设为首页|收藏本站|
开启左侧

[问答] 对于学计算机科学的人而言,读研究生有什么意义?

[复制链接]
82882 20
五子 发表于 2020-11-24 10:59:34 | 只看该作者 打印 上一主题 下一主题
 
对于学计算机科学的人而言,读研究生有什么意义?


上一篇:保罗皮尔斯:来自于波士顿的告别
下一篇:请停止霸凌机器人!“波士顿动力 Atlas” 反击人类真相
@



1.西兔生活网 CTLIVES 内容全部来自网络;
2.版权归原网站或原作者所有;
3.内容与本站立场无关;
4.若涉及侵权或有疑义,请点击“举报”按钮,其他联系方式或无法及时处理。
 

精彩评论20

正序浏览
跳转到指定楼层
沙发
小四月死妈 发表于 2020-11-24 11:00:23 | 只看该作者
 
这里面有一个误区,
“读研究生是为了提高收入”。
抱着这个信念去读研的人,很多都输了。有的人读研三年后找到的工作,还不如本科毕业+三年工作经验的呢。那么真正的赢家是哪些呢?
我认为,是那些抱着“自我提升”的目的去读研的人。
本科的计算机专业所学内容更多是为了打地基,无论是与工业界的连接还是学术界的连接来说,都是非常薄弱的。而读研究生,则是直接去连接工业界和学术界(当然了,对于扎根学术界来说,只有硕士还是不够的)。读研时获得的能力更多来说不是基础能力,而是解决实际问题的能力,自己这方面的能力上去了,自然更容易胜任企业中的岗位并受到认可,自然收入就提高了。因此,在读研的过程中获得了显著的自我提升的人,往往最后混得都不错;但那些冲着功与名而去读研,自己的能力也没有什么提升的人,大概率会成为一个不断抱怨“研究生太多了,找不到工作不怪我”的loser。
对CS学科来说,这种效应尤其明显。互联网企业大多要求比较硬核的coding功底,同时需要你有至少一个方向的专业技能(web开发、app开发、人工智能算法等)。这个能力要求可以说就相当于一张入场券,有了这张门票,才可能在当下的互联网行业有更多的岗位选择和工作机会。
当然啦,聚焦到“自我提升”问题上,还是有一些备选方案的:
方案一:知识社区和大学的公开课视频,充分利用知识共享的福利
现在有非常多的知识社区,比如知乎、reddit、github,上面共享了大量的优质内容。但是大浪淘沙,识别优质内容,将碎片化资源整合,对求学者来说门槛太高,性价比也较低。如果学习的知识不系统,那么花费再多的时间也难以学到解决问题的方法论,大概率最终只学会了“如何忽悠外行”。
另外网上有很多高校的开源网课,有系统性的梳理,内容质量也相对更有保证。比如:
如果你想自学现代人工智能的最核心内容——深度学习(deep learning),那么可以考虑刷麻省理工学院的
MIT 6.S191:http://introtodeeplearning.com/index.html
这是深度学习的入门课程,涵盖了计算机视觉、自然语言处理、生物学等相关领域的深度学习内容。从理论基础到实际应用,可以实现从0基础到上手实践。
再比如,如果你想自学人工智能中的自然语言处理方向,那么可以刷斯坦福大学的
CS224n:http://web.stanford.edu/class/cs224n/
几乎涵盖了所有NLP相关的内容,从词义与词向量、依存句法分析、语言模型、机器翻译、深度问答、subword与transformer、BERT与预训练、自然语言生成、指代消解、成分句法分析等等。
