Có một công việc khai thác dữ liệu mà không cần bằng tiến sĩ

Tôi đã rất quan tâm đến việc khai thác dữ liệu và học máy trong một thời gian, một phần vì tôi học chuyên ngành đó ở trường, nhưng cũng vì tôi thực sự hào hứng hơn khi cố gắng giải quyết các vấn đề đòi hỏi một chút suy nghĩ hơn là chỉ lập trình kiến thức và giải pháp có thể có nhiều hình thức. Tôi không có nền tảng nhà nghiên cứu / nhà khoa học, tôi đến từ nền tảng khoa học máy tính, chú trọng vào phân tích dữ liệu, tôi có bằng Thạc sĩ và không phải là Tiến sĩ. Tôi hiện đang có một vị trí liên quan đến phân tích dữ liệu, ngay cả khi đó không phải là trọng tâm chính của những gì tôi đang làm, nhưng tôi có ít nhất một số tiếp xúc tốt với nó.

Khi tôi đang phỏng vấn một thời gian trước cho một công việc với một số công ty và nói chuyện với một vài nhà tuyển dụng, tôi đã tìm thấy một mô hình chung mà mọi người dường như nghĩ rằng bạn cần phải có bằng tiến sĩ để học máy , ngay cả khi tôi có thể khái quát hóa một chút quá nhiều (một số công ty không thực sự tìm kiếm đặc biệt là tiến sĩ).

Mặc dù tôi nghĩ rằng thật tốt khi có bằng tiến sĩ trong lĩnh vực đó, tôi không nghĩ rằng điều này là hoàn toàn cần thiết . Tôi có một số kiến ​​thức khá tốt về hầu hết các thuật toán học máy trong thế giới thực, đã tự mình thực hiện hầu hết chúng (ở trường hoặc trên các dự án cá nhân) và cảm thấy khá tự tin khi tiếp cận các vấn đề liên quan đến học máy / khai thác dữ liệu và thống kê nói chung . Và tôi có một số người bạn có hồ sơ tương tự cũng có vẻ rất am hiểu về vấn đề này, nhưng cũng cảm thấy rằng trong các công ty nói chung khá ngại về việc thuê khai thác dữ liệu nếu bạn không phải là tiến sĩ.

Tôi muốn nhận được một số phản hồi, bạn có nghĩ rằng một tiến sĩ là hoàn toàn cần thiết để có một công việc rất tập trung trong lĩnh vực đó?

(Tôi đã do dự một chút trước khi đăng câu hỏi này tại đây, nhưng vì nó dường như là một chủ đề chấp nhận được trên meta , tôi đã quyết định đăng câu hỏi này mà tôi đã suy nghĩ một lúc.)

Tôi tin rằng thực sự ngược lại với kết luận của bạn là đúng. Trong Học thuật dùng một lần , một số gợi ý được đưa ra về phí bảo hiểm lương thấp trong toán ứng dụng, toán và khoa học máy tính cho người có bằng tiến sĩ so với người có bằng thạc sĩ. Một phần, điều này là do các công ty đang nhận ra rằng những người có bằng thạc sĩ thường có chiều sâu về lý thuyết, kỹ năng lập trình tốt hơn và dễ tính hơn và có thể được đào tạo cho các nhiệm vụ cụ thể của công ty họ. Chẳng hạn, để có được một môn đệ SVM, đánh giá cao cơ sở hạ tầng của công ty bạn dựa trên cây quyết định, nói. Thông thường, khi ai đó dành hàng tấn thời gian cho một mô hình học máy cụ thể, họ gặp khó khăn trong việc khái quát năng suất của họ sang các lĩnh vực khác.

Một vấn đề khác là rất nhiều công việc học máy hiện nay là tất cả về việc hoàn thành công việc, và không quá nhiều về việc viết bài hoặc phát triển các phương pháp mới. Bạn có thể có một cách tiếp cận rủi ro cao để phát triển các công cụ toán học mới, nghiên cứu các khía cạnh chiều VC của phương pháp của bạn, lý thuyết phức tạp cơ bản của nó, v.v. Nhưng cuối cùng, bạn có thể không nhận được thứ gì đó mà các học viên sẽ quan tâm.

