机器学习科学家的日常工作是什么？

我是德国大学的CS学硕士，现在写论文。如果要继续攻读博士学位或在该行业找到工作，我将在两个月内做出非常艰难的决定。

我做博士学位的原因：

• 我是一个非常好奇的人，我觉得我仍然缺乏太多知识。我想学很多东西，博士学位会为我提供帮助，因为我可以做更多的好课程并阅读大量论文，并成为数据挖掘和机器学习方面的专家。我喜欢数学，但是在本科（不好的大学）里并不擅长数学。现在在这个德国大学，我觉得我发展了很多很棒的数学技能，我想提高它，因为我真的很喜欢数学！（在本科生和一生中，我的数学真的很糟糕，但是现在我发现我的数学很好！）

• 我将处理具有智力挑战性的工作。

• 我需要说实话，我也不想看到其他人 比我更高学位的人。因此，如果我走进街上去见有博士学位的人，我不必说“哦，这个家伙比我聪明”。我宁愿站在另一边。;）

我不做博士学位的原因：

• 我在互联网上读过关于做博士学位还是不做博士学位的信息。我发现，在大多数情况下，拥有博士学位的人所做的工作与拥有硕士学位的人所做的工作相同。（这是计算机科学的普遍观察，而不是关于ML / DM）。

• 我可以开始职业生涯并在1或2年内赚很多钱，然后我可能可以创办自己的公司。

还不清楚的是：

我仍然不知道最终我的最终目标是什么。有一家著名的小公司吗？还是成为著名科学家？我仍然没有这个问题的答案。

为了帮助我做出决定，我想知道两件事：

• 拥有行业硕士学位的数据科学家/机器学习者的工作感觉如何？你做什么样的工作？尤其是当我以机器学习科学家的身份在亚马逊上阅读这些广告时，我总是想知道它们的作用。

• 与以前相同的问题，但有博士学位。您做的事情与大师不同吗？

• 我要应对具有挑战性的有趣问题吗？还是一些无聊的东西？

稍微说明一下：我见过一个拥有机器学习博士学位的人（在德国），并且在一家致力于推广机器学习软件的公司中工作。据我了解，他的大部分工作是训练人们使用方法和软件（决策树等）。

如果我能从一些著名的优秀公司中获得有关德国/瑞士的经验的答案，那就太好了。

亚历克斯，我不能对德国或瑞士做特别评论，但我确实在一家跨国公司工作，该公司有来自不同国家的100,000多名员工。其中大多数人至少具有研究生学位，许多人具有硕士学位和博士学位，除了人事和行政人员外，我们大多数人都是一个或多个不同科学领域的专家。我有30多年的经验，曾担任过熟练的科学/技术专家，经理，项目经理，最终回到了我所喜欢的纯粹的科学岗位。我还参与了招聘人员的工作，以下我的一些观察可能对您有价值。

1. 大多数应届毕业生真的不知道自己想要什么，通常需要几年的时间才能找到答案。在大多数情况下，由于多种原因，他们的工作经验与他们的预期相差甚远。有些工作场所令人兴奋，而有些则枯燥乏味，“工作场所政治”，糟糕的老板等有时可能是个大问题。更高的学位可能对所有这些问题都没有帮助。

2. 大多数雇主都希望那些能够“完成工作”并尽快提高工作效率的人。取决于雇主，较高的学位可能无关紧要。在某些情况下，除非您拥有博士学位，否则门是关闭的。在其他情况下，可能会关上门，因为您拥有博士学位，而雇主希望某人“没有理论知识，但有更多实践经验”。

3. 博士学位不一定意味着更快的晋升或薪资差异很大，并且可能会或可能不会对您所获得的职位产生任何影响。通常，当我面试应聘者时，我对寻找具有相关工作经验的人最感兴趣。如果候选人的论文主题特别相关，那么博士学位可能是确保职位的最终决定因素。

4. 人们比以往更倾向于更换工作。在开始盘旋之前，您的年龄除以2 * pi在很多年内一直是不错的经验法则。有些人会工作一段时间，然后返回大学学习。有些人（像我一样）以博士学位开始，然后得到“要拒绝的好消息”，然后离开博士学位去工作。我很抱歉这样做吗？不，一点也不，如果我要重新开始，无论如何我都会做一个完全不同的话题的博士学位。