但!是!
立flag总是非常的容易,想要真正上完一套完整的课程就像升级打怪一样,总有各种劫难。首先,很多资源无法直接获取,很有可能学到一半vpn就挂了;其次,遇到问题没有专业老师指导,不懂的还是不懂;再者,一个人学习太孤单,很难坚持下来,没有定力的人比较容易半途而废。
方案二:毅然决然地选择进修
结合前两条的利弊,很多小伙伴就有了实地进修的念头。但是现实总是有各种限制和顾虑。
我现在的工作虽然有各种槽点,但是整体也还不错,直接辞掉工作是不是风险太大?
我现在的生活非常稳定,有亲人朋友在身边,远渡重洋,还是有点小害怕呢。
那么还有没有更合适的折中方案呢?
方案三:线上学习国外的硕士项目
由于上面几种方案或多或少的问题,现在已经有很多国外的优质高校推出了线上学习的硕士项目,例如佐治亚理工、伊利诺伊理工、UCLA等等。学习内容和课程设置和实地进修是一样的。不同的是!可以完全线上学习,结合自己的时间完成课业,最大程度的减少进修对工作和生活的冲击。最近受到疫情的影响,很多大学的本科生研究生,都强制改成了线上学习模式,这种模式在美国早就已经非常普遍啦= ̄ω ̄=。
举例来说,伊利诺伊理工大学计算机硕士项目就是其中一个非常成熟的项目。(伊利诺伊理工大学,简称IIT,是一所世界知名、实力雄厚的综合性私立大学,长期被US News和Princeton Review等权威机构评为美国百强大学,尤其在工科具有不错的科研实力~~)
这个项目涵盖了从理论到实践的多种课程,比如算法与数据结构、体系结构、数据库、网络、人工智能、数据挖掘等。还有人工智能硕士项目,也覆盖了机器学习、深度学习、CV、NLP、机器人等最新的主流理论和应用。貌似美国现在已经开设独立的人工智能硕士项目的学校还很少,其他主流学校大多只是把AI放在计算机硕士下面当成一个方向。
当然啦,这个项目最最最吸引人的地方,是它灵活的上课形式。有两种选择,一完全线上学习,拿下硕士学位;二无缝衔接的转到芝加哥读书,然后直接去硅谷工作b( ̄▽ ̄)d大显身手~
学习内容(教学视频和学习资料等)直接在国内的服务器上就可以看,不需要VPN,有中英文字幕,支持回放,还能提前预习,非常方便!每周定期发放课程内容,可以灵活安排时间学习。再也不用担心学习影响工作,学习成本太高的问题啦。简直不要太贴心了~~
提前一览一下叭~
 第1张图片 除此之外,这个项目有学校聘任的彼岸教育做本地支持,可以根据国内学员的情况提供系统和教务的帮助。会不定期举办一些线下学习活动,平常也可以直接在微信群里交流,分享自己学习的问题和心得。这种线上线下相互配合的方式,不但可以系统的加强知识的储备,还有可以合理地分配时间,保证学习质量。自控力弱的小伙伴在学友的影响下也可以更好的监督自己,更有学习的动力。
将知识系统的建立起来,并结合实践,自我能力的提升一定会对工作和自我都有很好的帮助。
计算机科学是一个快速发展并且广泛联系实际的一个学科。一旦选择计算机学科就要准备好lifeong learning,不断更新自己的知识储备。读研究生的意义其实就是自我的提升,加强知识的理解,并结合到实践中去。学无止境,只有长期的自我提升,才能更好的运用结合到后期的工作中。不管选择什么方案,都要不断学习,提升自己鸭!
回复 支持 反对