Trong khi đó, hãy nhìn vào một cái gì đó giống như poselets . Về cơ bản không có toán học mới phát sinh từ các poselets cả. Nó hoàn toàn không có gì đặc biệt, lộn xộn và không có bất kỳ sự tinh vi toán học nào. Nhưng nó mở rộng lên đến các tập dữ liệu lớn một cách đáng kinh ngạc và có vẻ như nó sẽ là một yếu tố chính trong nhận dạng tư thế (đặc biệt là trong thị giác máy tính) trong một thời gian tới. Những nhà nghiên cứu này đã làm một công việc tuyệt vời và công việc của họ là được hoan nghênh, nhưng đó không phải là điều mà hầu hết mọi người liên kết với một tiến sĩ học máy.

Với một câu hỏi như thế này, bạn sẽ nhận được vô số ý kiến ​​khác nhau, vì vậy, bằng mọi cách hãy xem xét tất cả. Tôi hiện đang là nghiên cứu sinh về thị giác máy tính, nhưng tôi đã quyết định rời khỏi chương trình sớm với bằng thạc sĩ và tôi sẽ làm việc cho một công ty quản lý tài sản học máy ngôn ngữ tự nhiên, thống kê tính toán, v.v. công việc khai thác dữ liệu dựa trên quảng cáo tại một số công ty truyền hình lớn và một số công việc robot. Trong tất cả các lĩnh vực này, có rất nhiều công việc cho một người có sự trưởng thành về toán học và một mẹo để giải quyết các vấn đề trong nhiều ngôn ngữ lập trình. Có bằng thạc sĩ là tốt. Và, theo bài báo của Chuyên gia kinh tế đó, về cơ bản, bạn sẽ được trả tiền giống như một người có bằng tiến sĩ. Và nếu bạn làm việc bên ngoài học viện,

Như Peter Thiel từng nói, "Trường đại học giống như nhấn nút báo lại trên đồng hồ báo thức của cuộc sống ..."

Tuyên bố miễn trừ trách nhiệm: Tôi có bằng tiến sĩ. và làm việc trong máy học. Phải nói rằng, tôi nghĩ ngoài việc trở thành một học giả, bạn không cần bằng tiến sĩ. để làm việc trong bất kỳ lĩnh vực nào. Lấy bằng tiến sĩ giúp bạn phát triển các kỹ năng nghiên cứu nhất định, nhưng

1. Bạn không cần những kỹ năng nghiên cứu cho hầu hết các công việc.
2. Bạn có thể có được những kỹ năng đó mà không cần bằng tiến sĩ. trình độ.

Martin Wolf , phóng viên kinh tế trưởng của Thời báo Tài chính , không có bằng tiến sĩ. (anh ta có bằng Thạc sĩ), nhưng từ của anh ta có trọng lượng lớn hơn nhiều so với hầu hết tiến sĩ. tốt nghiệp. Tôi nghĩ để thành công trong bất kỳ lĩnh vực nào (bao gồm cả học máy), bạn phải biết cách tự học và suy nghĩ thấu đáo mọi thứ. Bằng tiến sĩ sẽ giúp bạn thực hành những kỹ năng đó, nhưng nó không phải là kết thúc với chính nó. Bất cứ ai không sẵn lòng phỏng vấn bạn chỉ vì bạn không có bằng tiến sĩ, có lẽ không đáng để làm việc.

Tuyên bố miễn trừ trách nhiệm: Tôi không có bằng tiến sĩ về CS, tôi cũng không làm việc trong máy học; Tôi đang khái quát từ kiến ​​thức và kinh nghiệm khác.

