想做數(shù)據(jù)科學(xué)家的話，該不該讀碩士、博士?本文作者根據(jù)自己的工作經(jīng)歷，基于收集過的上千樣本給出了一個非常規(guī)的答案：這些都不是必需的。作者甚至認為，適當(dāng)?shù)臅r候本科輟學(xué)更好……

我是一個輟學(xué)的 PhD。

這意味著，雖然我已經(jīng)完成了許多研究生課程，但最終收獲的只有「輟學(xué)」這么個字眼。如果博士順利畢業(yè)，你就是萬千書呆子中的一個。但讀了兩年半后輟學(xué)，你就是一個前衛(wèi)的書呆子。人們會想知道你接下來還會做些什么。他們會說，「馬斯克也是從研究生學(xué)院輟學(xué)的。這家伙可能跟他一樣!」

我之前的綽號是「無法確定未來、下 4D 棋的書呆子天才」，從研究生院退學(xué)對我的名聲有了一些影響。我越來越清楚地知道，不是所有人都需要讀博，你選擇讀博或者中途輟學(xué)都可以。碩士學(xué)位也是如此。對于一般有志于 STEM 的專業(yè)人員來說，情況的確如此，而對有志于成為數(shù)據(jù)科學(xué)家的人來說更是如此。我馬上就會講到原因。

但首先，你可能想知道我是怎么知道這個的。

事情是這樣的：我在一家數(shù)據(jù)科學(xué)導(dǎo)師創(chuàng)業(yè)公司工作。通過這份工作，我大概采訪了一千多位有抱負的數(shù)據(jù)科學(xué)家——有些人有博士學(xué)位，有些人有碩士學(xué)位，有些人有本科學(xué)位，也有一些人在攻讀各個學(xué)位的過程中輟學(xué)了。這給我留下了罕見而珍貴的東西：具有統(tǒng)計學(xué)意義的數(shù)據(jù)科學(xué)職業(yè)生涯故事的重要樣本。

我從這些故事中了解到：不同學(xué)歷對不同時間、地點的不同人來說都是有意義的。但是因為大部分人都會咨詢大學(xué)學(xué)院的研究生導(dǎo)師來決定是否要進入研究生學(xué)院，因此他們在注冊之前并不會完全了解研究生院的情況。

從一位前學(xué)術(shù)轉(zhuǎn)型的創(chuàng)業(yè)公司創(chuàng)始人那里我了解到：不是所有學(xué)位都適合每個人。下面會陳述原因。

博士學(xué)位

「警告：以下內(nèi)容可能會引起很多博士的不適。我提前道歉�！�

「我看很多數(shù)據(jù)科學(xué)工作都需要博士學(xué)位。我一定要有博士學(xué)位才能成為數(shù)據(jù)科學(xué)家嗎?」

當(dāng)然不了，這不是一碼事。

不要誤會我的意思，在電子郵件簽名中能使用這三個字母(PhD)絕對是件好事。有的時候我也希望我能因為這個原因堅持下去。但隨后現(xiàn)實有變。

如果你的目標是成為一名數(shù)據(jù)科學(xué)家或機器學(xué)習(xí)工程師(研究員)，那么讀博士可能是很好的選擇。但也可能不是，原因如下：

要很長時間才能獲得博士學(xué)位。

除非你從「好的」導(dǎo)師那里獲得了「好的」博士學(xué)位，否則你無法學(xué)到任何有價值的東西。

第一點：在美國或加拿大，獲得博士學(xué)位需要 4 至 7/8 年的時間。平均時間一般是 5-6 年，這取決于具體的院�！，F(xiàn)在我們換個角度來看。

你知道 5 年前數(shù)據(jù)科學(xué)中沒有什么嗎?Spark、XGBoost、jupyternotebooks、GloVe、spaCy、TensorFlow、Keras、Pytorch、InceptionNet、ResNet、強化學(xué)習(xí)等等。

所以除非你決定自學(xué)這些層出不窮的新東西(我不確定研究生院會教你這些東西)，否則你在讀博的時候可能會像被冰凍在 2012 年一樣，然后到畢業(yè)時解凍，你完全變成了一個新手。你會發(fā)現(xiàn)自己置身于數(shù)據(jù)科學(xué)技術(shù)的美麗新世界，你必須得在畢業(yè)之后自學(xué)這些技術(shù)。

