机器学习/深度学习岗位对学历要求是否严格？

有，真正需要机器学习的学历卡的很严

行情不了解，目前我看来是很严格的。。

想都不用想，肯定卡学历的啊

有能力就看你能力，没能力的才看你学历

有本科生，不过比较少，要么是 ICPC 大佬，要么有顶会一作

普本基本可以认为都不行啦。
我也是有意，请问普本本科但是 985，211，国家重点的专业硕士研究生有戏嘛?

观望。。。

卡学历

主要原因我认为是: 机器学习必须的数学基础比如线性代数之后的矩阵论,矩阵分析, 概率论之后的随机过程等, 以及各种优化方法, 几乎都是相关专业的研究生才有的课程, 虽然本科有涉及, 但都很浅显, 不过数学专业本科相对学得较深, 也有专门往机器学习方向培养的本科生. 要是后续自学过关也不是什么问题. 虽然后来很可能都是 api caller, 但是也区分盲目的跟睿智的 api caller

卡，但看你做那个方面，真正有些探索性的卡得非常严，如果是应用型的可能好些。

卡学历 而且就我所知有些公司已经不收算法了

这部分对数学要求很高，不能一蹴而就。

有 卡 我看好多都要博士

数学是一方面，投算法的人实在太多也是一方面，卡学历能够在一定程度上解决这两个问题

目前全是负反馈。
退一步说，如果从事机器学习平台、算法实现、应用实现这些方向在学历要求上是否会有一些放松？

这个命题在于如何看了。。

如果这个事情真的具有很大的未来价值，那么为什么人们要去追求一份相对“稳定”的回报？而不是想办法把这份回报最大化，甚至加点杠杆？

现在所有硕士都在搞这个，所有他们毕业都想投算法岗
光硕士就已经把门槛踩破了，为什么简历要让本科的也过呢？面试也要花成本的呀

就那么几个公司才收，而且才几十号人

水涨船高

@zhongchengyong 还是没什么可能，从招聘信息就知道，实习也要硕士及以上

普通一本调调包就行了，ML 算法跟你没关系

这么说吧，现在计算机研究生就两个方向了：机器学习方向和非机器学习方向，而且前者远大于后者。每年前者会“产出”大量的毕业生，他们会选择对口的工作，而需求就那么一点，而且这两年还是互联网寒冬。如果你是 hr，你会如果快速筛选简历挑选面试者？

不一定卡哦，只要你有很扎实的数学背景，就可以在公司里从事理论研究，或者理论转实践；

如果你是刷题狂魔，kaggle 天池 玩的很溜，那你可以直接在公司里进行产出，即使你对模型只有很浅的了解。

两条路都可以哦~

现在调参都要硕士起步了……

还“退一步讲”，你论文都看不懂你实现个屁算法

“目前工作中有部分工作与深度学习相关” -> 用过几个库
“自学了机器学习 /深度学习领域知识” -> 看过两本书，稀里糊涂背过几个公式，书里的数学推导过程一知半解，微分方程不会解，矩阵运算只会加减乘

美国现在中厂以上的 data science 相关岗位最低学历 PhD，MS 基本就是考工作经验跟本科生竞争了

机器学习重点在数学吧，编程语言本身没什么只是个工具而已，
找数学硕士或者博士可能更靠谱

真不是我说，大家太看得起国内机器学习水平了，98%都是调参侠，什么求导 回归 积分 卷积这些玩意没几个人会，大部分都是 tfboys （ TensorFlow boys，我发明的词），能懂业务然后能根据业务场景定制模型和调参就非常不错了，然后自己能有一定工程化水平就算中上等了，剩下的你有本事老板未必允许你发挥啊！

有相关项目经验可以不卡学历，就是过来能干事那种。
跑模型的的确不怎么缺人，因为大家都停留在特定任务调参。
机器学习平台，懂分布式式训练框架吗？
实现，懂前向加速算法吗？

