QCon北京「鸿蒙专场」火热来袭!即刻报名,与创新同行~ 了解详情
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 08:003823

评论

发布
暂无评论
发现更多内容

极限科技旗下软件产品 INFINI Easysearch 通过统信 UOS 认证

极限实验室

搜索引擎 UOS 统信 国产化替代 easysearch

JAVA实现一个工作流引擎

小小怪下士

Java 程序员 工作流

基于51单片机的智能营养秤系统设计与实现

DS小龙哥

6 月 优质更文活动

SpringWeb服务构建轻量级Web技术体系:SpringGraphQL

互联网架构师小马

C语言编程语法—结构

芯动大师

C语言 语法 6 月 优质更文活动

2023-06-17:说一说redis中渐进式rehash?

福大大架构师每日一题

redis 福大大架构师每日一题

详谈数据中心网络中的四种不同类型的虚拟化技术:VXLAN、NVGRE、STT和SPBM

wljslmz

6 月 优质更文活动

WMS 实物库存系统设计

红袖添香

系统设计 系统架构 供应链物流 WMS仓库管理 库存系统

PoseiSwap IDO 即将开启,一览 $POSE 经济模型

BlockChain先知

在Linux中,如何列出和删除 Iptables 防火墙规则?

wljslmz

6 月 优质更文活动

2023中国高校计算机大赛 — 大数据挑战赛:论文学科分类(清华大学主办)

汀丶人工智能

人工智能 自然语言处理 深度学习 文本分类 6 月 优质更文活动

为什么中国一有创新,就被说套壳?

脑极体

套壳

PoseiSwap IDO 即将开启,一览 $POSE 经济模型

西柚子

PoseiSwap IDO 即将开启,一览 $POSE 经济模型

鳄鱼视界

【Nest系列】1.初识 NestJS 和 Hello, World

昆吾kw

Node Nest.js

SpringWeb服务应用响应式Web开发组件:响应式编程和SpringBoot

互联网架构师小马

理论实战源码齐飞!架构师社区疯传的SpringSecurity进阶小册真香

程序员小毕

Java 程序员 架构师 springboot springsecurity

关于未来LLM AI应用的思考,以及从0到1实现LLM资料分析。

Marvin Ma

ChatGPT LLM 企业级应用思考

平凯星辰重磅支持 2023 开放原子全球开源峰会,开源数据库分论坛成功召开

PingCAP

数据库 开源 TiDB

PoseiSwap IDO 即将开启,一览 $POSE 经济模型

股市老人

SpringWeb服务构建轻量级Web技术体系:SpringHATEOAS

互联网架构师小马

绿了,又绿了,现在程序员行情已经好转了吗?华为都不刷人了!

互联网架构师小马

Java java面试 Java八股文 Java面试题 Java面试八股文

全国大数据与计算智能挑战赛:面向低资源的命名实体识别基线方案,排名13/64

汀丶人工智能

人工智能 自然语言处理 关系抽取 命名实体识别 6 月 优质更文活动

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