对于研一新生来讲, 算法还是开发比较有前途呢?

ml 的职位有限，还是看个人喜好和能力吧。算法不是人人都能搞的，数学底子不够，只会用 API 的，还不如好好写代码

@karllynn 然而现在大部分学术工作都是各种数据套模型, 实际用到数学很少

@charlieJ 数学能力不是说一定要去算数学公式吧，更多的是用数学思维考虑深层次的算法问题，仅仅是调参调包就不会有那么高薪的待遇了

@CopenhagenCat 市场而已

中间件这个对性能要求一般比较高吧，算法不行能搞嘛？

@charlieJ 这是你的误解。前沿深度学习方法已经到了你不会数学就看不懂模型的程度了。传统可以无脑 call API 的模型最近几年可供 research project 应用的空间已经逐步减少了。

例如，四类深度生成模型的一些新进展：

https://arxiv.org/abs/1901.08508
https://arxiv.org/abs/1810.00597
https://arxiv.org/abs/1807.03039
https://arxiv.org/abs/1701.05517

啥，你问我这些新模型有啥用？自己查论文去，看看新模型在各种 application 上的作用。

但是实际上... 这些模型在大多数公司，都不会上。我在干这一行，charlieJ 说的没错。核心在于解决业务问题的能力和思维。如果他们有把握拿 offer，ML 还是不错的选择。

无脑选钱多的就行了

算法吧，开发快烂大街了

@ipwx 确实是,然而各大顶会动辄上千篇文章, 这种文章应该还算是少数, 学术界从功利的角度讲大部分不会去做这种 hard-core 工作, 因此能锻炼到的学生还是少数

另外想请教一下生成模型在工业界的应用, 确实不太了解这方面, 我对 ml 落地的理解还限于广告推荐或者翻译,cv 等场景

算法需求还是太少了，能发两篇文章估计才稳

@lhx2008 对,现在顶会都快成标配了,甚至有些 ccf a 大公司都不认是顶会

为什么现在扯到算法就是 ml ？
CV，NLP 这些都可以考虑一下

工作数学用的少。
面试用的多啊！数学不好千万别选 ml dl

@tiedan 哈哈~钱多钱少都是因人而异的, 对普通人来讲可能还是历史的进程比较重要

建议 数据+后端 生命力比较持久

@charlieJ 比如异常检测。

ml 吧，起点高，推荐搞 CV 方向工作多点，搬砖没啥意思，还是炼丹好玩

看学校

这俩并不完全对立

- -
楼主是不是忽略了 OS 层面的开发 offer。
指的是：不做这方向有人敢投吗？

曾经我也是这么纠结过，其实普通人研究生层面做的都是开发的工作，所以还是好好提高自己解决问题利用计算机工具的能力，无所谓服务端和 ML，各有所长。ps，我和楼主一样更偏向系统研发一些，既然有自己的偏向没有必要跟风。pps，当然如果楼主有继续读博的想法，系统研发显然有些狭窄。

搞分布式我觉得挺好

这两天又开始一堆看空 AI 的了，自己也感觉可能确实过热了，鱼龙混杂。

所以不管选哪个，基础的编程能力都得练好，共勉。我也算研一，经常和你有一样的担心。最后个人感觉是先全力出论文吧；同时开发能力也不能差，辛苦 3 年，保证毕业了如果 CV 垮了也能写后台去。

首先看学校，双 985，实验室牛逼有机会发顶会可以考虑。不然老老实实开发，身边血的教训。

@rayhy 我都毕业了哈~是学弟学妹问

@ipwx 哈哈,我研一时候也搞过异常检测,那时候还是各种规则+特征工程呢

@hhyvs111 为啥这么说

@charlieJ 那块分享下您的感受吧！惶恐 ing

@scriptertang147 算法坑少人多，不是牛逼的基本上简历都过不了

@hhyvs111
等大多数人都去做的时候，此时就不应该选择了

@charlieJ 即便不用，大厂的面试一定会问的……甚至是推导式

@pengfeidip6 I can't agree more ! 我目前就是往后端+大数据发展的

@hhyvs111 只恨我知道迟了...自以为进了个有钱途的领域。哪知，是有钱途，但是和自己这种没论文的小实验室出来的完全没有关系。