5. 我能给您的最好建议是去做您最喜欢做的事情，看看它如何发展。没有人能告诉你什么对你最好。有时，您只需要尝试一些东西，如果无法解决问题，则可以从中学习尽可能多的知识，然后继续进行其他工作。正如罗丹所说：如果明智地使用经验，那将不会浪费时间。

在描述我对日常工作的看法之前，我将挑选一些我认为相关的职位（重点是我的）：

1. 我是一个很好奇的人
2. 将与智力挑战性的东西一起工作
3. 我必须诚实地说，我也讨厌见到一个比我高得多的人（虚荣）
4. 我可以开始职业，在1-2年内赚很多钱
5. 创办我自己的公司

基于1和2，您似乎对数据科学和研究总体上有非常浪漫的看法。是的，您将开始研究有趣的问题，但肯定会是24/7（这适用于行业和研究）。

基于2和3，您似乎考虑研究人类智力的巅峰并将博士学位视为您的智慧的认证。我不同意，因为：

• 在学术研究和行业中都存在智力挑战性的问题。我认为这是一个奇怪的假设，即学者面对最困难的学者。
• 拥有博士学位并不意味着您很聪明，而是意味着您有能力在自己的领域中进行出色的研究。研究并不是要比别人聪明（尽管有帮助）。创新和从不同角度解决问题也是非常重要的素质。如果您想证明自己比下一个人更聪明，请参加Mensa测试而不是博士学位。

_{以我个人的观点，最聪明的人最终会因自己的选择而过上幸福的生活，无论这意味着成为核物理学家还是木匠。不要根据他们是否给予您炫耀的东西来做出决定。}

基于4和5，您似乎希望在某个时候成立自己的公司。请注意，在进行初创公司，甚至是面向技术的初创公司时，您可能不会将大部分时间花费在实际技术上。营销，业务计划，管理等对成功的创业公司都同样重要（如果不是更多的话）。您希望博士如何提供帮助？

现在这些准备工作已不复存在：我对机器学习科学家的工作常规的个人看法。首先：您将重点关注大型/复杂/有趣的数据集上的最新方法。这无疑是非常有趣的工作。

...但是

真正的机器学习涉及很多艰巨的工作

在一群计算机竞标的乌托邦世界中，您不会在一个充满数学优雅的乌托邦世界中度过每个工作小时。您的大部分时间都花在了艰苦的工作上：数据库管理，准备数据集，规范化工作，处理不一致性等等。随着时间的流逝，它们不会变得越来越令人兴奋。如果您对主题不感兴趣，那么最终您将失去做这些事情的动力。

如果您上过机器学习课程，通常会获得标注良好的数据集，而不会出现不一致，没有数据丢失的情况，一切都应该保持原样。这不是现实生活中的机器学习。您将花费大部分时间来尝试准备好运行自己喜欢的算法。

协作中的期望管理

如果您想进行跨学科项目，则必须学习如何与对您的工作一无所知的人一起工作（对于任何专业而言都是如此）。在机器学习中，这通常意味着以下两种情况之一：

• 您的合作者看了太多电视，认为您可以通过精美的算法和许多出色的可视化解决所有问题。
• 您的合作者不了解您使用的技术，因此看不到好处或潜在的应用程序。

•拥有行业硕士学位的数据科学家/机器学习者的工作感觉如何？你做什么样的工作？尤其是当我以机器学习科学家的身份在亚马逊上阅读这些广告时，我总是想知道它们的作用。

业务问题并不会根据您的学位而真正改变，因此您会看到相同或相似的事物。如果您在大型组织中工作，则需要处理公司的大型数据集。通常可以是产品/客户数据或运营数据（化学过程数据，金融市场数据，网站访问量数据等）。一般的最终目标是利用数据为公司省钱或赚钱。

