研究生请教关于找工作的问题

[zxCoder]

很快就要找工作了，有点迷茫，在此请教请教

个人情况，普通 985 里一个比较好的实验室，做的数据方向，研究生期间也发了一些顶会论文，一作也有，但是我感觉自己对科研没啥兴趣，发的论文也感觉特别套路化，搞来搞去都是那个套路，基本就是搞个 Transformer 啥的，然后就再加点下游任务，然后就跑跑跑，效果好就发论文了，几个人配合起来，跟流水线一样，很快

但是我现在的问题就是：我不知道我这种情况要找什么工作，对工作岗位不是特别了解，网上大多数说法就都是开发岗和算法岗，但是这个算法岗到底是个啥，看了一些面经，有一种是

1 ）例如手推公式，或者问了好多 AI 相关的问题(可能类似于开发岗的八股文？)，我觉得要是这种算算法岗那我肯定不行，说实话，我现在连神经网络的反向传播都说不清，包括上面提到的一直在用的 Transformer，我也只会调个 api，我也尝试过去深入了解，但是存在两个问题，一个是我的数学基础不行，虽然很多大佬会说这玩意不需要什么数学基础，但是....你懂的，小马过河的故事；第二是没啥时间，感觉实验室的目标是整论文，不是学东西

2 ）另一种是在一些群聊里了解到的，比较偏向工程的算法岗，比如上次看到群里大佬在讨论 c++的 pytorch 的优化问题，实在是太硬核了，对我目前来说

3 ）第三种选择就是找个普通的程序员工作了(也就是大家所说的开发？)，如果钱不少的话感觉这个学起来会不会更容易一点，毕竟科班出身，虽然没刻意背过面经，但是计算机的一些基础还是清楚的

谢谢各位大哥的回复和建议

还想补充一个问题，有听过一种说法是说有些算法岗位，不是热门业务，然后可能做不出啥成绩，反而不如其他岗位？

[cxytz01]

普通程序员请教下：什么是 Tranformer，inference，embedding 。 搜索引擎的解释看不懂。

[pozhenzi998]

楼主可以看看科研单位，之江实验室 https://mp.weixin.qq.com/s/WUMtnT8o8h1aDUbBwK383Q
内推码:NG5RDN

[NCZkevin]

一作顶会是 acl,emnlp 这种？就去卷算法吧，算法的八股文和开发的八股文本质上没啥差别，如果你想面开发，也得去记一些数据库，网络之类的八股文，还不如去背一下算法推导和原理。
现在开发岗位也很卷，从钱的角度来说同一个等级的 offer,算法和开发钱是差不多的。但实际上算法更容易拿到高一个等级的 offer 。开发如果之前做过一些项目的话应付个校招面试没啥问题，确实比算法岗容易一点。
所以建议可以先投 1 类型的实习工作，能找到实习再说。如果找不到说明能力或者运气不行，就转投 3 。至于 2 就算了，没基础入门很难，也没啥性价比。

[Juszoe]

随便搞搞就有一作顶会，太凡了吧

[tbbrave]

看分析师机会么？ 上海。emhhbmdkZXRvbmdAdGhpbmtpbmdkYXRhLmNu

[whywaoxaks]

不知道你的顶会文章是不是通常人认为的顶会，
如果你真有好几篇顶会，基本上去哪个大厂的 ai 相关部门都没问题。

[Titanium21]

好几篇顶会不继续读博？留校当老师不香吗

[stimw]

“一些顶会论文，一作也有”
这出来不说横着走，起码想找哪个都不算难吧？

[GrayXu]

感觉你的 1 和 2 有点极端化，2 更像是在做 sys for ml 。现实中很多 1 其实做的都是 1.5 的活，只不过面试按 1 来面。
建议直接参考实验室师兄师姐去向。

[MarkLeeyun]

厉害。向楼主学习。

[swordspoet]

可以去大厂的研究院或实验室试试，楼主条件这么好，应该没啥问题

[swordspoet]

要么先去实习看看，边做边找

[111qqz]

@cxytz01 transformer 说的是一种网络结构，之前在 NLP 领域用的比较多，现在 CV 也在用。inference 在 deep learning/machine learning 领域一般指的是将一些输入数据喂给模型，通过模型的计算，并得到结果的过程。
embedding 是一种特征的表示方法，例如 rgb 表示颜色也可以看做一种 embedding

[jaredyam]

只要不是大厂的核心算法岗，干的就是你在实验室干的事情。可能更多的不是发论文，还是发专利和打榜单。

再又就是算法落地和应用，其实也比在在实验室做的简单，因为是多个岗位多个公司业务合作的。

[GGMM]

@cxytz01 transformer 另一位已经说得比较好了，我就不重复了，就讲讲我对另两个的理解。inference 是「推断」，就是给一张图片、一些文本，得到对应任务的输出，这些任务可能是目标检测，人体关键点识别，机器翻译等。与之对应的是「 train 」，指的是对模型进行训练，利用「非线性能力」对模型进行数据的拟合。由于神经网络的参数量比较大，所以相比于机器学习算法花费了很大的算力，也取得了一些的成果。embedding 是「嵌入」，由于真实世界中的数据并不是「数字化」的，而是各种表现形式，例如图片、文字、抽象的社交网络等，通过嵌入的方式，我们可以得到每一个输入所对应的「向量」，所以这个过程也可以理解为「向量化」。图片是最简单的，在表现形式上，它就是 RGB 三个元素表示的，所以视觉发展得比较快。文本向量化最简单的形式就是通过「字典」按照顺序把每一个单词映射成数轴上的元素。

[hello158]

建议不要入职私企了。