最近正值
校园招聘
季节，无数的学子正踏上求职的征程。
从这几年的整体发展情况来看，随着人工智能方向越来越火，开出的薪资也逐渐上涨，机器学习，CV 和 NLP 的校园招聘也变得越来越激烈，想从事这几个方向的应届生人数确实也日益增多。
除了计算机专业之外，数学，统计，物理，生物，化学，材料等各种各样的学生都开始转行做人工智能。
提到转行，基本上就是不希望在原有的专业方向继续深造下去，而想着换一个全新的方向重新开始。
其实不仅是工业界，学术界很多时候也会有换方向或者供过于求的情况，虽然把学术界和工业界放在一起比较不是那么的合适，不过说到人才饱和，整体感觉还是学术界的饱和程度高一些。
学术界 VS 工业界
之前在学校读书的时候，就听一些老师说过，最近放出来一个助理教授的职位，但是收到了 200-300 封简历，全部都是北美欧洲或者国内名校的 PHD。
之前听说在 1980 年的时候，数学 PHD 还不需要做 posdoc 就可以找到工作；
到了 1990 年，基本上都要做一两年的 posdoc 才可以找到下家；
到了 00 年以后，回国的话马上还能找到一个不错的职位，虽然工作不高，但是对论文的要求也没那么高；
等到了 2010 年以后，国家千人计划等项目的开启，没有在国外混到一个好职位的，没有几篇好文章的，基本上在国内就没法找到教职了。
等到了 2020 年，甚至 2025 年之后，还真不知道是什么样的行情了，进入好学校的要求肯定是越来越高，要求的论文数量也是越来越多，质量也是越来越高了。
类比机器学习岗位可能也是一样的。
在 14-15 年的时候，学生们可能做过一些 Kaggle 竞赛，会用一些逻辑回归，随机森林，懂得各种常见的机器学习模型就已经可以拿到 offer 了。
在 16-17 年的时候，学生们用 tensorflow 做过手写体识别，常见的一些图像处理和 NLP 任务，用 XGBoost 做过一些模型训练，再加上一两篇顶级会议就能够找到不错的岗位了。而
到了 18-19 年，随着顶会论文数量的增加，
在某些公司的某些部门
顶会论文很可能已经成为了面试的入场券，不仅要看机器学习方面的能力，还要看写代码方面的能力，而且还不一定能够保证拿到最后的 offer。
想进入学术圈或者数学圈还是相对困难一些的，再怎么说也需要经历本科四年的数学训练，硕博四五年的时间才能够拿到数学界的入场券，并且数学的困难程度已经足以拒绝掉很多想中途超车的人。
有人也曾经说过“
还没见过比数学书更生动的劝退贴
”。毕竟
数学本身自带劝退的光环啊。
就个人的经验来看，一个学校的数学系本科生，在学习完数学分析和高等代数之后，就已经有一半的学生放弃学数学了；
如果读完实变函数，那么就在剩下的学生中走掉一半以上；
如果学完微分流形或者拓扑学之后，剩下的学生就寥寥无几了。
想劝退人的时候，给一本 GTM 52 就可以了。
算法的门槛比学术圈的门槛低多了，学术圈好歹还需要一个相关专业的博士学位，基本上不会考虑本科生和硕士生。如果是
算法方向的话，网络上的各种资料实在是太多了，照着这些教程搞一搞都可以说自己是搞算法的了。
因此，搞算法的学生也是越来越多，但是想做到顶尖水平是非常困难的。
机器学习的从业者可以使用各种各样的
开源工具
，有的时候还不需要知道它们背后的原理和知识就能够达到一定的算法效果。
站在诸多巨人的肩膀上，不少人都能够迅速上手做相关的事情，而不需要从头开始学习各种低层的技术。
因此，数学界方面的求职者可能需要十几年甚至几十年才能够增加一定的比例，机器学习方面的求职者就在短短的几年内迅速增加，甚至在某些岗位的求职比就能够达到几十比一甚至一百比一。
深度学习的开源工具
科班 VS 非科班
如果在校学生所在的实验室是长期深耕于机器学习，NLP，CV 等方向的，正如大家都知道的那几个经典的 lab，那么对于学生而言还是非常值得投入时间做人工智能的。
毕竟找工作的时候自身的能力是一个方面，团队和导师给的能力加成是另外一个方面。
在这个行业深耕多年，导师，师兄师姐们或多或少都会有些资源，对新人找工作是有巨大帮助的。
反之，如果所在的实验室根本不做机器学习，或者说只是刚刚开始做机器学习，那么这些学生能够得到的相关帮助其实是非常有限的，甚至还会受到各种各样的阻碍，从而导致会走更多的弯路。
如果是这种情况，转行找机器学习方向的难度其实还真的不小。
个人感觉，对于非科班学生而言，想转行做机器学习的最佳时期应该已经过去了，在 14-15 年的时候，算法岗位逐步热门，大公司开始招聘这方面的人才。16-17 年的时候应该算招聘的热门时间段，这段时间对算法岗位有很大的需求量，业界对人工智能的期望也非常高。到了 18-19 年，各方面的人才基本上已经储备好了，那么对机器学习人才的需求就水涨船高了。基本上还是希望做过这些方面的工作，等学生到岗位之后就可以直接上手干活，而不是来了之后再慢慢培养。这种情形下其实对非科班的学生而言就不算太友好了。这种情况下，只能够付出比之前更多的努力，才有可能获得类似的就业机会。之前为非科班学生也写过一篇文章，贴在这里希望有所帮助吧：
非计算机专业学生如何转行 AI，并找到算法 offer
？
知乎上 AI 就业相关问题
不仅从岗位的投递比可以看出算法岗位的候选人是越来越多了，另外
从知乎上的问题也能够看出，机器学习算法岗位的投递人数确实远远超过预期和其他岗位。常见的一些
热门问题
如下所示：
（1）如何看待字节跳动招聘收到的算法工程师简历的数量远超需求？
（2）算法工作的发展前景如何，在 2018-2019 年这个时间节点还值得进入么？
（3）2019 校招各互联网大厂的算法岗是否存在供大于求的现象？
（4）如何看待 2020 届校招算法工程师岗位求职人数远大于招聘岗位的现象？
除了公司的岗位之外，从海外 PHD 的申请情况来看，人工智能的 PHD 也是诸多学生追逐的对象。常见的问题有：
（5）如何看待 AI 方向 PhD 申请竞争过于激烈的现象？
（6）如何看待 2019 年 CS PhD 现扎堆申请且大部分为 AI 方向？
未来几年 AI 泡沫会破裂吗？
另外，对于本科生而言，人工智能已经纳入了一些 985 高校的本科专业，未来也会有很多本科生进入工业界和学术界。
整体来看，无论是校园招聘还是PHD申请，近两年想从事 AI 的人数是越来越多，未来估计会进一步加剧。
等这一批本科生，硕士生，博士生毕业的时候，可能就是竞争最激烈的时候了。
知乎上搜索“机器学习 供大于求”得到的内容
总结
有的时候找工作也看运气，实力固然是一个方面，时机和大环境也会占据一定的因素。正如知乎上有的答案所说的
“
你什么都没做错，只是晚来了一步
”
（原话貌似是：
“
其实你什么都没有做错，错在你太老了
