来自 | 知乎
链接 | https://www.zhihu.com/question/406974583
编辑 | 深度学习这件小事
18年是否值得进入，19年供大于求，20年一片红海诸神黄昏。
去年都诸神黄昏了，今年换个词——“灰飞烟灭”。
21届找算法相关工作的同学不妨进来谈谈感想。
高质量回答
https://www.zhihu.com/question/406974583/answer/1341908112
著作权归作者所有。
我目前在tmd中一家的业务线上担任图像算法工程师，由于团队成立不久，我平时工作中承接了大量的面试。从6月起，我们就开始了提前批的校招，每周进行一次统一面试。每次业务线笔试大概通过60个简历，其中有近40个投向了算法岗位。我们计算机视觉岗位在上一轮提前批面试中居然收到了28份简历，而我们整个校招的hc只有2-3个。目前我们的offer已经发放完毕，实际录用比大概是1:30，后续校招我们部门的计算机视觉算法岗位将要停止招聘了，不得不说很多优秀的人因为简历投递晚了失去了机会。
我们面试下来的总体感受是，简历非常多，但是我们想要的非常少。我们现在不需要调参侠，我们需要的是有扎实计算机基础的工程师。由于简历过多，我们将一轮面试调整为计算机通用基础面试。我们希望候选人的计算机基础扎实，编程语言，操作系统，数据结构，计算机网络这些基础不能差。但是相比于开发岗位而言，我们的要求其实大大低于开发岗位。在二面的时候，我们更关注于计算机视觉的落地经历，对于论文其实没什么要求。总体看下来，一面的通过率极低，很多人连栈和堆都不知道，这样的计算机基础根本过不了一面。在二面的时候，我们关注候选人的项目经历。很多候选人就读了两篇论文，跑了几个比赛，这些经历在这么多简历中显得非常普通，在一众候选人中也没什么亮点。我们需要的人是有一定工程能力，有实际的落地经历的，但是大多数人不具备基本的工程能力。
那我们需要什么人呢，我以我们的实习生为例，看看我们希望的候选人是什么样子的。
我们在4月中旬招收了一名实习生，他之前在学校主要做目标检测，我们招收的时候觉得他基础不错。从入职到转正答辩，大概经过了两个半月。我们看看这两个半月他做了什么。刚刚入职，我们商量了一下，确定了要做算法A。实习生在两周以内，对比了各种主流方法，确定使用一种简单的基于深度学习模型，理论上能够在CPU实时。随后1个月时间，实习生使用PyTorch复现了论文，并使用两种方法改进了该模型在实际场景中的缺点。在大概1个半月的时候，实习生认为，算法效果已经达到预期，我们验收发现，已经满足预期要求。在后面一周时间里面，实习生使用C++在我们的代码中加入了该模型的工程实现，但是原始的实现不能满足实时要求。实习生花了一周时间，加入了多线程，速度大大提高，但是只能达到准实时。后来实习生认为，该算法的部分模块和resize有相似之处，于是花费几天阅读了OpenCV的实现，认为通过定点化和SIMD能够改善速度。后续实习生又改进方法，提高cache命中率，使得速度能够在i5上达到50fps。这些工作能在两个半月实现，大大出乎我们的意料，答辩毫无悬念通过。
我们想要的cv工程师是什么样子的，从上面这个例子可以看到一角。训练模型，部署模型，算法优化，这些都是我们的工作，不给自己设限、追求极致是我们对工程师的要求。我们需要的是解决实际问题的能力，计算机视觉相关的算法和工程都是我们解决问题需要的技能，只有足够的基础才能在遇到问题时候给出足够好的解决方案。
对于CV岗位，我的态度是劝退。今年我们组的开发岗位hc很多，简历非常少，很容易就能拿到岗位。客户端开发更是难求，现在招聘已经不要求客户端开发经历了，只要编程基础扎实就好。对于大多数cv方向的同学，我建议换个方向，比如音视频开发的岗位可以考虑，算法方向音频相关算法也值得考虑。
https://www.zhihu.com/question/406974583/answer/1343760618
著作权归作者所有。
说点实在的，就我们这边NLP的算法工程师来说，有以下技能需要实实在在得掌握：
1、正则表达式。对，你没看错，就是正则表达式。除了简单的文本匹配场景外，各种文档结构化、信息抽取的冷启动，基本都是靠这个。因为在实际业务下，你不可能一上来就能获取高质量的标注数据，更别说上各种sota模型训练了，所以你可能要掌握各种正则骚操作，比如XX前面不存在XX字符且后面存在XX字符，或者XX字符出现几次且后面必须出现XX字符的场景。其实我一直想做一个根据人类语言自动提供正则表达式推荐的模型，调研了一阵子发现难度很大，从另一个角度也说明要写好正则表达式也非常难的。
