写点什么

非科班出身,25 岁开始学 AI,晚吗?

  • 2019-09-01
  • 本文字数:3545 字

    阅读完需:约 12 分钟

非科班出身,25岁开始学AI,晚吗?

近日,Reddit 论坛的 AI 板块上,有一位年轻人发帖提问:如何才能实现我成为AI工程师的理想?


由于家庭的原因,他没能完成自己的大学学业,按照他的个人描述,目前他似乎正在从事着服务行业相关的工作,但是他心中对于成为 AI 工程师的一团火一直没有熄灭,所以他来到论坛求助,希望能够得到专业人士的建议。


他的问题得到了不少 AI 从业者的关注,大家纷纷献计献策鼓励他继续走下去,InfoQ 对这些回答进行了筛选与整理,如果你也有同样的梦想,不如看看这篇文章,或许能够给你一些启发。

提问者言:我有一个梦想

如标题所言,我有一个梦想。我一直以来就希望投身人工智能领域,但由于家庭原因,我没能拥有自己的学术生涯。现在我 25 岁了,我厌倦了服务行业工作,这样的工作让我毫无成就感——除了看书和翻翻博客之外,我没有任何有意义的事可做。


最近,我辞掉了工作,开始专心学习。


我目前面对着两条有望指引自己通向梦想彼岸的道路:


1) 考进大学,攻读博士学位


很直接,但也非常困难。我需要参加入学考试,必须面对自己几乎为零的知识基础,也得不到任何有意义的支持。另外,就算是考进了大学,我的生活也有问题,而且可能再面对十年以上的贫困生活。虽然我并不介意贫困的生活,但我希望了解是否还有更多更好的选择。


2) 自学编程以及其它相关技术(数学等等),并尝试在行业内寻找工作


任何工作都可以,包括软件工程师或者开发者职位。真的,只要跟 AI 有一点关联的都行。在获得工作之后我会继续学习,并利用一切机会克服种种障碍。通过博客、社区活动以及交互等方式为问题提供创造性的解决方案。这基本上就是通过实际表现为自己树立名声,并努力借此争取研究职位。这个选项更好,我能赚到钱、能积累到实践经验、能够立刻激发自己的兴趣点,而且不至于为其它事情所分神。只是,我也不知道这样是否可行。


现在我的问题是:


a.) 第二条道路可行吗?(没有博士学位的我真的有机会获得研究岗位吗?)


b.) 还有其它选择吗?


c.) 你们会推荐哪些道路?为什么?


感谢大家抽出宝贵时间阅读本文。感谢你们给出的任何答案与指导。


补充:可能我说得不够清楚。在第 1 种选项当中,我需要参加入学考试,基本就是高中水平的考试,主要科目包括数学、物理和化学。我承担不起预备课程(太贵了),所以我打算花一年左右的时间自学并为这些内容做好准备。在这段时间里,我恐怕没办法把精力放在工作或者其它技能的培养上。至少我觉得可能性不大。

回答者说:什么时候开始都不算晚

回复 1:


我对机器学习学术领域并不熟悉,这里只想跟你谈谈第 1 个选项。这确实可行,因为你拥有工作经验,这意味着即使同样进行大学学习,你在动机、时间管理、现实目标、软技能等方面都高于 95%的普通大学生。25 岁还不晚,上大学还完全来得及


回复 2:


读博士这目标定得有点太远了,不妨一步步走起。先定一个比较可行的目标,并在明年之内步入正轨。你之前提到的那种孤注一掷的方式既没必要,也有点不切实际。


你肯定也清楚,不是每个人都适合成为开发人员或者在 IT 部门工作,不然怎么会有那么多人在工作几年之后彻底离开这个行业呢。万一,你也属于这样的情况,该怎么办?


