博士在讀卻連矩陣的秩都搞不清，我該如何畢業(yè)？｜Reddit熱議
“攻讀博士期間自我懷疑很正常?！?/p>
帶著滿腔熱血讀了博，到頭卻發(fā)現(xiàn)自己學(xué)術(shù)天分不夠？
看著別人做頂會收割機，自己卻一篇論文都沒發(fā)？
而且研究不出什么新方法，只能天天搞搞應(yīng)用？
不知道讀博的你是否有這樣的煩惱。
Reddit上一位機器學(xué)習(xí)在讀博士可是迷茫得不行，想知道沒有學(xué)術(shù)天分的他該如何完成博士學(xué)位。
“搞學(xué)術(shù)肯定沒戲”
這名博士的主要研究方向是計算機視覺和自然語言處理等深度學(xué)習(xí)技術(shù)。
他自稱自己不是優(yōu)等生，實驗室也一般般，只發(fā)過一些邊角期刊沒有頂會。
因此學(xué)術(shù)貢獻平庸，沒有研究出來什么大的創(chuàng)新點。
做的最多的是一些將現(xiàn)有方法重新用于不同領(lǐng)域的工程，而非研究。
比如將ResNet用于醫(yī)學(xué)成像或用transformer做音樂分類。
而之所以這樣是他覺得自己和其他人相比，數(shù)學(xué)背景太差，別人的論文又讀不進去看不懂，連矩陣的秩是什么都講不清楚，更不用說如何用它。
他深知自己肯定沒法在學(xué)術(shù)領(lǐng)域取得成功，但又覺得自己還算擅長應(yīng)用，所以以后想直接就業(yè)，不搞研究了。
但現(xiàn)階段，他還是希望能干點成績，不想只是“我將某個方法應(yīng)用于某個數(shù)據(jù)得到了稍微好一點的結(jié)果，所以我發(fā)布了它”。
所以他想知道如何完成博士學(xué)業(yè)，做一些并非單純增量和應(yīng)用的貢獻。
或者周末可以干什么副業(yè)？
不是每個博士生都能有出色成果
看到他的真誠提問，不少人表示，我的手已經(jīng)學(xué)會自己發(fā)帖子了？
果然，很多在讀博士都在苦苦掙扎啊。
有人寬慰道：攻讀博士期間自我懷疑很正常。但你要知道，博士期間能作出很出色貢獻的人都是鳳毛麟角，是例外，大部分人都平平無奇。
因此，不要和別人比較，只和昨天的自己比。數(shù)學(xué)不好也沒事，又不是每個人都是陶哲軒（著名數(shù)學(xué)家），每個人都要獲得過菲爾茲獎。
如果你真的想做出點成就，不要放棄，繼續(xù)尋找機會（感興趣的數(shù)據(jù)、課題和人）。博士學(xué)位只是學(xué)術(shù)生涯的開端。
而且大部分大多數(shù)博士生所做的并非提出全新的方法，而是確認或否定其他人的觀察結(jié)果。因為如果每個人都一直在提出新的東西，誰來驗證這些方法到底有沒有價值。
另一位博士補充道，確實很多課題做的都是采用現(xiàn)有方法，加以修改以使其適用于另一個數(shù)據(jù)集的研究。
畢竟就算你提出了一個全新的方法，如果你的實驗室地位一般，能不能“廣為人知”然后被人研究可用性都難說呢。
另外他認為目前ML的理論沒有取得巨大突破，以LSTM和CNN為例，它們都已有超過25年的歷史。因此他的觀點認為幾乎所有研究都是增量，目前大家也只能多在這方面繼續(xù)耕耘。
并且應(yīng)該多投投期刊，看看專家對你的研究的拒絕理由也會有啟發(fā)的。
針對提問者覺得自己數(shù)學(xué)不好的情況，有人扔了鏈接，通過看里面的論文、演講、教程來學(xué)習(xí)關(guān)于ML相關(guān)方法的數(shù)學(xué)知識。
離開學(xué)術(shù)界進入Industry也挺好
以上就是大家對提問者如何完成博士學(xué)位的建議，不知道提問者和大家看了會不會感到輕松一點。
至于以后進入Industry還是留在Academia，很多現(xiàn)身說法的過來人表示：學(xué)術(shù)工作并不適合所有人，離開它去工業(yè)界挺好的。
畢竟那里的工資挺高且競爭力也沒有那么強。找一家需要線性回歸/隨機森林模型、薪水高、工作量低、生活質(zhì)量高的公司應(yīng)該很容易。
不少人也都覺得樓主很適合去工業(yè)界，因為利用現(xiàn)有技術(shù)解決現(xiàn)實世界問題在工業(yè)中非常有價值。
“將某個模型應(yīng)用于某個數(shù)據(jù)集獲得稍微好一點的結(jié)果”也正是工業(yè)界需要的。
如果你能以稍微新穎的方式應(yīng)用理論算法，為高頻交易、石油勘探、保險風(fēng)險、癌癥檢測或不撞車等現(xiàn)實應(yīng)用產(chǎn)生一個稍好的結(jié)果，這對整個行業(yè)來說都是一個巨大的勝利！
因此，大家建議這位博士可以畢業(yè)以后就去找一份高薪/低工作量的數(shù)據(jù)科學(xué)工作。
然后花空閑時間做一些感興趣的技術(shù)工作并開源/發(fā)布。
最后他就能獲得比學(xué)術(shù)界更多的經(jīng)濟和技術(shù)回報。
何樂而不為？
并且很多離開學(xué)術(shù)界的人也都沒有后悔，這甚至是他們做過的最好決定。
沒有比這更快樂的了。
你怎么看？博士畢業(yè)的你選擇學(xué)術(shù)界還是工業(yè)界？
參考鏈接：
https://www.Reddit.com/r/MachineLearning/comments/odkdsv/d_growing_beyond_a_deep_learning_phd/
- 北大開源最強aiXcoder-7B代碼大模型！聚焦真實開發(fā)場景，專為企業(yè)私有部署設(shè)計2024-04-09
- 剛剛，圖靈獎揭曉！史上首位數(shù)學(xué)和計算機最高獎“雙料王”出現(xiàn)了2024-04-10
- 8.3K Stars!《多模態(tài)大語言模型綜述》重大升級2024-04-10
- 谷歌最強大模型免費開放了！長音頻理解功能獨一份，100萬上下文敞開用2024-04-10
相關(guān)閱讀
克10-EM-P-150x150.jpg)