28岁的物理工程师，想转行做AI到底值不值？机器学习工程师在企业中的现状又是什么样子的？
一则求助帖，在今日的Reddit论坛上迅速发酵：
我是一名物理工程师，对目前的工作不那么感兴趣，甚至有点想回学校稍微逃避下现实和责任。
在没毕业前，有人建议我去搞机器学习，也激励我去做计算机视觉方面的实习，去做更多的项目等。目前我已经有一份工作了，我想“重新考虑”这条路。
目前的工作能看到数据处理的重要性和繁琐性。
基于上述原因，我原来越倾向参加一个AI方面的一年制专业硕士课程。但是，我想知道数据/机器学习工程师在中大型企业中的工作到底是怎么样的？
我不打算成为一名程序员了，因为我不那么年轻已经28岁了，并且知识背景中大多数与物理相关。我想这样的话，自己没有搞计算机的那群人有竞争力。
所以，我应该弃工作选择读书吗？
我知道求助陌生人似乎不太明智，但我希望从别人的故事中找到对自己的帮助。
一时间，这则贴子下众说纷纭，网友从不同的角度，拼凑起当下机器学习工程师的真实工作全貌。
ML工程师的岗位略显尴尬
网友mimighost表示，首先应该摆正对机器学习工程师的认识，可以说这个岗位本身有些矛盾。
他认为，将机器学习工程师首先应该是一个合格的程序员，你的编程技能应该超过你所掌握的所有科学知识。
所以，此前即使是非科班出身的物理工程师，也应该先把提升点放到编程本身上。
mimighost认为，在程序员行列中留给机器学习工程师的岗位非常有限，岗位本身就是矛盾的。但可以考虑向机器学习研究员或者研究科学家方向发展。
要是想这样发展，只读个一年硕士怕是远远不够，怎么着，也得是个博士了吧。
年龄不是门槛
一位网友和楼主有着相似的困惑，表示年龄28，在于年轻人竞争同一岗位时，会不会没有优势反倒是劣势啊。
这个问题倒是不难理解，“35岁的程序员该何去何从”也是国内程序员们担心的问题之一呀。
网友fakemoose认为，在这个年龄段无论如何也不应该申请非常入门的岗位了，应该利用已经积累起来的经工作技能。
也有网友不服，表示在数据科学领域，即使是入门级别，其收入也已超过美国90%人口了。
还有更多不同的声音：
如果年龄超过了40岁，则可能是一个限制因素。
——analyst___apu
我是从30岁开始从物理过渡到机器学习的，所以这个年纪转行是可能的，我是自学。
——amnezzia
大多数认为，28岁依然年轻。大部分人读完博士也老大不小，大有资本去探索新领域。年龄不是门槛，行业经验才是。
学好数据科学
不少过来人的建议是，数据科学技能是转行之后的最大挑战。
而物理学转到AI？其实很加分。
网友i_love_FFT表示，自己是一个乐观主义者。如果能在现在地区找到一个高科技公司，则物理学的背景是个加分项，是个必须的技能。
如今，几乎每家科技公司都在建立机器学习团队。尽管对于那些做过大量在线编程课程和有某网站的AI证书的人来说很容易，但最大的挑战始终是找到能够理解数据本身的人！
如果具备物理工程背景，那么能够很好地理解基于物理的数据，包括传感器数据，物理系统模型等。这种技能与对机器学习的兴趣相结合，就是求职过程中的闪光点。
除了数据科学，请一定学好Python啊。网友Heartomics表示，自己最大的阻碍就是接受一种Pythonic的做事方式。
机器学习程序员的一天
那么，程序员的一天是怎么过来的？
一位机器学习工程师总结了自己在一家全球员工数过10万的系统集成商工作的时刻表。
他表示，理论上来说，他们的工作是设计模型、调整模型、设置NLP pipeline，重构数据科学家编写的代码，并做一些云端的任务，对吧？
但事实上，他需要做的是任何客户想要的东西。自己的身份也是多变的：
可以是Python开发人员、数据工程师、数据科学家和数据分析师。虽然在自己看这些都差不多，但在客户看来，区分这些岗位会显得这个任务多样化。
大概就是：我是一块砖，哪里需要哪里搬。
目前正在同时处理三个项目：一个与销售相关，一个是需要重构代码的成熟项目，还有从PoC迁移到NLP项目。
一天的时刻表大概是这样的：
09:00 电话会议
09:30 开展NLP项目（Python）
11:00 电话（1小时）讨论销售项目
12:00 午餐
12:30 电话演示时间
13:00 项目工作（Python）
15:00 讨论项目
16:00 查看同事模型的文档设置和超参数。
17:00 回家。
诶？朝九晚五的程序员？
读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用
对于0基础小白入门：
如果你是零基础小白，想快速入门大模型是可以考虑的。
一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。
包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
👉AI大模型学习路线汇总👈
大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）
第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；
第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；
第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
👉大模型实战案例👈
光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
👉大模型视频和PDF合集👈
观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
