我，28歲，應不應該從普通工程師轉行到AI？

安妮 發自 凹非寺

量子位 出品 | 公眾號 QbitAI

求助。

28歲的物理工程師，想轉行做AI到底值不值？機器學習工程師在企業中的現狀又是什麼樣子的？

一則求助帖，在今日的Reddit論壇上迅速發酵：

我是一名物理工程師，對目前的工作不那麼感興趣，甚至有點想回學校稍微逃避下現實和責任。

在沒畢業前，有人建議我去搞機器學習，也激勵我去做計算機視覺方面的實習，去做更多的專案等。目前我已經有一份工作了，我想“重新考慮”這條路。

目前的工作能看到資料處理的重要性和繁瑣性。但不確定如何將機器學習專案輕鬆整合到依賴DOS系統的公司中，但我認為統計分析對找到生產問題的根本原因很重要。

基於上述原因，我原來越傾向參加一個AI方面的一年制專業碩士課程。但是，我想知道 資料/機器學習工程師在中大型企業中的工作到底是怎麼樣的？

我不打算成為一名程式設計師了，因為我不那麼年輕已經28歲了，並且知識背景中大多數與物理相關。我想這樣的話，自己沒有搞計算機的那群人有競爭力。

所以，我應該棄工作選擇讀書嗎？

我知道求助陌生人似乎不太明智，但我希望從別人的故事中找到對自己的幫助。

一時間，這則貼子下眾說紛紜，網友從不同的角度，拼湊起當下機器學習工程師的真實工作全貌。

ML工程師的崗位略顯尷尬

網友mimighost表示，首先應該擺正對機器學習工程師的認識，可以說這個崗位本身有些矛盾。

他認為，將機器學習工程師首先應該是一個合格的程式設計師，你的程式設計技能應該超過你所掌握的所有科學知識。

所以，此前即使是非科班出身的物理工程師，也應該先把提升點放到程式設計本身上。

mimighost認為，在程式設計師行列中留給機器學習工程師的崗位非常有限，崗位本身就是矛盾的。但可以考慮向機器學習研究員或者研究科學家方向發展。

要是想這樣發展，只讀個一年碩士怕是遠遠不夠，怎麼著，也得是個博士了吧。

年齡不是門檻

一位網友和樓主有著相似的困惑，表示年齡28，在於年輕人競爭同一崗位時，會不會沒有優勢反倒是劣勢啊。

這個問題倒是不難理解，“35歲的程式設計師該何去何從”也是國內程式設計師們擔心的問題之一呀。

網友fakemoose認為，在這個年齡段無論如何也不應該申請非常入門的崗位了，應該利用已經積累起來的經工作技能。

也有網友不服，表示在資料科學領域，即使是入門級別，其收入也已超過美國90%人口了。

還有更多不同的聲音：

如果年齡超過了40歲，則可能是一個限制因素。

——analyst___apu

我是從30歲開始從物理過渡到機器學習的，所以這個年紀轉行是可能的，我是自學。

——amnezzia

大多數認為，28歲依然年輕。大部分人讀完博士也老大不小，大有資本去探索新領域。年齡不是門檻，行業經驗才是。

學好資料科學

不少過來人的建議是，資料科學技能是轉行之後的最大挑戰。

而物理學轉到AI？其實很加分。

網友i_love_FFT表示，自己是一個樂觀主義者。如果能在現在地區找到一個高科技公司，則物理學的背景是個加分項，是個必須的技能。

如今，幾乎每家科技公司都在建立機器學習團隊。儘管對於那些做過大量線上程式設計課程和有某網站的AI證照的人來說很容易，但最大的挑戰始終是找到能夠理解資料本身的人！

如果具備物理工程背景，那麼能夠很好地理解基於物理的資料，包括感測器資料，物理系統模型等。這種技能與對機器學習的興趣相結合，就是求職過程中的閃光點。

除了資料科學，請一定學好Python啊。網友Heartomics表示，自己最大的阻礙就是接受一種Pythonic的做事方式。

推薦學習資源，成為Python專家需要什麼：

https://www.youtube.com/watch?v=7lmCu8wz8ro

機器學習程式設計師的一天

那麼，程式設計師的一天是怎麼過來的？

一位機器學習工程師總結了自己在一家全球員工數過10萬的系統整合商工作的時刻表。

他表示，理論上來說，他們的工作是設計模型、調整模型、設定NLP pipeline，重構資料科學家編寫的程式碼，並做一些雲端的任務，對吧？

但事實上，他需要做的是任何客戶想要的東西。自己的 身份也是多變的：

可以是Python開發人員、資料工程師、資料科學家和資料分析師。雖然在自己看這些都差不多，但在客戶看來，區分這些崗位會顯得這個任務多樣化。

大概就是：我是一塊磚，哪裡需要哪裡搬。

目前正在同時處理三個專案：一個與銷售相關，一個是需要重構程式碼的成熟專案，還有從PoC遷移到NLP專案。

一天的時刻表大概是這樣的：

09:00 電話會議

09:30 開展NLP專案（Python）

11:00 電話（1小時）討論銷售專案

12:00 午餐

12:30 電話演示時間

13:00 專案工作（Python）

15:00 討論專案

16:00 檢視同事模型的文件設定和超引數。

17:00 回家。

誒？朝九晚五的程式設計師？

傳送門

Reddit原帖地址：

https://www.reddit.com/r/MachineLearning/comments/cxhvbd/d_what_is_the_reality_of_machine_learning_engineer/

知乎相關問題：

非計算機專業學生如何轉行 AI，並找到演算法 offer？

https://www.zhihu.com/question/265041005

—  完 —

https://www.toutiao.com/a6731545384453145099/

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/69946223/viewspace-2655695/，如需轉載，請註明出處，否則將追究法律責任。