Tôi nghĩ rằng có một số câu trả lời tốt ở đây, nhưng, theo ý kiến ​​trung thực của tôi, chúng chưa hoàn toàn làm cho vấn đề chính rõ ràng. Tôi sẽ cố gắng để làm như vậy, nhưng nhận ra rằng tôi không nghĩ rằng tôi đang nói điều gì đó hoàn toàn khác. Vấn đề chính ở đây liên quan đến phát triển kỹ năng so với tín hiệu .

Liên quan đến phát triển kỹ năng , cuối cùng bạn muốn (với tư cách là một nhân viên) có thể hoàn thành công việc, hoàn thành tốt và hoàn thành nhanh chóng, và nhà tuyển dụng muốn (hoặc có lẽ nên làm) một người như vậy. Vì vậy, câu hỏi ở đây là bạn có bao nhiêu phát triển kỹ năng bổ sung với vài năm đào tạo học thuật? Chắc chắn bạn sẽ đạt được một cái gì đó, nhưng nhận ra rằng những người không tiếp tục học cao học có lẽ không nên ngồi trên duff của họ cho đến khi họ tốt nghiệp. Vì vậy, bạn đang so sánh một tập hợp kinh nghiệm (học thuật) với một tập hợp khác (công việc). Một chút tốt phụ thuộc vào chất lượng và bản chất của Ph.D. chương trình, lợi ích nội tại của bạn, cách bạn tự định hướng và loại cơ hội và hỗ trợ nào sẽ có sẵn trong công việc đầu tiên của bạn.

Ngoài tác dụng, việc đào tạo học thuật tiếp tục phát triển kỹ năng, còn có câu hỏi về tác dụng và giá trị của tín hiệu (nghĩa là có "Ph.D" được gắn sau tên của bạn). Tín hiệu có thể giúp theo hai cách: Thứ nhất, nó có thể giúp bạn tìm được công việc ban đầu và điều đó không nên bị loại bỏ - nó có thể rất quan trọng. Nghiên cứu đã chỉ ra rằng những người bắt buộc phải bắt đầu ở một vị trí đầu tiên không phù hợp với họ thì không bao giờ có xu hướng làm tốt (trung bình là sự nghiệp, trung bình) như những người bắt đầu một công việc tốt phù hợp với khả năng và sở thích của họ. Mặt khác, sự đồng thuận dường như là sau công việc đầu tiên của bạn, triển vọng tương lai của bạn bị ảnh hưởng mạnh mẽ hơn nhiều bởi hiệu suất của bạn trong công việc trước đó so với thông tin học tập của bạn.

Khía cạnh thứ hai của tín hiệu liên quan đến mối quan hệ giữa nhà phân tích và người tiêu dùng phân tích. @EMS làm tốt công việc đưa ra quan điểm này trong một bình luận. Có rất nhiều cửa hàng tư vấn nhỏ và họ rất thích có bằng tiến sĩ để khoe với khách hàng tiềm năng: trong các cuộc họp ban đầu cố gắng ký hợp đồng, trên tiêu đề thư, trong các bài thuyết trình về sản phẩm hoàn thành, v.v. Tiến sĩ luôn ở đó. Thật dễ bị hoài nghi về điều này, nhưng tôi nghĩ có giá trị chính đáng cho công ty tư vấn và người tiêu dùng (những người có thể không biết nhiều về những vấn đề này và có thể sử dụng thông tin để giúp họ chọn một công ty sẽ làm tốt công việc cho họ) . Đằng sau hậu trường, một số công việc có thể được đưa ra cho những người có thẩm quyền với ít thông tin xác thực, nhưng họ muốn có bằng tiến sĩ. cho mặt trước và để đăng xuất trên sản phẩm công việc trước khi sản phẩm được giao. Tôi có thể thấy điều gì đó tương tự xảy ra với một công ty khởi nghiệp nếu họ đang cố gắng thu hút vốn và muốn trấn an các nhà đầu tư.