使用道具 举报

 
板凳
白三凉 发表于 2020-11-24 11:01:23 | 只看该作者
 
在工作中提高自己的技术水平和在研究生期间提高自己技术有什么不一样?
讲到后来偏题了。不过,我觉得或许对提问者会有帮助,因为其他答案我认为没有触及这个问题的本质。
工作/实习注重技术的实用性:快速学习一项技术并利用其解决问题的能力,研究生注重技术的开拓性:1)发现新的有意思的问题 2)发现现有成果的问题并改进 3)解决一个长期未解决的问题。当然,这个定义并不绝对。
简单讲,工作的时候(研究所和研究机构工作除外)大部分都是快速学习已有技术/解决问题方法并对其进行应用解决公司感兴趣的问题,研究生阶段则是发现未知的领域,探索新的可能性。并努力让你做的研究成果在未来服务于其他技术领域的同行。
我认为要在计算机行业取得成功,无论你读研究生还是去工作,有一些基础的知识你都需要了解,这些基础知识包括:操作系统原理、体系结构、面向对象和函数式编程、编译器原理、计算机网络、算法分析。有了这些做研究才能起步,在工作中也才能和人交流。这些并不是工作中不需要的,好的技术公司无论侧重哪一方面,所有上述知识都是或多或少需要的。另外,无论读研究生还是去工作,都需要了解一些基础的技术:高效的使用键盘,高效的使用类Unix系统,高效的使用一种文本编辑器(作为最熟悉语言的编码环境),熟练的使用版本控制软件(如果你还没有经验,那么建议直接学git,其他的都不用学了),熟练的使用你常用编程语言的调试器 (gdb/ddd等),快速生成排版优雅的文档/演示+快速分析数据结果(如LeTex和matplotlib)。另外,不论你去读研究生还是去工作,都需要这些社会工程学的知识:电梯演讲(迅速向人推销你的想法),公共演讲(对非专业人士和专业人士及领域专家都要能传达自己的思想),速记(迅速理解他人观点并从中提取核心信息),如何提问(比如一个在大部分技术话题中都适用的问题是:How does this scale?),如何在团队中工作。
我可以继续说很久,但是你明白我的意思。计算机科学的核心技能在哪里都可以学到,只是侧重点不同,而学校和工业界所需要的技术是有很大交集的。不论你做何种选择,要选择好的环境和团队,好的技术文化才能孕育出好的技术人才。
最后,地点是个很重要的问题,如果是在美国,在硅谷,那么我个人觉得我说的还算自己的经验之谈。在国内我不了解情况,不敢妄言。
回复 支持 反对

使用道具 举报

 
地板
原来云是水蒸气 发表于 2020-11-24 11:01:35 | 只看该作者
 
终有一天,你会发现,可以凭着自己的兴趣,围绕自己的缺点,去学习,去探索,是多么幸福的一件事情。公司为了利润而雇用你,而只有你自己,会为了自己幸福而将时间投资于自己。假如,本科结束那刻你发现,对于自己这个学科上的认识还觉得有短板,对于自己不懂的东西还感到遗憾,对于自己演讲能力还感到信心不足,对于自己的行业洞察能力还感到欠缺。那就继续深造吧。尽可能探索,尽可能不留下遗憾,尽可能在自己可以自由把握自己时间的阶段中,为自己投资,从而不会在惶惶恐恐后方为昨日的蹉跎而怅惘。

信息科学行业就要进入深入分工的”后工业时代“了。在这个时代中,真正能攫取这个行业80%利润的人,是那20%能探索到技术最核心的人群,剩下20%的利润,留给那些在细分市场里面第二,第三,第四位置上徘徊的公司。20年前,求伯君那种靠个人英雄主义创出天地已经成为往事了。现在的西方世界中,众多计算机专家在各个行业拿着惊人的以小时为计的薪水,他们靠着对于这个系统,一种知识,自上而下的洞悉,寻求最优的解决方案。不否认他们在工作中获得了许多实用的经验,但是恰恰是因为他们在求学中,寻得了对于系统中每一寸原理的认识,从而总结出了极其珍贵的方法论,从而在未来的工作中,即使专注于甚微,也不忘全局的美丽。

好好学下去,让自己有一技防身,让自己可以在未来的许多日子里有一些东西区别于你身边的人。这就是深造的价值。
回复 支持 反对

使用道具 举报

 
5#
若小柒1 发表于 2020-11-24 11:02:01 | 只看该作者
 
我从软件工程的角度来尝试回答一下这个问题

本科的学校一定都有开设软件工程这门课程,但很显然,学完了这门课程并不足以让学生成为一名合格的工程师。

软件工程不会再教怎样写代码(编程语言、数据结构与算法等),但是一定会讲授代码规范于风格、代码管理——这就需要去了解各种Code Covention(Google, PEP8等),去使用版本管理工具(svn, git, hg等等),因为在团队里开发已经不是一个人的事情

软件工程会讲授软件测试——在项目中写单元测试、集成测试、功能测试、性能测试,任何语言在实践中有一整套自己的框架和最佳实践来完成这些事情。

软件工程还教授软件构建、部署和维护等方面的知识—— 以Java为例,构建工具(Ant, Maven,Gradle)、自动化部署(Linux服务器管理配置,Shell编程)、软件演化(代码更新、环境更新、数据库迁移等等)