感觉这行还是需要一定时间沉淀的

关于机器学习平台，算法实现，应用实现这类，如果是工程端的话，要求也很高，但不一定是卡学历，因为 AI 落地在工程端的挑战也很大，我作为转行两年的弱鸡，在机缘巧合下在昨年年底进入步步高系其中一家做推荐中台开发，组里大佬一直都是焦头烂额的状态，从离线特征 到 离线训练 再到 在线 ctr 预估，瓶颈都有，分布式计算，分布式调度，在线高并发高性能服务，都有一堆坑
至于算法侧，目前感觉，对于推荐系统，无论内容推荐还是广告，特征工程的重要性高于调参训练，可以尝试下特征工程方向

弱弱的问一句 jd 是什么意思呀

@luosuosile 有

@tuduweb 职位描述

@tuduweb job description

现在 AI 相关的岗位还比较少，学历要求都蛮高的，看以后的发展吧，以后技术普及了的话应该会好些

不要求学历吧。。。但是要有论文，有开源贡献，有项目经历。。。面试的时候要针对这些东西来问的。。。要不然面试怎么面？

@SlipStupig tfboys 哈哈哈哈哈 pyboys 了解一下

@SlipStupig 优秀

楼上的各位大佬们太残忍，太打击积极性了

上面讲的就没几个对的........ 楼主好好做自己的事就行

严格卡学历（大部分情况下），除非你有其他东西补充。

我自学卡在线性代数和概率学，还想去大学蹭课呢

本质上卡的不是学历，是数学能力和 cs 四大基本功的功底。这些东西，尤其是数学，你没有经过研究生阶段的纯粹学习，真的就是业余和专业的区别，不像什么安卓开发，前端开发那种。

稍微看了下回复，感觉这个帖子下面没几个在国内做过机器学习开发的
国内的机器学习岗位分类为两种：
1.算法工程师，这个岗位偏向于工程，主要是用现有的算法做业务需求，早几年是不卡学历的，今年开始机器学习方向人满为患，所以开始卡硕士学历，目前主要以硕士为主+少量优秀的本科。
2.算法研究员，这个岗位做的是偏理论探索性质的工作，也就是大部分人认为的“算法工程师”，一直都卡学历，而且要求有论文发表等成果，目前主要以博士为主+少量优秀的硕士。

题主说自己是普本，如果没有 ACM 等奖项等工作一般很难进入 1.算法工程师岗位，见过本科做算法工程师的一般是名校 /ACM 竞赛经历 /有相关工作经验的。如果想从事这个方向，建议考研 /留学。
还有就是对这个帖子回帖的人想说的，算法工程师岗位没有你们吹的那么高大上，大部分时间都是在调参 /复现模型，真正卡数学能力的岗位一般都是研究员。

@diggerdu 是啊，就没几个懂得，都道听途说然后凑热闹，根本没有亲自做过相关的工作。

@SlipStupig 这位说的是对的，实际情况就是如此，别瞎吹什么微分方程、随机过程了，不是博士+顶会论文的话你在公司根本没机会用这些。

@janhu9527 这个也要看，不过目前公司需求的常见应用场景是确实没作用，不过大公司还有拿来刷 paper 吧

就最近的面试了解来看，主要分为三种类型：
1. 算法研究员，主要产出核心算法，可以看做是算法的上限，一般是 phd
2. 算法工程师，拆分研究员侧给出的算法，并根据实际的业务进行工程化落地的工作，需要能够理解算法模型，可以看成是是让算法跑起来，并进行工程化的预处理。 一般要研究生和有算法基础的本科
3. 算法优化工程师 ， 主要是针对落地这块，能根据特定实际的业务平台需求，针对不同的平台进行优化。学历不严，但是需要有算法实施和实际业务经验，有相关学科背景会更好

如果是算法工程师,不做研究，三年前企业招的基本很多都是本科。现在学历要求高，但干的也一样，差不多都是应用落地的活，有专业性，但也没那么恐怖。别管上面一帮人危言耸听的

