这是一个好问题,也是很多同学都比较关心的问题,我结合机器学习领域的科研特点来说说个人建议。
首先,机器学习领域的科研对于场景的要求是相对比较高的,即使学习能力很强的同学在脱离场景支撑的情况下,也很难能够持续深入并完成创新成果输出,所以要想在机器学习领域取得成绩并少走弯路,一定要重视学习和实践场景的打造。
机器学习是一个非常庞大的家族,深度学习、强化学习、联邦学习等都属于机器学习范畴,而且不同的细分方向往往有不同的创新目标,比如联邦学习的重点就是解决隐私计算的问题,所以在确定一个方向之后,还需要结合具体方向的特点来整合数据、算力和行业资源。
当前大量的算力和数据资源都掌握在大厂的手中,所以近些年互联网大厂在深度学习领域取得了很多进展,一些强创新成果也出自互联网大厂的研究院,尤其在当前大模型大行其道的背景下,在大厂开展机器学习的研究会有更多的支撑,而且产品落地的前景也更清晰。
当前大厂的研究岗对于学历的要求还是比较高的,基本上都要求至少具有硕士学历,所以读研是大部分同学进入人工智能领域发展的常规选择,也是比较现实的选择。
当前大学的课题组往往也需要跟大厂开展合作才能够拿到更多的资源,所以近几年很多老师都在积极跟大厂开展科研合作,而参加这些跟大厂合作的课题组对于就业的影响也是比较积极的,更容易拿到大厂算法岗的offer。
工科专业大部分都是学习硬技能的专业,人工智能方向更是如此,所以读研期间还是比较辛苦的,如果能够参加到导师的核心组,不仅会少走很多弯路,也会系统锻炼自己的实践能力,从而具备一定的独立科研能力。
目前很多专业都可以培养人工智能方向的研究生,除了计算机大类专业之外,数学、控制、机械等专业也有培养人工智能方向研究生的能力,可以结合自身的实际情况来选择读研的专业,不必一定选择在计算机专业读研。
目前我联合多名导师和互联网大厂的企业导师,共同搭建了一个技术论坛,在持续开展人工智能、大数据、物联网相关的科研实践和成果分享等活动,感兴趣的同学可以
联系我申请参与。
最后,如果有人工智能相关的问题,或者需要我的帮助,欢迎与我交流。