软件工程里都会讲开发过程、模型,例如瀑布、迭代模型、敏捷过程——敏捷开发中的一条最佳实践持续集成都足够写一大本书来说,在实践中考虑持续集成/交付更是很多企业努力的方向。

还有需求分析、系统设计、性能优化、质量保障等等,软件工程涵盖的是整个软件研发的全生命周期,把任何一个阶段弄清楚,都需要有大量的实践(特别是团队合作实践)作为基础,而计算机专业的本科生,在学习这门课程的时候往往不具备这样的条件

虽然我国特色的现状是,大多数导师(老板)都把学生作为廉价劳动力在创造价值。从另一个角度来说,这些项目也可以成为“练手”的好机会——填补学生实践经验的空白,即时项目再无聊、做的东西再枯燥重复,但只要它的最终交付产品形态是软件,那一定有机会去实践这些软件工程的知识、积累实际项目的经验,如果导师知识要求写各种文档、标书神马的那就木办法了lol

当然可能存在各种障碍——工期太紧张、木有人领入门等等等等,所以还有另外一条路就是去实习——企业往往都是要交付用户实际使用的产品,那么他们内部一定会有很多软件工程的实践,在实习的过程中除了学习如何写得一手漂亮代码以及各种优美的算法,顺带深入了解、印证软件工程知识,对成为一名优秀的软件工程师也是非常非常有益处的。
回复 支持 反对

使用道具 举报

 
6#
babymini 发表于 2020-11-24 11:02:12 | 只看该作者
 
在工作中提高自己的技术水平和在研究生期间提高自己技术有什么不一样?

工作中,一般人一开始都是技术打杂,模块任务。慢慢的看个人能力,交代任务。在一步步往上爬的过程中,熟悉整个架构。在工作实战中,会学习到很多,提高的会很快。不仅是技术,也掌握了工作的套路。
计算机读研,一般第一年上课修学分,第二、三年实习+做老师手头的项目。
不管是哪种途径,技术都有提升,其实,提高技术关键看自己。不同的是,读研期间除了提升技术,更重要的是进行深入学习和研究。本科对计算机学习的深度较浅,以及独立思考以及解决问题的能力方面都有所欠缺,在读研期间,这些会提升很多。
读研能获得什么?

1.文凭
说的功利一点:读研能获得文凭。
很多人都觉得读计算机没有必要考研,计算机这一行业确实主要看实际操作能力。但如果你心仪的工作要求是硕士及以上,没有这份文凭,连简历都递不上去。
借鉴张雪峰老师原话,虽然世界五百强都在告诉我们学历不重要,但是他们不会去那些不知名的大学招聘。
2.工作对口
很多本科生都会有这样一个体会:本科毕业,自己会什么根本不清楚,好像什么都会一点,但什么都不精。
而读研期间会深入学习本科的知识。本科阶段学的比较杂,而研究生主要针对一个方向,所以对这方面学的更深一点,学的算法也会多一点,在研究生阶段,对某个领域有所建树。相对本科,找工作更对口。
还有一点,读研会接触到本科生可能接触不到的领域,像并行计算,数据挖掘,模式识别,图像处理等,如果选好方向,深入学习,出来找工作根本不会和本科生重叠。
3.起点高
相较之下,研究生的找工作起点高,起底工资比本科生多4、5k。比如:研究生相对本科生更容易找到研发类的工作。
4.发展前景
计算机读研最重要的不是学到多少知识或者技术,而是读研能碰见更好的机会,遇到更多牛逼的人。有这样的环境和氛围,更有利于技术更好的提高,以后的发展前景也会更好。


