“，给双十一输送了 2%的 GMV ），性能指标、还有开发效率，老板并不关心你用了算法，只关心你给他带来了多少利润

2. 学术 /研究类

学术类和研究类还要分在企业研究还是在高校，企业做研究基本上都是市面上有了理论但是并不成熟更没有落地的应用，然后把这些转成可落地的产品，这种情况需要强大数学功底和相关的专业背景（一般最少得 985 硕士以上学历，更重要的是智商和平台，实在太烧钱了），高校主要是做理论论证，理论改进和新领域挖掘（只需要证明有一定可能性就行），这种基本上都是博士在做


_______

关于工程化机器学习，大家基本上没有一个流程总结，我来给大家献丑，总结一下：


------------ ----------- 根据特征数据选择模型 _____________ 模型评估 ________ +++++++
|样本收集 | ---> |特征工程 | --------------------------> | 多模型模型训练 | -------------> |调参环节| ---> |模型融合|
------------ ----------- ------------------- ----------- +++++++


通过这些流程后最终转化成工程化代码，然后上线，不停的回测数据去优化模型，其实在这个里面最重要不是算法，而是数据和特征工程, 说这么多还是希望大家对自己喜欢的事不要犹豫，Just do it ！

[shikimoon]

nlp 小厂，最近也面试了不少人，ai 这块主要分 2 种，上面也有人科普过了，rd 岗的话基本是博士了，工程师的话偏工程一些。组里基本都是工程师，硕士居多，目前有 3 个本科生，学历也不是很高，不过水平确实不错。个人感觉，本科不是说不能搞 ml，但要求会高一些。毕竟像楼上说的，工程师的主要工作在数据和特征，有些特征需要看 paper 复现，这就需要具备一定的数学能力了。另外也想吐槽一下，ai 这块内卷的太严重了，水平不错又本身想做这块的太少，比如一个手推 lr 就能过掉 90%的候选人了，所以楼主如果确实想做但又担心学历的话，我觉得是没问题的，只要水平够本科搞 ml 绝对没有问题

[yufei02]

手推逻辑回归我也不见得能搞出来的，这整体风格又回到 10 年前了，何必要借着 AI 为难大家呢

[taxiangdeni]

商汤硕士起步，博士比硕士多，这公司一年的论文够几十个博士毕业