•与以前相同的问题，但有博士学位。您做的事情与大师不同吗？

答案如上所述，您将执行几乎相同的操作。但是，在研究，定量分析或大型国际公司的类似技术部门中，如果您拥有博士学位，那么您将拥有拥有MSc的人才。就职业发展而言。博士会教您（或应该教您）成为一名独立研究人员，因此，有了博士学位，公司通常会更“珍视”您的劳动（好奇的技能和勤奋）。但是我强烈建议不要为了获得博士学位而仅仅为了（可能）加快职业发展。 攻读博士学位是一项艰巨的任务，尤其是在最终痛苦的过程中，您将不得不（理想地爱上）您的科目，而且我认为还有可能继续留在学术界（这是揭示您对研究的亲和力的代理人）和partiuclar主题）以使其可以忍受。

还请记住，回到博士学位后，您将落入职业阶梯，最终可能会被引导到以技术为导向的支持角色（与那些为公司赚钱的人相比，薪水更低）-这可能不是您的主要目标。最后，如果您在一家小型公司中工作，那么在您自己的公司中，博士学位的优势在职业发展或薪水方面几乎消失了。

•我要应对具有挑战性的有趣问题吗？还是一些无聊的东西？

我想对此没有通用的答案。ML是跨学科的。如果您是分析师，则通常会查看数据并尝试构建模型，如果您在开发方面，则最终要处理实现的难题。如果您是面向客户的，则可能需要进行很多手握和培训客户的工作（但可能会赚更多的钱）。通常，对您问题的答案取决于个人喜好以及您的雇主提供多少灵活性。

或者，您可以尝试加入一些研究人员小组，而统计学家和机器学习者并不是每天都出现的现象。例如侵扰和疾病传播，植物学或生态学，社会昆虫或社会科学？

我不能给您确切的例子，但是如果您是一个只有少数人的地方的优秀统计学家/ ML，那么人们和不同的研究建议都将找到您。关键是，您无需过多的努力就可以真正满足需求。

如果您喜欢这个主意，则可以尝试在当前主题（行业）之外搜索机器学习问题，也许您会找到找到“挑战性有趣问题”和“与具有智力挑战性的东西一起工作”的方法。

我同意其他答案。我只想强调，对于像您这样在犹豫不决而继续攻读博士学位或本科学位后从事该行业的人来说，一种常见的方式（至少在美国）是申请博士学位，然后请假（一年或更长时间）如果事情不像预期的那么好，或者只是想探索产业。通常，在本科之后就更容易申请博士学位：您还没有忘记习题补习（GRE）的习惯，打算为您写推荐信的教授仍然对您记忆深刻，等等。

另外，在比较博士学位和行业时，您可能会希望比较有兴趣的数据集的访问权限，计算机集群的可用性，该地点的软件工程技能以及每个项目分配了多少人。

最后，您还可以在该行业中找到很多具有智力挑战性的内容，例如，查看IBM / Google / Microsoft / Nuance / Facebook / etc。研究部门（就像您可以在学术界找到很多在智力上没有挑战性的东西一样）。例如，支持SVM的人们在AT＆T工作，IBM Watson在IBM，Google Translate是最好的机器翻译系统之一，Nuance和Google拥有最高的语音识别系统，而这些离孤立的例子还差得很远。实际上，我一直想知道，行业和学术界中谁对机器学习研究的贡献最大（关于Quora的数据库研究，我曾问过同样的问题：在过去十年中，数据库研究是否主要由行业推动？）。

要获得博士学位，您必须提高人类知识水平。您不仅需要学习更多的知识。您必须制作原创作品。这是一个漫长，缓慢而痛苦的过程，并不是每个人都能成功。因此，只有在您认为自己对该领域有新的，创造性的贡献时，才应该博士学位。

如果您只想学习该领域并申请该领域，请最多学习硕士学位，然后在申请时花费余生学习。读东西。参加偶尔的工作坊。如果在某个时候您感染了做真正新颖的事情的冲动，请（长期）休假，然后再尝试获得博士学位。

当选择/著名的小公司/路线时，您可以自由在公司中建立研究部门。

在这里，您会变得无比烦恼，变得无拘无束……探索您所有的童年幻想，智力挑战性的事物……您设定的步调……您将成为/男人/。

您不必坐在大学实验室即可撰写/ Killer /研究论文。

尽管如此，在此期间，您始终可以与Univ的相关研究部门进行协调。看到...？zweivögelmit eines stein :-)

更高学位的人

好吧，虚荣心要适度地激励我们寻求最好的东西。

祝好运。

b