欢迎关注我的微信公众号:九章算法(ninechapter),帮助你了解IT技术前沿,通过面试、拿到offer、找到好工作!
回复 支持 反对

使用道具 举报

 
7#
A刘青松 发表于 2020-11-24 11:02:40 | 只看该作者
 
目前所在的团队长期和几所高校进行合作研究,每年也都有不少计算机专业硕博实习生参与项目。个人的看法是:硕士博士生阶段,提高的主要不应该是技术,而是对研究领域更深层次的理解。硕士本来就是对今后做研究打基础的一个阶段,如果学生个人对研究没有什么兴趣,建议不要读。基本上对研究有兴趣并且态度方法都相对正确的学生,本科阶段毕业设计和论文就可以看出一些端倪;而偏向工程方面的学生则会试图寻找更多项目编码机会,一般是什么热学什么。相对而言,毕业后直接做产品开发的程序员,他们可能会在今后1-2年内大幅度提升对某些技术的熟练度,比如某些语言,某些框架,以及某个业务领域的相关知识,但对于他们较少接触的基础知识领域会逐渐淡忘。而选择做研究,这些投入到技术层面的精力和时间会转化到对基础知识理解的深度和广度方面,他们会有更好的视野,但相应地对技术的熟练程度不如前者。

从我个人面试和带过的一些学生来看,我觉得学校不是最重要的,最重要的是态度。愿意下功夫,基础、技术都可以补,方法可以慢慢学,这些都只是时间问题,但态度很难改。

以上谈的不包括某些个例,比如编程能力和研究能力都很强的学生,也是有的。至于说为导师干活,我觉得在选导师的时候就应该先了解这些情况。一个导师是否靠谱,学生之间都是会有风评的。
回复 支持 反对

使用道具 举报

 
8#
暖暖的冰红茶 发表于 2020-11-24 11:03:07 | 只看该作者
 
外企的 senior manager 还是需要硕士学位的。
回复 支持 反对

使用道具 举报

 
9#
海昌俊杰 发表于 2020-11-24 11:03:58 | 只看该作者
 
参考:少帅计划 - 百度深度学习研究院
当上CEO,迎娶白富美,从此走向人生巅峰。

========================以下是干货=======================
如果真的希望做研究的话,目前各大IT/互联网企业,对research岗的需求是非常大的,而且起薪和平均薪资都高于一般的研发岗。
以北京的起薪为例:
MSAR: 起薪30w+,有户口;
Hulu: 起薪40w+,有户口;
百度IDL:起薪30w+;
主要需要的研究领域都是机器学习、数据挖掘、分布式计算,也就是所谓大数据的相关领域。

这些岗位也有一定的招聘要求,主要是研究生阶段发表的论文。CCF上A类的会议能有个两篇的样子,杂志能有个PAMI、MLR,基本上述公司就可以任选了。当然一般硕士生,除非是国内Top2的,很难可以达到这个水平。
回复 支持 反对

使用道具 举报

 
10#
天城长梦 发表于 2020-11-24 11:04:52 | 只看该作者
 
这件事我最近挺有感触的。
前段时间工作中我发现,我所谓的学习,进步,往往都是面向功能学习。
比如今天工作让我对信号做一个功率谱,需要自相关,傅里叶。我就调用numpy包,调用相关函数,快速傅里叶。这样的结果往往是我根本不懂相关函数,傅里叶是什么。最后出来的功率谱我也不懂是什么,有什么特性和应用。
这样所学的知识,只能让我走好前人走过的路。如果让我自己创造一点什么,甚至更简单点,让我去做一个没有什么资料,业界说法不统一的研究,我是没有办法进展的。
而读研究生,能够让你至少系统的学习一个东西。系统的学习能够帮助你彻底了解一个事物。比如你学会了自相关的意义,明白了这是在给信号寻找周期性。了解了傅里叶的意义,明白了这是将时域信号频域表示,你就会想到功率谱是找到信号的周期频率。
通过系统的学习,你彻底弄懂了这块知识,能够熟练的应用知识向前推进,创造出你想要的功能。
当然,这种事工作也应该做。但是肯定没有学生生活这样做的专注,做的效率高。
回复 支持 反对

使用道具 举报

 
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

排行榜
活跃网友
返回顶部快速回复上一主题下一主题返回列表APP下载手机访问
Copyright © 2016-2028 CTLIVES.COM All Rights Reserved.  西兔生活网  小黑屋| GMT+8, 2024-5-18 11:28