机器学习毕业生开始发愁找工作了！毕业生和企业，究竟谁更挑剔？

机器学习和AI专业现在越来越火，不少人宁可中途转行，甚至改行也要学AI，为的是更好的就业机会。越来越多的大学也在招收更多的机器学习相关的学生。在欣喜之余，很多人也产生了对这个专业可能出现泡沫的忧虑。

近日Reddit上出现了这么一个帖子，“听说不错的机器学习毕业生要找工作也不容易了，真的吗？”看样子像是一个学生对自己未来前景的担忧。

他表示：现在的大学培养的机器学习专业的毕业生越来越多了，但是工作岗位数量的增长速度跟不上，不少AI用户倾向于招募真正的天才大师团队，这种团队的成员往往都有好几个博士学位，而不再愿意找一些“还不错”的机器学习毕业生。真的假的？

是只有顶级科技企业这么挑剔，还是公司现在都这样？还有公司愿意招“说得过去”的机器学习新人吗？

看来毕业生为工作焦虑是个世界性问题，哪怕是收入不菲的机器学习专业也是如此。不过，既然这个帖子发在了Reddit的机器学习板块，自然少不了来自各路业内人士的建议和劝慰。

总体看来，回帖内容大体突出一个意思：不用担心，工作还是好找的，至于是不是“好工作”，主要取决于你自己的期望值。

网友支招：别担心，只要放低点期望，找工作不成问题

获赞数最高的来自网友pipsqueak_in_hoodie的回答，他表示，如果把期望值放低一些，offer几乎随时可拿，就看你自己愿不愿意了：

如果你愿意降低一点期望，那么几乎现在就可以立即拿到offer。我那会儿还没毕业时，就经常能在垃圾邮件里翻出企业用招聘机器学习工程师的大量邮件。不过这些邮件主要都是一些“可疑”的初创公司发来的，不过我还是发现了一点点别的东西，比如研究类职位，这类职位要求你不能仅仅会目前的研究方法，所以研究类职位的offer更难获得。当然也不是难到没边，就是相对而言更困难了。

过去这一年来水涨船高确是事实，应该适当降低期望值。

楼上说的没错！工作绝对是有的，只是可能并非你梦寐以求的工作而已。

我想补充一点，你这个说法在2018年是正确的，当时对机器学习毕业生的需求量非常大，尤其是在研究领域；但那之后，机器学习毕业生人数正以惊人的速度增长。所以，降低期望值是我能给的最好建议。

网友mnky9800n认为，现在AI泡沫不少，加入创业公司还是应该慎重，很多就是糊弄投资人的：

我知道有家创业公司，很明显是一群来自当地大学的硕士生办的，他们知道什么是神经网络；他们一直在求我申请，我一直都在拒绝。我认为最糟糕的是，人们在不明状况的情况下给这些创业公司投资。他们声称能利用“三维数据体”来寻找油气田。我猜他们就是建了个卷积层和两个隐藏层而已，大忽悠。

hydrodynamical_flow则认为，顶级科技企业的岗位确实比过去难找了。不过大可不必只盯着那些岗位。

首先，如果你是另一个仅仅是因为想在Facebook、Amazon、Google工作而攻读博士学位的人，那么你说的没错，纯商业人工智能研究的工作岗位数量正在下降。如果我没记错的话，FAIR已经不再直接招聘，Google Brain也是如此。
如果你读博是因为对所研究的课题感兴趣，那就不必担心了。有很多“应用性”人工智能的岗位，这种情况下，你应该从事专有工作而不是纯粹的研究工作。
再说了，并不是说除了谷歌、Facebook和Deepmind这种名企，其他的工作就不叫工作了。我个人更喜欢Adobe Research或Disney Research。一般来说，优秀的机器学习博士在找工作时不会有什么困难。
我知道有几个物理学毕业生在他们的特定领域做过机器学习方面的研究，最后在机器学习/计算机视觉领域找到了不错的产业界工作（其中一个甚至在对冲基金工作，他挣到的钱比在谷歌还要多）。

flexi_b表示，过去几年各大企业花钱招了大量的机器学习博士，现在是要赚钱的时候了。

我猜是因为企业已经花钱雇佣了大量的博士，现在是时候从这项投资中获利了。我在最近的会议上与不同的招聘人员交谈过，他们明确告诉我，研究型科学家的门槛很高，而应用型工程师的门槛较低；FAIR也还在招聘。

更有Google Brain员工来亲自招募：

如果对Google“机器学习研究科学家”这个职位感兴趣，可以在此申请：

https://careers.google.com/jobs/results/112893191134290630/

https://careers.google.com/jobs/results/105249386297991878-research-scientist-google-ai/
对了，我在谷歌大脑研究团队工作。

最后这位看来是名企员工，他给出了三点意见：招人热潮已经结束，应用相对成熟，自学成才的高人越来越多。

1、招聘博士的热潮已经结束，这些博士的研究成果还没投入商业化。虽然你可以说这是公司的错，但这些博士是研究人员，而不是产品型工程师，这并不是任何人的错。很多博士研究人员要么转向更注重产品的角色，要么就要丢掉工作。

2、机器学习应用程序已经相对成熟：现在ImageNet，每年的提升幅度都在下降，ResNet 50、VGG、Inception V3可以在90%的企业需要应用中正常工作。

3、越来越多的人通过自学成才：我已经数不清遇到过多少学习过机器学习的应聘者了，很多人都才华横溢。

如果连机器学习的毕业生都开始担心就业了，别的专业怎么办？欢迎小伙伴们谈谈自己的看法。

*内容及图片来源于网络，侵权请联系小编。