2、常用句法分析工具。这个一般主要会在关键短语抽取、信息抽取里使用。由于缺少标注数据，不能使用sota模型，又因为单独使用正则毕竟不能cover各种case，因此有时候需要与句法分析工具结合，配合对简单语法的使用，例如主谓结构，动宾结构，补语结构等等，找出我们所需的信息单元。不过从头训练一个句法工具通常来不及满足业务方的上线期限，因此通常会使用一些已有工具如哈工大的LTP，虽然有些问题，但是大多数情况下够用。
3、性能优化的意识。这里并不特指某个性能优化的方法，而是在日常写代码的时候，要有这个意识，例如如何优化循环的效率、能够并行化操作的地方尽量并行化，模型读取数据的时候如何优化读取的效率，模型部署上线inference的时候是否满足业务的性能要求，如果不满足，能够找到性能优化的位置，例如模型设计的时候是否设计了冗余的层数、是否使用了过于复杂的模型，部署的时候是否使用一些高效的部署方式（例如tensorflow-serving）、是否可以使用tensorRT优化部分op，是否可以针对部署平台上的硬件环境重新编译tensorflow等等。这些都需要在实际的工程中自己一个个趟坑趟出来。
4、linux。这个技能也是刚需的，但是并不需要你对linux的操作精通到什么程度，但至少你得懂常用的操作命令吧，例如监控服务器的状态、防火墙策略的配置、docker的简单操作、常用数据库的操作（mysql、postgresql等）、压缩解压包命令、ftp/sftp命令、chmod命令、vi、cat、ps等等，具体就不详细说了。
除了上述技能外，我默认大家对NLP领域的技术都是符合条件的，所以就没额外说明。如果你对基础的统计机器学习、RNN、transformer、bert等不太了解的话，那实在是说不过去了。
上述技能针对的是需要落地需求的算法工程，但如果你是专门做算法研究，对落地没有要求的，那就可以忽略上面的东西，此时你需要的就是拼论文、拼比赛、拼研究组、拼导师、拼学长学姐。。。
最后说一下这个内卷问题，其实我在知乎上说非技术的事情很少，一方面是我在这块向来思考不多，怕说多了被人喷，另一方面我这个人也比较佛系，不太会去跟别人争来争去。这次也只是想陈述一下自己的观点，如果觉得有道理，可以试用试用，如果觉得没道理，大可以无视之。
首先，内卷这个问题是客观存在的。作为一个17年计算机专业但是非科班半路转行的人，我承认自己占了一定的早期红利，如果把我放到现在，估计我也是那批被卷成人干的人。即使是刚入行的几个月，我也会经常焦虑，焦虑自己会不会被其他有顶会、有比赛的大佬淘汰掉，看到其他北上广大厂的大佬的薪资，焦虑自己会被困在南京这个行业环境不太好的地方，甚至还会焦虑自己35岁是不是就下岗了。后来我慢慢跟自己和解了，接受了自己的能力所限，毕竟有人第一的话，总有人是最后一名吧，但是这个最后一名并不代表你是不好的，只是人家比你更好而已。
今年疫情原因加上行业内岗位日趋饱和，好工作确实难找，但这并不是我们的错，我们也没办法改变当前这个状况，我们能做的是好的岗位该争取就争取，但是面试过不了或者连面试机会都拿不到的时候也别过分在意，找工作的时候虽然要注意一些坑，但是最好不要考虑太多因素，遇到合适的就去吧。工作的时候，努力在自己力所能及的范围内将事情做到极致，该争取时候的争取，争取不到也无需过度在意，玩把游戏，弹弹琴就过去了。
https://www.zhihu.com/question/406974583/answer/1341906980
著作权归作者所有。
本人就是18年算法岗人数暴增读的研究生，那个时候懂点CNN，RNN啥的，熟悉几个网络结构，再有个一般的论文，竞赛参与几个，注意是“参与”，也不一定非要有名次，校招都能拿个好offer。实验室的师兄也都是个个工资20k。
当时的自己是本科毕业工作了一年，觉得天天做开发，写需求没啥意思。那时候人工智能、机器学习什么的也是铺天盖地的宣传，人人都以为这是未来的趋势，机器能取代人了，网上到处都是担心自己工作会不会被人工智能取代的帖子。很不幸，我也是其中的一个。
现在看来，研究生学算法可以说是赶着顶点买入的 “股票”。
深度学习或者机器学习都是很早就有了的东西，并不是近几年的创新出来的。只不过由于计算机算力的提升，使得老东西焕发了一下第二春。但是本质上却没有任何区别，直到现在深度学习的可解释性也是个业界难题。大家根本不能解释模型到底做了什么。
深度学习所依赖的更多的是大量的数据，以及对数据的预处理。模型的微小差异造成的对结果的影响，反倒在大量的数据面前显得微不足道，你是98.5%，我是98.7%，拿到现实场景中根本体现不出来。说白了，“人工智能” 全靠 “人工”。
自从16年GAN(生成对抗网络)提出以来，再没有看到什么具有真正创新意义上的模型。大家都是在原有模型基础上，改点这个，改点那个。把这篇论文的东西拿来结合一下，再把那篇论文的东西拿来结合一下。好了，整点拗口的名次，新概念包装一下，然后出现了一篇CVPR。这都不是我瞎说。亲眼看到一篇CVPR，改装了一下条件生成对抗网络，再包装了一下，结构图画的好看点，就出来了。在理论上根本没有任何创新，甚至模型上的创新都没有，根本就是在玩排列组合。
