0
每到研究生入學考試出分的時候，網(wǎng)上都會有一波要不要讀研究生的爭論。
爭論分為正反兩個方面，辯手包括本科在讀學生、本科畢業(yè)生、研究生在讀學生、職場人士......
爭論的焦點在于讀研三年和工作三年哪種方式更能促進個人的發(fā)展。
有人認為研究生學習就那的就那幾本書，職場人士在網(wǎng)上學習也能獲得個人技能的增長。另一部分人認為讀研重要的不是知識，是思維，是關(guān)系，是平臺。當然不同的專業(yè)、行業(yè)針對論點的論據(jù)不同，但圍繞的幾點無非是：資源、技術(shù)、人脈、錢。
下面AI科技評論想談談：既然機器學習相關(guān)課程都能在網(wǎng)上學，那還有必要讀研究生嗎？
網(wǎng)課的定義是能用電子設(shè)備通過互聯(lián)網(wǎng)學習知識、技能的線上課程，有視頻、圖片、音頻等方式。這種定義本身就意味著知識學習門檻的降低，畢竟買一臺電腦，連接一個快速點的網(wǎng)絡(luò)的成本還是比較低的。另外，疫情下的這幾個月，雖然在線網(wǎng)課遭受了很多吐槽，但這一定程度上也證明了此種教育模式的可行之處。
所以，上網(wǎng)課學習知識并不是假命題。具體到機器學習相關(guān)專業(yè)，讀研所接受知識的模式和網(wǎng)上學習模式兩者唯一不同的是一個“面授”，另一個是網(wǎng)絡(luò)授課。
研究生如果想看網(wǎng)上的課程的門檻和非學生的成本一樣，如果非學生想接受“面授”，即使是蹭課，往往也需要付出一定的成本。從技能進階的角度來看，機器學習研究生的培養(yǎng)模式往往都是由本校學院制定，這些學生如果想自學網(wǎng)課，那么就先要完成學校規(guī)定的學分，老師指派的論文，有時候這些論文，學分很大程度上可能是與專業(yè)知識無關(guān)的思政教育。
（雷鋒網(wǎng)）南京大學AI本科培養(yǎng)體系
而只進行網(wǎng)課學習的機器學習愛好者的技能進階模式當前也是比較清晰，先從吳恩達教授的機器學習入門，然后可以看看李宏毅教授的深度學習，然后在啃一遍周志華的西瓜書鞏固基本知識......如果僅僅不清楚學習課程的順序，知乎高贊回答有一大把。
（雷鋒網(wǎng)）
另外，在網(wǎng)上自學機器學習課程的人大多數(shù)都是在職從業(yè)者，其所選擇課程也更有自主性、針對性，所以，如果不考慮毅力等因素，單從學習技能的角度，或許網(wǎng)上機器學習能夠代替研究生教育。
不同于人文社科，機器學習作為工科類目下的專業(yè)，更加要求實操經(jīng)驗。畢竟無論是相關(guān)從業(yè)者還是研究生都要求一定的編程能力。
（雷鋒網(wǎng)）
研究生在校期間，學生一般都是跟著導師做項目，所能接觸到的人脈和資源直接取決于導師的“咖位”，導師在學術(shù)界越有名氣，學生身旁的師兄和師姐以及合作者就越優(yōu)秀。另外，研究生學校所在的地方也很能決定問題，如果在北京，學校之間的交流肯定少不了，借著導師平臺，能迅速接觸到大牛，遇到更優(yōu)秀的人。
從網(wǎng)課的角度來說，去上網(wǎng)課不會和授課人做朋友。但是在大學，你就是導師的學生，有一位導師對未來職業(yè)發(fā)展會有好處，不管是直接給你一份工作，哪怕是給你提供一些建議，這都是很寶貴的。雖然說在公司，一個好的團隊，學的東西并不比在學校少。
也有可能本科畢業(yè)的你能力吊打同齡研究生畢業(yè)生。但關(guān)鍵是，國內(nèi)的互聯(lián)網(wǎng)巨頭，明星AI創(chuàng)業(yè)公司，算法崗基本都是標配研究生，除非你是本科生里很強的那種人，例如ACM獲獎者，或者有不錯的算法比賽成績。否則很難進去。除非選擇小公司，但小公司入坑的概率比巨頭高一些。[1]
最后，我們考慮下極端的情況，一段有毒的碩士生歷程，比一份有毒的工作，毒性更強。畢竟，讀研期間換實驗室、換專業(yè)，比在職場上換工作難很多。畢竟，對許多人來說，讀研并沒有那么有趣。待遇不高，就業(yè)前景未知，多個需求存在矛盾之處，不被尊重…..許多因素都可能影響到研究生的心理狀態(tài)。在研究生中，體重波動、疲勞、頭痛、胃痛、神經(jīng)質(zhì)和酗酒，也都不少見。
從解決信息不對稱的角度來看，公司在招聘的時候都會加大對學歷的考察。畢竟在網(wǎng)上學習課程的門檻比較低，而從網(wǎng)上“畢業(yè)”的門檻也比較低，而不論研究生的進入門票，還是畢業(yè)限制，在企業(yè)心中都是衡量一個人能力的標準之一。
