转自：新智元
一个小哥读了博，并且还是最火的深度学习博士，主要研究领域为计算机视觉和自然语言处理，但他每天却都很苦恼，感觉自己不是在做科研，而是在做工程！他在Reddit论坛上求助网友，如何让对在学术上没有取得特别优秀成就的他成功取得博士学位。文中他说自己正在攻读机器学习的博士学位，主要从事深度学习，并且还基于此有了一些会议上的论文，但是这些会议并不是公认的顶级会议。尽管不是顶会，但是审稿人对他的要求和回复还都是相当苛刻的。他也明白他们为什么这么挑剔，坦言自己不是一个优秀的学生，实验室也不是一个优秀的实验室，所做的主要工作就是重新使用现有的方法为不同的领域，例如使用一个 ResNet 用来做医疗成像，或是基于Transformer的音乐分类。和其他人相比，他自认为严重缺乏数学背景知识，即使努力阅读，也经常立即忘记那些实际上并没有用到的概念，甚至都不会计算矩阵的秩是多少，更不用说如何使用它了。这就是为什么没有真正想出新方法的部分原因，更擅长组合现有的东西，但有时感觉不像是研究，而更像是工程学。因为贡献比较平庸，所以小哥不认为他能够在学术界有所作为，所以未来可能会在这个行业内找一份工作，而不是去大学谋一份教职。最后这位小哥希望网友们对他的博士生涯给他两个建议（1）提高最终，你的博士学位就是你的博士学位。这真的只是第一步，如果你渴望在训练中改变世界，这可能会让你失望。尽管要完成的必要贡献微乎其微，但不要去磨练那些能让你接受挑战的技能。比如详细的笔记，严格的编程，以及在一个感兴趣的领域保持最新的习惯，包括与同龄人的接触。这些绝不是一个完整的列表，只是那些我很高兴我继续工作。网友表示赞同，永远记得博士学位只是你的起点绝非重点，这只是你接受教育的一部分而已。还有网友表示，这简直跟自传一样！看来每个人的博士生涯都很难过。进入工业界是我做过的最好的决定。“我找到了 x 模型，并把它应用到问题 y 上以得到更好的结果”正是公司所看重的，能够解决问题的人才。还有的网友劝他要懂得平凡的可贵，每天比昨天的自己进步一点，就是最大的成就。对于我们这些凡人来说，我收到的最好的建议就是“你的论文是你写过的最糟糕的作品”。与我们部门最聪明的人设定的高标准相比，我的简直是垃圾。但是它是完整的，并且通过了检查。不要拿自己和别人比较，只要把自己和去年做比较，然后继续努力。投入时间，做好工作，你就会得到一张证书，上面写着“我可以做自我导向的研究”。并不是所有人都是陶哲轩，我们中的大多数人只是想在这个过程中生存下来，而不是赢得菲尔兹奖。机器学习行业从业者大多经常困惑于自己是算法工程师还是调参侠。在深度学习浪潮下，有这种困惑也是十分正常，或许我们也应该思考一下，为什么大家普遍会有这种困惑。看了这段话，大家可能多多少少都有所感同身受吧，高学历，却换来更大的失落；工作内容重复，没有看的见的快乐。入行之后，你眼中的AI变成了一个个黑盒的模型，我要更多更干净的数据，更庞大的模型！「有多少人工，就有多少智能」，即使在深度学习时代也是如此，各大AI公司首先招聘的就是标注员。科研机构发布新数据集的论文也会公布自己用了多少标注人员，时薪多少美元等。而且在互联网高度发达的今天，你想要学习的任何东西都可以在网络上找到，AI入行的门槛从未这么低。入门简单，但成为大师却要付出更多的努力，这期间会经历迷茫，例如在reddit上发帖，但最后有所成就的还是那些耐得住学术寂寞的人。不仅仅追随深度学习潮流，而是在其中挖掘属于自己的东西，也许是博士学位能带来的最大收获。
参考资料：
https://www.reddit.com/r/MachineLearning/comments/odkdsv/d_growing_beyond_a_deep_learning_phd/
往期精彩：
TransUNet：基于 Transformer 和 CNN 的混合编码网络
SETR：基于视觉 Transformer 的语义分割模型
ViT：视觉Transformer backbone网络ViT论文与代码详解
【原创首发】机器学习公式推导与代码实现30讲.pdf
【原创首发】深度学习语义分割理论与实战指南.pdf
求个在看