正是因为这些本质，正是因为这根本上的理论，可解释性等等都没有创新。才造成了现阶段的深度学习、人工智能不可能颠覆行业，不可能像前几次工业革命一样，不可能像蒸汽机，电力，内燃机，计算机，互联网等等成为改变社会，改变生活的革命。
唉，如果自己能早些看清这些本质就好了，怪只怪自己当时没有彻彻底底的调研清楚，被表象蒙蔽了双眼。
现在开设人工智能专业的学校越来越多。但是，随着人工智能的泡沫慢慢戳破，从“争先恐后” 到 “神仙打架” 到“诸神黄昏” 再到 “灰飞烟灭”。求职市场必然是供大于求，岗位严重内卷。我也算是见证了这一切。
正所谓吃一堑长一智，一定细致调研后做决定，切莫随波逐流。
最后，随着现在越来越多的学生冲进这个领域，随着这个方向的泡沫逐渐破裂，大厂不断裁人，中小公司倒闭。想要入行的，想要读研的，想要未来从事相关工作的，劝各位一定想清楚，考虑再三再做决定，多问问自己到底自己喜不喜欢这个职业，到底自己能不能坚持的下来，能不能承受的住这个决定最坏的后果。况且，很多时候你以为你喜欢的，其实并不一定是喜欢，就算真的喜欢，当喜欢变成了日复一日的重复劳动，也不一定能喜欢的下去了。
还是期盼着真正的人工智能时代的到来，那时候的生活，一定会有天翻地覆的变化。
<pre style="max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;"><section style="max-width: 100%;letter-spacing: 0.544px;white-space: normal;font-family: -apple-system-font, system-ui, "Helvetica Neue", "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;widows: 1;box-sizing: border-box !important;overflow-wrap: break-word !important;"><section powered-by="xiumi.us" style="max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;"><section style="margin-top: 15px;margin-bottom: 25px;max-width: 100%;opacity: 0.8;box-sizing: border-box !important;overflow-wrap: break-word !important;"><section style="max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;"><section style="max-width: 100%;letter-spacing: 0.544px;box-sizing: border-box !important;overflow-wrap: break-word !important;"><section powered-by="xiumi.us" style="max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;"><section style="margin-top: 15px;margin-bottom: 25px;max-width: 100%;opacity: 0.8;box-sizing: border-box !important;overflow-wrap: break-word !important;"><section><p style="margin-bottom: 15px;padding-right: 0em;padding-left: 0em;max-width: 100%;color: rgb(127, 127, 127);font-size: 12px;font-family: sans-serif;line-height: 25.5938px;letter-spacing: 3px;text-align: center;box-sizing: border-box !important;overflow-wrap: break-word !important;"><span style="max-width: 100%;color: rgb(0, 0, 0);box-sizing: border-box !important;overflow-wrap: break-word !important;"><strong