我认为首要任务应该是了解情况,确定你真的很喜欢也很适合从事这方面工作。


那种技术训练营的短期培训课程是进军科技行业的最快方式,但局限性也很强。突击培训出来的人员,很难在求职当中与具备传统教育背景的求职者竞争。


先拿下计算机科学学位吧,很多学校现在也提供数据科学相关专业。


可能有些人会反对我的意见,但是在本科毕业之后,你可以至少先花一年感受一下行业里的工作氛围。真正的工作与学术研究完全不同,这段经历会帮助你获得所学习内容的使用背景,并教会你很多无法在学校里掌握的实践技能(包括版本控制、开发环境、CI/CD、生产部署、云托管、办公室政治以及软技能等等)。


接下来,你就可以更有信心地决定自己是不是要继续进修了。确定之后,你可以考取硕士学位,而且在具体的专业和导师选择方面,你一定会更了解自己的学习方向和未来职业规划。


整个过程大概需要 4 年到 8 年。到那时,你在数据行业中的定位将得到显著改善。其实你不需要读完博士,也能顺利进入企业工作。在工作一段时间后,你可以更肯定自己对现有工作满不满意,以及有没有必要继续攻读博士。(抱歉我可能给你泼了点冷水,但大多数人会发现自己没有必要读博。)


这是一条更加现实的道路,远比“我打算花十年时间攻读博士,然后从事机器学习行业”靠谱得多。


回复 3:


就算选第 1 种方案,你也不一定要忍受长达十年的贫困生活。如果你没有夸大自己的情况,那么你完全可以在入学时申请奖学金;只要努力学习并且取得理想的成绩,你就可以继续申请足以支持自己学业和生活的奖学金。特别是在研究生阶段,奖学金的选择就更丰富了。一旦掌握了一定程度的知识,你也可以选择带薪实习以及兼职工作。


第 2 种选项也是可行的,但从职业角度来看难度更大。**没有学历证明,你的职业选择可能受到严重限制——这就是酷的现实。**如果你希望进入研究领域,这方面限制因素会变得更多,你可能最终还是得回归校园,或者采取兼职以及在线学习等方式才能践行自己的终极梦想。这是一条既需要技能、又需要运气的复杂道路,而结果永远充满不确定性。


如果是我,我会先申请奖学金。如果申请成功,那我认为第 1 种选项最简单。如果运气不好,那么你就要对自己的财务状况进行评估,并确定到底要选第 1 种还是第 2 种选项。


总之,咱们的目标是找到一个能让自己并行完成工作与学业的角色,这是种权衡——工作的收入不能太差,但也不能太好,因为过于优渥的生活会让你失去奋斗的动力。同样的情况在研究领域也是一样,收入既要够支撑你的开销,又不能严重影响你的判断。继续沿着这两条道路并行走下去,直到某一条路上出现正确的机遇。即使机遇没能出现,你在几年之后也将积累下丰富的工作经验与教育背景,这将使你成为一名极具竞争力的求职者。


回复 4:


虽然我非常认同自学这种方法,也相信这会是未来的主要学习途径——特别是考虑到互联网上已经出现大量优质的内容,但面对你的问题,我认为第 1 种选项更好。具体原因如下:


  1. 企业非常关心教育背景,特别是在 ML/AI 领域。他们对学历的要求非常高,所以除非你能够拿出极具吸引力的出色项目,否则很难与其他教育背景良好的求职者竞争。企业关注的可不是那些小型个人项目,而是专业环境下的大规模项目。根据我的个人经验,第一份入门工作真的非常难找。

  2. 就我所知,像 Triplebyte 这类企业仍然不设 AI/ML 门槛。测试实际上是最友好的考查方式,有些企业在求职者完成测试之前甚至不会询问教育背景——毕竟能力才是最重要的,正规教育背景只是个参考。这显然更适合你。

  3. AI/ML 个人项目通常需要利用昂贵的硬件训练模型,处理大量数据同样需要付出可观的成本。

  4.  

  5. 4)正如其他朋友所言,在学校里你才能拥有足够的时间深入而透彻地开展研究,特别是在硕士与博士学习期间。你可以获得奖学金与助学金,甚至能够根据需要申请一些助学贷款。你未来的工资可能会高到足以轻松还款。另外,我觉得计算机科学专业在你博士期间提供的津贴,也要高于平均水平。

  6.  

  7. 这只是我的个人观点,也许有说得不准确的地方,仅供参考。

  8.  

  9. 回复 5:

  10.  

  11. 你好!我是斯坦福大学的 AI 博士,以下我的一些观点:

  12.  

  13. a) 第 2 个选项是没有问题的,你可以参考这条推文和回复:https://twitter.com/chipro/status/1154260773062889473

  14.  