Tôi đồng ý với hầu hết những gì đã được nói ở đây, nhưng tôi muốn giới thiệu một vài vấn đề thực tế phát sinh khi xin việc trong ngành tài chính. Thường thì bạn sẽ thấy quảng cáo nói rằng cần phải có bằng tiến sĩ về thống kê hoặc toán học để áp dụng cho một vị trí nhà phát triển giao dịch hoặc định lượng cụ thể. Tôi biết có một số lý do đặc biệt cho việc này. Tâm trí, tôi không nói điều này là đúng, nhưng đó là những gì xảy ra trong thực tế:

• Có rất nhiều ứng viên cho công việc, đặc biệt là đối với các công ty nổi tiếng nhất và nhà tuyển dụng không thể dành đủ thời gian cho mỗi ứng viên. Các ứng dụng lọc dựa trên nền tảng học thuật thu nhỏ quy mô dân số xuống một con số dễ quản lý hơn. Có, sẽ có bỏ lỡ. Vâng, đó không phải là cách tốt nhất để tìm những cá nhân làm việc hiệu quả . Nhưng trung bình bạn đang nhìn vào các chuyên gia lành nghề, những người đã dành nhiều năm để học nghề. Họ ít nhất nên có kỷ luật để vượt qua một dự án nghiên cứu phức tạp.

• Nhóm và công ty sẽ được làm giàu bởi một số tiến sĩ để giới thiệu cho các nhà đầu tư và khách hàng. Điều này sẽ cung cấp một hình ảnh về kiến ​​thức "đáng sợ" cho công ty và có lợi cho danh tiếng của nó. Công ty định giá vô hình có thể tăng. Các nhà đầu tư trung bình sẽ tự tin hơn trong việc cấp vốn của họ cho một nhóm các nhà khoa học am hiểu như vậy. Bạn có thể làm cho một điểm tương tự về MBA.

• Cuối cùng, đôi khi các chính sách của công ty cho rằng thành tích học tập cao hơn nên có lộ trình nghề nghiệp và lương thưởng ưu đãi. Tôi tin rằng điều này đúng với hầu hết các tập đoàn trong các ngành công nghiệp khác nhau, không chỉ tài chính. Thật khó để thấy John với một BS về khoa học máy tính quản lý tiến sĩ toán học.

Tuyên bố miễn trừ trách nhiệm: Tôi là một nhà tuyển dụng và đã có từ năm 1982 nên tôi hiểu rất rõ câu hỏi của bạn. Hãy để tôi phá vỡ nó theo cách này. Sơ yếu lý lịch của bạn là một thiết bị sàng lọc ra. Các công ty nhận được rất nhiều hồ sơ xin việc để họ đọc sơ yếu lý lịch với một câu hỏi, "Tại sao tôi không muốn nói chuyện với người này?" Điều đó làm giảm đống của họ cho một vài ứng cử viên có cơ hội tốt nhất để đáp ứng nhu cầu của họ. Vì vậy, nếu bạn đang nhận được các cuộc phỏng vấn và sơ yếu lý lịch của bạn không hiển thị bằng tiến sĩ thì có điều gì đó khác đang diễn ra ở đây. Tôi nói vậy bởi vì, giống như một bản lý lịch là một thiết bị sàng lọc OUT, cuộc phỏng vấn là một thiết bị sàng lọc IN. Khi họ đã mời bạn đến một cuộc phỏng vấn thì họ đã kết luận rằng bạn có đủ "giấy tờ" để thực hiện công việc. Vì vậy, khi bạn đi bộ trong cuộc phỏng vấn, câu hỏi duy nhất họ ' Tôi thực sự hỏi là "tại sao tôi nên thuê bạn?" Người mà họ thuê sẽ là cá nhân giải quyết họ có thể phục vụ tốt nhất nhu cầu của công ty.