style="max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important;"><span style="max-width: 100%;font-size: 16px;font-family: 微软雅黑;caret-color: red;box-sizing: border-box !important;overflow-wrap: break-word !important;">为您推荐</span></strong></span></p><p style="margin-top: 5px;margin-bottom: 5px;padding-right: 0em;padding-left: 0em;max-width: 100%;min-height: 1em;font-family: sans-serif;letter-spacing: 0px;opacity: 0.8;line-height: normal;text-align: center;box-sizing: border-box !important;overflow-wrap: break-word !important;"><span style="font-size: 14px;">长尾分布下图像分类问题最新综述（2019-2020）</span></p><p style="margin-top: 5px;margin-bottom: 5px;padding-right: 0em;padding-left: 0em;max-width: 100%;min-height: 1em;font-family: sans-serif;letter-spacing: 0px;opacity: 0.8;line-height: normal;text-align: center;box-sizing: border-box !important;overflow-wrap: break-word !important;"><span style="font-size: 14px;">GitHub重大更新：在线开发上线，是时候卸载IDE了</span></p><section style="margin: 5px 8px;padding-right: 0em;padding-left: 0em;max-width: 100%;min-height: 1em;font-family: sans-serif;letter-spacing: 0px;opacity: 0.8;line-height: normal;text-align: center;box-sizing: border-box !important;overflow-wrap: break-word !important;">特朗普拿H1B签证开刀，LeCun吴恩达等实名谴责！</section><section style="margin: 5px 8px;padding-right: 0em;padding-left: 0em;max-width: 100%;min-height: 1em;font-family: sans-serif;letter-spacing: 0px;opacity: 0.8;line-height: normal;text-align: center;box-sizing: border-box !important;overflow-wrap: break-word !important;">数据分析入门常用的23个牛逼Pandas代码</section><section style="margin: 5px 8px;padding-right: 0em;padding-left: 0em;max-width: 100%;min-height: 1em;font-family: sans-serif;letter-spacing: 0px;opacity: 0.8;line-height: normal;text-align: center;box-sizing: border-box !important;overflow-wrap: break-word !important;"><span style="color:#576b95;"><span style="font-size: 14px;">如何在科研论文中画出漂亮的插图？</span></span><br /></section></section></section></section></section></section></section></section></section>
本篇文章来源于: 深度学习这件小事
内容反馈