机器学习专业要不要读博？-轻识

↑↑↑点击上方蓝字，回复资料，10个G的惊喜

编辑：魔王 转自：机器之心

要不要读博？读博值不值得？如何才能顺利完成博士生涯，并为职业发展打好基础？最近，社交网络上就此展开了一场争论。

读博还是不读博，这是个问题。

是否读博、读博有多难是个经久不衰的话题。最近，一个 reddit 热帖再次点燃了大家的讨（tu）论（cao）热情。

一位机器学习方向博五学生谈论了他的读博经历，而主旨竟然是「为什么你不应该读博？」。

为什么不应该读博？

这位博士生分享了他在「博士之旅」中的一些观察，并表示自己的读博经历和体验并非个例。

以下是他的观察结果：

首先，读博耗时长，机会成本高，而最终的回馈却并不丰厚。这有点像是一个骗局。一些朋友还分享过教授不让学生毕业的「恐怖故事」……

但这只是发帖人认为不应读博的表层理由。

主要原因是读博伤害创造力和创新性。博士项目吸纳了很多视野广阔、有创造力和创新性、有抱负、积极进取的学生，略微天真但有梦想。这些学生在开始读博时拥有独特的想法和视角，以及解决问题空间的新方法，并且期待自己能产生影响力。

然而博士项目把这些都毁掉了。在博士项目结束时，学生被变成了机器，用和他人同样的方式来解决问题。他们被这样教导：这是 SOTA 方法，你只要对这些算法做出哪怕微小的改进就已经很幸运了。

问题在于 SOTA 可能只是局部最优解呢。也就是说，这些学生被灌输的想法是用次优方法解决问题空间。这就难怪他们无法做出有影响力的东西呢，方法本身就处于平台期了。

那么如何使机器学习模型跳出局部最优解呢？对探索 / 随机化给予奖励。

发帖人认为我们需要反省教学方式。显然，为了高效，博士生需要具备一定程度的特定领域专业知识，但这不能以想象力作为代价，更不能是寻求新方法的勇气。99% 的新方法可能结果不如 SOTA 方法，但也许正是一个独特的、疯狂的 idea 会使领域变得更加开阔。

当你成为「专家」的时候，你获得了很多，同时也失去了很多。发帖人表示：「在开始读博前，我能够很兴奋地发动自己的想象力，思考一些天马行空的方法来解决问题。其中大部分想法存在致命缺陷，但我对此并不设限。」

科研应当是一场富有创造性的疯狂冒险。而博士项目吸引了有潜力带来巨大影响力的学生，然后又浇灭了他们的激情和创造性。这就像明星大学生运动员进入了一个执教糟糕的队伍，最后变得越来越差。

这篇帖子发出后，引发了大家对「创造性」、「一味追求 SOTA」等的激烈讨论。今天，reddit 上出现了一个回应帖，其标题是「为什么应该读博」。

为什么应该读博？

这位发帖人是一位强化学习方向的博士，ta 表示很享受自己的博士生涯，并阐述了从读博经历中学到的东西，给出了关于读博的一些建议。

ta 认为以下这些事情使得读博经历令人满意：

与导师建立富有成效的关系。如果你足够幸运，你的导师可能是世界级专家，还能即时回应你的问题，对你的 idea 感兴趣并提出有益的改进建议。
在不要求具体产出的前提下，了解自己感兴趣的主题。
日常工作能够匹配你想要建立的技能组合。
基于自己的 idea 自主创建项目。
拥有实验室专家资源，并锻炼与其合作、社交、接受反馈的能力。
获得去工业界实习的机会。
在顶级会议和期刊上发表工作。

如果你能从读博生涯中获得这些，那这次经历一定是有趣且值得的。如果你足够幸运，这还将为你之后的职业生涯奠定基础。

那么如何评估以上 7 点呢？发帖人提供了一些建议：

仔细阅读潜在导师的最佳出版物和近期有影响力的工作，确认其此前是否指导过优秀的学生。与潜在导师现在或之前的学生联系，询问他们与导师合作时的工作状态。如果可以的话，你还可以参与实验室轮转项目。
了解实验室同事是否有很大的论文发表压力。如果是，那么你可能很难了解其他领域。你所在的实验室 / 大学是否欢迎来自不同角度的创造性想法，是否有参加有趣讲座、和有才能的人进行交流互动的机会？
你将成为 PhD 所学方向的领域专家。思考这会带给你什么技能组合，读博结束后你又能凭借它们获得什么。同样地，你还需要思考获取这些技能的过程，以及你是否享受这一过程。
导师给你的是涉及狭窄主题的项目还是一幅更广阔的图景？（推荐后者，尽管风险性更大。）导师的发表文章主题局限于狭窄的主题还是多个相关领域？导师的工作是否具备较高质量？
与现在实验室的成员见面，尝试了解他们的兴趣、专业方向和合作意愿。如果他们近期发表过文章，阅读并与他们进行讨论。
博士期间的实习对学习和未来职业生涯很有帮助。机器学习领域能够提供很好的机会，请尽量利用好这些机会。
实验室同事是否经常在顶级会议和期刊上发表文章？他们的工作是否被广泛引用，或者更具体地，是否对领域研究产生直接影响？

最后，请记住一点，在现实中，你不太可能有机会满足所有这些标准，所以你的期望要合理，将读博可能获得的机会与非博士的机会进行仔细权衡，认真评估所有证据，然后跟着自己的直觉做出是否读博的选择。

此外，这位发帖人还强调：

沉没成本谬误是真实的。在考虑现有项目和未来项目时，如果你在一个想法上下了很大功夫却没有成功，不要害怕改变方向。同样地，如果你尽力了，但事情并没有解决，也不要怯于更换导师或合作伙伴。在止步不前时要及时发现这一点，并尽己所能（当然是在合理的范围内）摆脱它。如果事情变得很糟糕，不要害怕辍学。读博生涯应该充满兴奋和机会，而不是对失败的恐惧。

没有人能随随便便读完博士。去年，Nature 进行的博士生调查揭示了博士学位攻读中那些艰难的真相：科研压力、与导师的交流问题、就业压力等等。然而，依然有很多令人艳羡的「别人的博士生涯」。

当我们羡慕「别人的博士生涯」时，真正羡慕的是什么？当我们面临读博挫折时，是否要撑下去，能否撑下去？

以及最根本的，读博还是不读博？这个问题，你怎么答？

参考链接：

https://www.reddit.com/r/MachineLearning/comments/k28qgr/d_why_you_shouldnt_get_your_phd/

https://www.reddit.com/r/MachineLearning/comments/k2pd9n/d_why_you_should_get_your_phd/

pip 的高阶玩法

再见，360安全卫士

Python数据可视化，被Altair圈粉了

你真的懂print('Hello World!')？我不信

缺失值可视化Python工具库：missingno