Lời khuyên của tôi khi là một nhà tuyển dụng là đặt câu hỏi trong suốt cuộc phỏng vấn để xác định nhu cầu sâu sắc hơn của họ. Tin tôi đi, mô tả công việc hiếm khi giống với sự thật nên bạn sẽ muốn thăm dò các nút nóng của họ sau đó bán trực tiếp cho các vấn đề đó. Đừng cho phép cuộc phỏng vấn cảm thấy như một cuộc thẩm vấn, chờ đợi kết thúc để đặt câu hỏi. Bạn sẽ chìm trong lửa và cuối cùng được thông báo "bạn không có bằng tiến sĩ". Hãy tôn trọng nhưng thể hiện sự sẵn sàng của bạn để giúp họ giải quyết vấn đề của họ.

Câu hỏi yêu thích của tôi là: "Những đặc điểm của người tốt nhất bạn từng biết trong vai trò này là gì?" Mọi người đều có một đội ngũ trong mơ, vì vậy điều quan trọng là tìm ra những đặc điểm họ cảm thấy cần thiết để thành công trong vai trò này. Hãy ghi nhớ, đây không phải là một câu hỏi về kinh nghiệm, nguồn gốc hoặc bằng cấp. Hãy xem, tôi luôn có thể tìm thấy một tiến sĩ tầm thường với hàng tấn kinh nghiệm vì vậy đây không phải là chén thánh. Đó chỉ là những gì các công ty tiếp tục nghĩ là tốt nhất bởi vì IMO họ không biết làm thế nào khác để viết một bản mô tả công việc nắm bắt được bản chất của người họ cần.

2 xu của tôi: Không, tôi không nghĩ vậy. Một tiến sĩ sẽ không cho phép một người trở nên tốt hơn cho việc khai thác dữ liệu hoặc ML. Hãy dùng Jeremy Howard của kaggle. Tôi thậm chí sẽ đi xa hơn khi nói rằng một tiến sĩ nói không nhiều về bất kỳ bằng cấp nào vì có sự thay đổi lớn về chất lượng của các chương trình. Có lẽ điều duy nhất mà một tiến sĩ chứng minh là người nắm giữ có khả năng chịu đựng sự thất vọng cao.

Điểm mấu chốt: Nếu bạn quan tâm đến lĩnh vực đó, có kiến ​​thức, sáng tạo và chăm chỉ, tại sao bạn cần bằng tiến sĩ? Đó là bạn nên tính, không phải tiêu đề của bạn.

Việc một công việc có yêu cầu bằng tiến sĩ hay không phụ thuộc vào mức độ trách nhiệm và nhận thức của người sử dụng lao động và / hoặc khách hàng của anh ta. Tôi không nghĩ rằng có một ngành học đòi hỏi phải có bằng tiến sĩ. Chắc chắn khai thác dữ liệu có thể được học và một nhân viên có thể làm việc hiệu quả mà không cần bằng tiến sĩ. Điều này phụ thuộc nhiều vào con người, khả năng học hỏi nhanh và thích nghi cũng như khả năng hiểu văn học của người đó hơn là vào giáo dục trước đây. Điều này đặc biệt đúng đối với khai thác dữ liệu là một lĩnh vực đang phát triển. Vì vậy, ngay cả những người khai thác dữ liệu với tiến sĩ cũng sẽ có nhiều thứ để học hơn khi thời gian trôi qua.

Tôi có bằng thạc sĩ về Thống kê ứng dụng và làm việc ở Châu Âu với tư cách là Người khai thác dữ liệu. Khi tôi đến Vương quốc Anh, không ai từng nghe nói về khai thác dữ liệu chứ đừng nói đến việc học bằng cấp như vậy. Bây giờ nó là nơi phổ biến và các nhà tuyển dụng cảm thấy rằng một Phd là cần thiết cho công việc này. Tuy nhiên, chính kiến ​​thức thống kê và khía cạnh mô hình hóa là điều quan trọng cho công việc này. Theo kinh nghiệm của tôi, hầu hết những người làm CNTT không hiểu số liệu thống kê và do đó không thể làm tốt công việc. Tôi đã đi vào giảng dạy và hiện đang đăng ký làm Tiến sĩ Thống kê Ứng dụng để làm hài lòng những nhà tuyển dụng này. Tôi có thể biết nhiều hơn hầu hết sinh viên tốt nghiệp Phd đã học thạc sĩ vào những năm 1980 khi trình độ rất cao. Tôi nghĩ để trở thành một người khai thác dữ liệu tốt, người ta phải có một nền tảng về Thống kê.