  15. 你只需要获得硕士学位就可以继续做学术研究,或者是直接在企业中获得在职进修支持(谷歌、微软、Facebook 等很多行业实验室都提供这类选项)。但正如以上推文所提到,这对你的自学能力以及技能组合要求非常高。

  16.  

  17. b) 考取硕士学位(无论是名校还是普通高校)都是个不错的选择!你可以参考以下链接获取与学业相关的细节信息:

  18.  

  19. http://www.omscs.gatech.edu/

  20.  

  21. https://datascience.berkeley.edu/

  22.  

  23. 这些你在兼职工作的时候就能看,不用怕。虽然这些内容跟博士入学考试一样,但其实并没什么大不了——你不需要像真的高考那样掌握物理或者化学知识。这里我推荐 Magoosh,可以说是备考的最佳选择了: https://gre.magoosh.com/

  24.  

  25. c) 我个人更推荐第 2 个选项。因为如果没有任何实践经验,你可能根本无法正确地判断自己要学些什么(你的想法与实际情况可能存在着巨大的差别)。因此,你最好是先积累一些经验,对目标学科建立起结构化的认知,然后再尝试攻读博士学位。在此之后,你可以进一步考虑自己想做的是 ML 工程师、面向 AI 的企业软件开发人员、研究员还是别的什么。我是通过自己的硕士阶段逐步解决这些问题的,也建议大家试一试。最后,博士学位更多来自推荐信和你发表的论文,入学考试成绩反倒不那么重要。所以你最好是先从硕士读起,后面的事情都将水到渠成。


2019-09-01 08:003915

评论

发布
暂无评论
发现更多内容

Flink 简述

木南曌

flink 实时计算

SD-WAN解决企业在工业互联网时代的新困境

Ogcloud

SD-WAN 企业网络 SD-WAN组网 SD-WAN服务商 SDWAN

全栈开发与自动化测试高薪私教班,带你从0到1拿到高薪Offer

霍格沃兹测试开发学社

解锁区块链游戏数据解决方案

Footprint Analytics

链游

SD-WAN怎样提高网络管理的效率?

Ogcloud

SD-WAN 企业网络 SD-WAN组网 SD-WAN服务商 SDWAN

百度智能云加速「低代码+大模型」融合,爱速搭位居 2023 年 IDC 低代码/无代码领导者象限

Baidu AICLOUD

低代码平台 大模型 爱速搭 AIGC 企业级开发

Kyligence 亮相 Gartner 数据与分析峰会,生成式 AI 落地赋能业务

Kyligence

聚道云连接器助力航信费控与用友U8无缝对接,赋能供应链管理

聚道云软件连接器

案例分享

结合微帧编码引擎,从视频编解码角度对Sora浅析

微帧Visionular

在专业iPaaS厂商与大型软件企业间如何选择

RestCloud

解决方案 数据集成 ipaas

为什么投递的简历无响应?

王磊

Java 面试

一文详解前端发展趋势

不在线第一只蜗牛

前端 前端开发 前端框架

新经济时代企业财务管理系统的新需求解读

智达方通

业财融合 财务管理 企业财务预算管理

PlayBook 详解

不在线第一只蜗牛

Linux 网络 服务器

赛博威获颁“华南区数字营销优秀案例”奖及“广东省名优高新技术产品”证书,领先的数字营销能力获双重认可!

赛博威科技

SpaceX 星舰发射「成功一半」;首位具身 AI 机器人面世丨 RTE 开发者日报 Vol.166

声网

科技创新引领零售商品部降本增效的未来

第七在线

Python中的机器翻译技术与应用

技术冰糖葫芦

API API 接口

5G与SD-WAN的结合为企业网络注入新活力

Ogcloud

SD-WAN 企业网络 SD-WAN组网 SD-WAN服务商 SDWAN

2024 年 2 月公链行业研报

Footprint Analytics

比特币 公链 defi Layer 2

全栈开发与自动化测试高薪私教班,带你从0到1拿到高薪Offer

测吧(北京)科技有限公司

测试

区块链项目包装攻略,区块链项目包装运营

区块链软件开发推广运营

dapp开发 区块链开发 链游开发 NFT开发 公链开发

非科班出身,25岁开始学AI,晚吗?_AI&大模型_Reddit_InfoQ精选文章