贴一个招聘的例子

@janhu9527 http://www.inspirai.com/careers.html

研究优化算法的正在搞应用工程，迫切想回算法

@chaoyangqunzhong 感觉你这种情况可以考虑内部转岗 或者就是回去读书了 ，有算法优化经验的去搞算法其实蛮容易上手的

@janhu9527 同意

理论是可行的：自己做出一两个项目，主流应用的，然后把里面关键的问题和自己怎么解决的写一下，然后简历里写名校硕士，通过 HR 面试，见到技术负责人，哈哈

卡
公司招聘现在很少有招只会跑 TensorFlow,pytorch，调几个参数的。
那是给学数学，生物的用的
现在都公司自己实现，每个相关方向研究生学历根本不考虑

@fromdark 四大基本功是指 408 的四门课?

现在需要的是工程能力，比如面试直接让手推 BP 或者 LSTM 这种，推完才问项目

国内的要求知识硕士，美帝那边基本上是 PhD 起步。FYI

我发现大家把对机器学习讨论有一种“小马过河”的感觉，来聊一下关于 AI 目前我了解的情况跟大家分享一下（本人小学学历，在不知名小厂做 NLP 方向，各位说的名校 phd 格格不入，所以大家不要盲目相信我说的话），目前 AI 工作主要有两类：

1. 工程类
主要是要提高公司在业务方面产出（推荐系统、各种识别系统等等，基本上公司业务已经有很大体量了），公司会相对比较保守，会用比较成熟的框架和算法，主要偏向于业务提升指标（以淘宝双十一为例，当年我们在购物车下面加入了--”你可能喜欢的商品“，给双十一输送了 2%的 GMV ），性能指标、还有开发效率，老板并不关心你用了算法，只关心你给他带来了多少利润

2. 学术 /研究类

学术类和研究类还要分在企业研究还是在高校，企业做研究基本上都是市面上有了理论但是并不成熟更没有落地的应用，然后把这些转成可落地的产品，这种情况需要强大数学功底和相关的专业背景（一般最少得 985 硕士以上学历，更重要的是智商和平台，实在太烧钱了），高校主要是做理论论证，理论改进和新领域挖掘（只需要证明有一定可能性就行），这种基本上都是博士在做


_______

关于工程化机器学习，大家基本上没有一个流程总结，我来给大家献丑，总结一下：


------------ ----------- 根据特征数据选择模型 _____________ 模型评估 ________ +++++++
|样本收集 | ---> |特征工程 | --------------------------> | 多模型模型训练 | -------------> |调参环节| ---> |模型融合|
------------ ----------- ------------------- ----------- +++++++


通过这些流程后最终转化成工程化代码，然后上线，不停的回测数据去优化模型，其实在这个里面最重要不是算法，而是数据和特征工程, 说这么多还是希望大家对自己喜欢的事不要犹豫，Just do it ！

nlp 小厂，最近也面试了不少人，ai 这块主要分 2 种，上面也有人科普过了，rd 岗的话基本是博士了，工程师的话偏工程一些。组里基本都是工程师，硕士居多，目前有 3 个本科生，学历也不是很高，不过水平确实不错。个人感觉，本科不是说不能搞 ml，但要求会高一些。毕竟像楼上说的，工程师的主要工作在数据和特征，有些特征需要看 paper 复现，这就需要具备一定的数学能力了。另外也想吐槽一下，ai 这块内卷的太严重了，水平不错又本身想做这块的太少，比如一个手推 lr 就能过掉 90%的候选人了，所以楼主如果确实想做但又担心学历的话，我觉得是没问题的，只要水平够本科搞 ml 绝对没有问题

手推逻辑回归我也不见得能搞出来的，这整体风格又回到 10 年前了，何必要借着 AI 为难大家呢

商汤硕士起步，博士比硕士多，这公司一年的论文够几十个博士毕业