Điều này hoàn toàn phụ thuộc vào công việc trong tầm tay. Theo kinh nghiệm của tôi (tôi có bằng tiến sĩ), có 3 loại công việc. Đầu tiên, như đã nói, hầu hết các công việc trong ngành ngày nay đều hướng đến học máy ứng dụng, tức là áp dụng các thuật toán ML hiện có cho vấn đề cụ thể của miền. Đây là những công việc ML phổ biến nhất và bằng thạc sĩ là quá đủ cho những loại công việc này. Một số lượng nhỏ hơn các công việc, nằm trong cánh nghiên cứu của các công ty hoặc trường đại học, các tổ chức đang áp dụng - chỉnh sửa - tạo các công việc ML cho vấn đề cụ thể của miền. Kinh nghiệm tạo ra một phương pháp mới bằng cách xem xét các phương pháp hiện có bằng toán học mới thường mất một thời gian và những kinh nghiệm này thường thu được trong quá trình tiến sĩ, vì kết quả lý thuyết mới phải đủ mạnh mẽ để đạt được sự chấp nhận của những người ngang hàng (một ấn phẩm). Cuối cùng và có lẽ là loại công việc khó nhất, rủi ro cao nhất và không phổ biến nhất là những công việc lý thuyết thuần túy đang diễn ra tại các trường đại học nghiên cứu, trong đó trọng tâm là đưa ra một thuật toán hoàn toàn mới, hoặc hiểu các tính chất toán học tốt hơn của các thuật toán hiện có (cũng phải đủ tốt để được công bố). Đây cũng là kinh nghiệm thường đạt được như là một tiến sĩ. Trong khi một nghiên cứu sinh có thể đã có một số tiếp xúc với cả ba loại công việc trong quá trình đào tạo của mình (hoàn toàn do thời gian của chương trình và thực tế là không có thời hạn sản phẩm ngay lập tức như một công việc thực sự), sinh viên MS thường được đào tạo tốt cho công việc đầu tiên và có lẽ chỉ có những tiếp xúc nhỏ với loại công việc thứ 2 và thứ 3.

Tôi không nghĩ rằng Phd là cần thiết cho bất kỳ vị trí máy học. Một bậc thầy giỏi và một trí óc tò mò với sự tò mò toán học là tất cả những gì nó cần. Một Phd thiên vị cách tiếp cận của bạn đối với chuyên môn của bạn là điều không mong muốn. Tôi làm việc trên các thuật toán học máy cốt lõi và mã hóa hầu hết chúng theo cách tôi muốn. Và tôi đã thấy rất nhiều người Phd có suy nghĩ sai lầm. Phds chủ yếu được thúc đẩy bởi các vấn đề lý thuyết thuần túy, không giống như trong ngành công nghiệp, nơi tập trung vào các giải pháp làm việc trong thời gian nhanh chóng

Những người xem thường đào tạo tiến sĩ hoặc không biết ý nghĩa của một tiến sĩ, hoặc chỉ cố ý đưa ra những nhận xét sai sự thật; hầu hết đào tạo thạc sĩ không thể so sánh với đào tạo tiến sĩ bằng bất kỳ phương tiện. cường độ và sự nghiêm ngặt trong đào tạo tiến sĩ đòi hỏi sự cống hiến không thể tưởng tượng, kỷ luật tự giác, khả năng học tập dưới áp lực lớn và bộ kỹ năng vững chắc ..., một danh hiệu tiến sĩ đã chứng minh tất cả những điều đó, bằng thạc sĩ chính quy ở Mỹ không giống nhau cấp độ nào cả ....