關(guān)鍵是，數(shù)據(jù)科學(xué)和機器學(xué)習(xí)發(fā)展得非�？�。而它們在未來只會發(fā)展得更快。所以如果你想在數(shù)據(jù)科學(xué)或機器學(xué)習(xí)的相關(guān)領(lǐng)域獲得博士學(xué)位，而且你的目標是未來有一天從事相關(guān)的工作，那么你本質(zhì)上就是在賭博：你賭的是當(dāng)自己畢業(yè)時，所學(xué)的專業(yè)知識依舊相關(guān)而且有很高的需求。這個賭注的風(fēng)險和收益都很高。

第二點：花一點時間想一下你的導(dǎo)師會是誰，以及他們?yōu)槭裁礇]在 Google 或 Facebook 工作。

當(dāng)然，有些人更喜歡做學(xué)術(shù)研究，而不是在業(yè)內(nèi)做數(shù)據(jù)科學(xué)或機器學(xué)習(xí)的工作。但值得注意的是，大部分資金都提供給了 ML 行業(yè)中頂級的人才，而這對學(xué)術(shù)領(lǐng)域的人造成了明顯的下行選擇壓力。

有的地方也有一些例外情況。這些一般都是超級精英計劃，比如加拿大的 Vector Institute(向量學(xué)院)或 MILA、美國的麻省理工和伯克利的數(shù)據(jù)科學(xué)項目。當(dāng)你看到這種項目就會知道它們的存在，但請記住，如果你當(dāng)前所在的大學(xué)沒能排進全球「前 200」，那你們學(xué)校就不太可能會有這種項目。

綜上所述：如果你就想成為 Airbnb 的深度學(xué)習(xí)工程師，那么毫無疑問，博士學(xué)位可能是為數(shù)不多的敲門磚之一。但是如果你在讀博時沒有參與過一流的項目，就別指望受雇于一流的公司。

但是如果你只是想做一名普通的數(shù)據(jù)科學(xué)家，那么選擇讀博并非是明智之舉。如果想成為一名真正的數(shù)據(jù)科學(xué)家，首先你最好要有 4 到 8 年的工作經(jīng)驗，在這個過程中每當(dāng)有新技術(shù)出現(xiàn)時你都能學(xué)到，而且你可以在趨勢改變之前更好地預(yù)測出新的趨勢。

如果你想讀與數(shù)據(jù)科學(xué)無關(guān)領(lǐng)域(如物理學(xué)、生物學(xué)、化學(xué))的博士學(xué)位，但你的目標是成為數(shù)據(jù)科學(xué)家的話，我會建議你：如果你得花 18 個月或更長時間才能畢業(yè)(而且你確定想成為一名數(shù)據(jù)科學(xué)家)，那就輟學(xué)吧。沉沒成本誤區(qū)(sunk cost fallacy)會使你質(zhì)疑這種說法(而你本來也應(yīng)該認真思考)，但就我的經(jīng)驗而言(統(tǒng)計而得)，這才是更正確的選擇。

碩士學(xué)位

要做數(shù)據(jù)科學(xué)的話需要碩士學(xué)位嗎?

這要視情況而定。下面我剛做的計分卡。你可以根據(jù)自己的情況把分數(shù)加起來，如果分數(shù)大于 6，那你可能就需要一個碩士學(xué)位：

有「硬」STEM 背景(物理學(xué)/數(shù)學(xué)/CS 的本科或其他學(xué)位)：0 分

有「軟」STEM 背景(生物學(xué)/生物化學(xué)/經(jīng)濟學(xué)的本科或其他學(xué)位)：2 分

沒有 STEM 背景：5 分

使用 Python 的經(jīng)驗少于 1 年：3 分

從沒涉及過編程相關(guān)的工作：3 分

無法獨立學(xué)習(xí)：4 分

當(dāng)我說這個計分卡是基本的邏輯回歸算法時你無法理解：1 分

注意事項

你要想清楚，你需要的是數(shù)據(jù)科學(xué)碩士學(xué)位還是訓(xùn)練營。如果你選擇參加訓(xùn)練營，要注意他們的激勵措施：他們是否在不保障你被錄用的前提下要求你付款?訓(xùn)練營有相關(guān)的職業(yè)服務(wù)嗎?