雖然進入公司之后，才發(fā)現(xiàn)那些沒讀研究生的同事，生產(chǎn)力往往更強，也更能幫到其他同事。看看招聘要求，很多公司都希望從事機器學習工作的員工有碩士及以上學歷。
因為對于機器學習、人工智能之類的技術(shù)導向的工作，確實已經(jīng)有了一些成熟的技術(shù)方法，但是這些技術(shù)方法還在持續(xù)改進發(fā)展，幾乎每天都有無盡的新論文出現(xiàn)，每過一兩個月各種新技術(shù)就會跑出來一堆……更何況很多很多領(lǐng)域之前并沒有使用這一類AI技術(shù)，需要讓既有技術(shù)適應新的應用目標，這也需要不小的實踐與研究能力。
而最簡單能用來證明這種研究能力的方式，而且便于HR篩選的方式，就是碩士學歷。也就是說，開發(fā)型工作、研究性工作，更多的是看重學歷。而大多數(shù)人在網(wǎng)上學習的機器學習課程，也更多的是針對技術(shù)研究型的工作，所以如果沒有“大公司”豐富的工作經(jīng)歷加持，僅僅依靠一套機器學習網(wǎng)上教程，或許很難拿到高薪職位。
那么，除了讀研就沒有更加清晰展現(xiàn)自己能力的方式了么？肯定是有的！kaggle上的一些數(shù)據(jù)科學比賽，就是很好的切入點，如果在學完吳恩達的機器學習課程之后，如果能積極參賽，和別人交流經(jīng)驗，并且能夠拿到名次，你的簡歷不比一些畢業(yè)研究生差。
另外，阿里主辦的數(shù)學競賽也已經(jīng)開始，據(jù)爆出來的題目，極大的考察了數(shù)學應用能力，而機器學習也比較看重數(shù)學的應用......不管是讀研還是自學，都需要積極上進的心思，當前擁抱最新技術(shù)的“姿勢”，還是讀一些頂會論文，固定的做一些讀論文的工作，然后把自己的心得體會開源出來，這對于自己成長的幫助不言而喻。
上面說了這么多，那么讀個碩士學位有用么？答案是肯定的，但是考慮到時間成本和金錢成本等具體情況，每個人的選擇都會不一樣。
例如，吳恩達教授曾在一次采訪中說過，不是所有的機器學習都需要碩士、博士背景做支撐，但是如果能有機會去斯坦福，麻省理工的學習背景也是極棒的。
而在國內(nèi)，能去北大、清華等超一流高校有一份求學經(jīng)驗，能帶給你眼界、金錢、機會的激勵也會超出你的想象。
那么，不讀碩士學位如何快速提升自己的科研能力，答案是讀論文：5-20篇論文(在選擇的領(lǐng)域，比如語音識別)=>這可能是足夠的知識，你可以實現(xiàn)一個語音識別系統(tǒng)，但可能不夠研究或讓你處于前沿。
50-100篇論文=>你可能會對這個領(lǐng)域的應用(語音識別)有很好的理解。如何高效的讀論文？在 CS230 課程中，吳恩達對于研究規(guī)劃與如何讀論文也提出了他的一些建議。
（雷鋒網(wǎng)）
課程地址：
https://www.youtube.com/watch?v=733m6qBH-jI
1、閱讀文章標題、摘要和圖：通過閱讀文章標題、摘要、關(guān)鍵網(wǎng)絡(luò)架構(gòu)圖，或許還有實驗部分，你將能夠?qū)φ撐牡母拍钣幸粋€大致的了解。在深度學習中，有很多研究論文都是將整篇論文總結(jié)成一兩個圖形，而不需要費力地通讀全文。
2、讀介紹+結(jié)論+圖+略過其他：介紹、結(jié)論和摘要是作者試圖仔細總結(jié)自己工作的地方，以便向?qū)徃迦岁U明為什么他們的論文應該被接受發(fā)表。此外，略過相關(guān)的工作部分(如果可能的話)，這部分的目的是突出其他人所做的工作，這些工作在某種程度上與作者的工作有關(guān)。因此，閱讀它可能是有用的，但如果你不熟悉這個主題，有時很難理解。
3、通讀全文，但跳過數(shù)學部分。
4、通讀全文，但略過沒有意義的部分：出色的研究意味著我們發(fā)表的東西是在我們的知識和理解的邊界上。
參考資料：
[1] https://www.zhihu.com/question/62482926/answer/2105313863
[2]https://www.youtube.com/watch?v=733m6qBH-jI
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