大多數(shù)人都懷疑訓(xùn)練營。他們也確實值得懷疑。但是大多數(shù)人忘了他們也應(yīng)該同樣懷疑任何不提供就業(yè)保障的大學(xué)碩士學(xué)位。碩士學(xué)位其實也是一種訓(xùn)練營。要用同樣的方式對待它們。不要把注意力放在成績上，而是要放在所學(xué)內(nèi)容上。問問你們項目的研究生就業(yè)率是多少。大學(xué)讓學(xué)生們相信簡單的項目就是好項目，或者只是領(lǐng)你進門而已。這是一個心理游戲，而且通過「大學(xué)學(xué)位具有獨立價值」這一已經(jīng)過時的「傳統(tǒng)觀念」來強化這個游戲。但你的目標是獲得工作，而不是「投入時間」后獲得一張紙。

即便你已經(jīng)完成了碩士課程，你也還有許多技能要學(xué)習(xí)。而且可能比你想象的還要多。但只要碩士課程足夠短(不超過 2 年)，而且花費沒有那么高昂，那還是很值得去讀的。

本科學(xué)位

一般來說，你要有本科學(xué)位才能成為數(shù)據(jù)科學(xué)家。這不一定是因為你需要本科所學(xué)的知識，而是因為公司普遍還不能接受這一點：自學(xué)加上參加訓(xùn)練營和一些在線課程就可以讓你做好參加工作的準備(盡管在某些情況下這是絕對可以的)。

本科學(xué)的東西可能與工作無關(guān)。如果你和一些科技領(lǐng)域的人交談過，就會知道，就學(xué)習(xí)技術(shù)而言，工作經(jīng)驗遠大于學(xué)習(xí)。部分原因是本科的教學(xué)內(nèi)容一般會過時 5 到 10 年。如果你學(xué)的是不會發(fā)生太大變化的領(lǐng)域，比如物理學(xué)、數(shù)學(xué)或統(tǒng)計學(xué)領(lǐng)域，這倒還好。

但是如果你在工程學(xué)或 CS 領(lǐng)域，你暑假在一家很好的公司實習(xí)過，你想推遲畢業(yè)時間(或輟學(xué))來獲得更多的工作經(jīng)驗，你百分百應(yīng)該考慮這么做。如果你讀本科的目的是找一份工作并且你已經(jīng)在一家有極大發(fā)展空間的公司找到工作的話，那么支付更多的學(xué)費來畢業(yè)就沒什么意義了。

我絕不是說你應(yīng)該在本科時輟學(xué)。我說的是大部分人如果已經(jīng)完成了實習(xí)，并且可以將實習(xí)轉(zhuǎn)變成具體的全職工作，那他們就應(yīng)該想開一點——學(xué)業(yè)沒完成就算了。這種情況并不多見，但我懷疑這很大程度上只是因為許多本科生認為獲得本科學(xué)歷是「優(yōu)秀的人做的事」而已。

我在本文給出的建議在很多方面都是非常規(guī)的。但是在像數(shù)據(jù)科學(xué)這樣飛速發(fā)展的領(lǐng)域中，慣例一般都會遠遠落后于最佳方案。從社會角度講，我們對研究生教育價值的看法很大程度上是源于傳統(tǒng)觀念的影響，而傳統(tǒng)觀念則是最需要趕上現(xiàn)實發(fā)展的。

當(dāng)然這不意味著正規(guī)教育，或者說研究生學(xué)位是不值得獲取的。但是大家不應(yīng)該把獲得碩士學(xué)位或博士學(xué)位當(dāng)做必要條件：如果你只是為了良好的數(shù)據(jù)科學(xué)職業(yè)軌跡而申請碩士研究生，那也許你應(yīng)該重新考慮你的策略。

原文鏈接：https://towardsdatascience.com/do-you-need-a-graduate-degree-for-data-science-8e3d0ef39253

標簽： Google 電子郵件 轉(zhuǎn)型

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。