计算机视觉毕业后找不到工作怎么办?
本文原文鏈接:計算機視覺畢業后找不到工作怎么辦?,來自知乎上的同名問題,原文鏈接:
https://www.zhihu.com/question/335451320
對幾個優秀的回答進行了整理,解釋權歸答主所有,如有侵權請聯系刪除,
以下觀點并不代表計算機視覺life觀點僅作為參考。
本人目前是985高校渣碩一枚,準研三,方向是計算機視覺。成績中等,無論文,無比賽經歷,有項目經歷。導師基本放棄科研,平時學生都處于放養狀態。編程基礎還可以,自認為在教研室算好的了,python用得比較熟,C 也會一點。pytorch, tensorflow,keras等框架也用的還可以,之前為了找工作做準備,自己還復現了幾篇論文中的代碼放在github上,但獲贊數寥寥。當初選擇該方向時,深度學習正處于大熱階段,什么無人駕駛,人臉識別聽起來就很高大上,似乎人人都想往這方向轉。然而到了找工作的時候了,發現就業形式和我想的相差太大。最近陸陸續續有公司開始秋招的提前批了,計算機視覺崗位招的清一色算法工程師,沒有論文,或者大賽獲獎的找到算法崗的簡直不要太難,周圍的同學都開始紛紛轉Java開發,自己也開始慌了。想到學了兩年的cv,最后工作都找不到,一時間十分失落,感覺如果去做Java開發,還不如本科一畢業就出去工作,完全沒有讀研的必要。所以我想問的是現在跟深度學習,機器學習相關的專業,是不是都快爛大街了,是否應該勸退后來者。為什么網上很多鼓吹AI的,營造出一種很好就業的錯覺,然而到最后大多數人都找不到這方面的工作。
zhongyian :
一、開發崗和算法崗無高低貴賤之分
學兩年算法做開發,覺得學無所用,轉開發又比不上專門做java的人專業是可以的,但隱約有點瞧不上開發崗不太鼓勵。往大了說,任何工種都是平等的,更何況都是程序員;往小了說,算法工程師本上還是工程師,是開發的一種。開發方面大佬也多的是,只是最近算法比較火,但是未來還真不好說。
二、算法:研究崗與研發崗對應的能力
說到這里,可能會有人反對:算法就是建模,和開發兩回事。但是就我找工作的經驗,私以為算法分兩種崗位,一種是研究崗,這類崗位包含大部分博士和少部分碩士,做建模工作,發發文章;一種是研發崗,這類崗位是少部分博士和大部分碩士,負責研究崗研究出的算法的落地,會涉及到數據清洗,特征工程,開發上線等工作。
大部分碩士瞄準的肯定是研發崗,這就要求開發能力必須過關,這也是為啥開發崗和算法研發崗都要考leetcode一樣,因為算法效率在實際生產中還是有要求的。也就是說,工業界用的算法是滯后于學術界好幾年的,不要對公司所做的算法有太多的幻想,現實數據比你想的質量差太多,現實用的算法也沒有那么高端。也就是說,大部分時間不是用在建模。
三、勸退 or 鼓吹?
事實上19屆秋招算法崗就有些供過于求了,頭條甚至發了算法勸退貼。而由于前幾年算法就業形勢太好,導致一大批人轉算法,這部分導致的泡沫其實還沒有消化掉,比如題主現在就在吐槽。其實不是現在算法突然不好找工作了,而是之前太容易了。
至于勸退還是鼓吹,肯定是要勸退一部分盲目入行的同學,但其實公司也是有算法工程師的缺口的,遇到的好幾個hr都說,收到幾百份簡歷,但是沒什么匹配的。所以說做算法的人多是真的,可是需要做算法的人也是真的。矛盾點在于供需不匹配。
其實,市場這雙無形的手是會調整的。高薪、低門檻勢必吸引更多的人做算法,人多了門檻肯定高、薪水也不見得高多少,19年有些開發同學是可以拿到和算法同學差不多的薪資的,這在前兩年可不是,薪資低了,門檻還高,做的人自然而然就少了。
四、有時候和你做什么無關,和你做到什么層次有關
不得不說,算法相對于系統等其他方面是好發文章的,現在挺多碩士都有文章,一個學弟(馬上研三)也是做視覺,研二時候就兩篇A類一作文章了。出去開會,也會發現現在碩士甚至本科好多同學都有文章,或者在很多競賽中拿到名次。
倒不是閉眼吹周圍人多厲害,而是在hr篩選簡歷過程中,一份簡歷有這些加分項,一份沒有,基本肯定是要選有加分項的。功利的來看,幾百份簡歷,沒有明確的加分項,hr有多少時間,又如何能確定你基礎扎實呢?尤其想去大廠,簡歷不出彩是真的有點難。
五、一定要有憂患意識,規劃一定要早
985碩士想在激烈的求職市場上躺贏也是有點困難的,你說的python,c ,tensorflow,torch只是算法的入場券。當然了,導師不怎么指導的確也是不利因素,自己單打獨斗的確困難。但是一定要眼光放長遠,入學的時候應該想到,哪有能一直火的專業呢?
給題主的建議:
1、劍指offer太簡單了,leetcode刷個一遍吧。不要望洋興嘆,周圍有好幾個leetcode刷兩遍的,也沒啥文章和競賽,但是最后工作都不錯。
2、找直系學長學姐,部門領導直推(不等于給個內推碼的那種,當然如果只能找有內推碼的,也不錯了)。
3、明確自己的定位,有時候不是找不到工作,是找不到滿意的工作。
4、不要慌,985計算機碩士已經比市場上絕大部分人好找工作的多了,堅持住,結果不會太差的。
匿名:
如果你同時學了Java,C 和cv,你可以自己比較一下,你覺得你學的那點cv,真的比搞開發更有技術含量嗎?
反正我周圍很多非計算機科班出身的人,做開發對他們而言難度和跨度都太大。相比較之下,學個python,看看論文,找個開源項目改吧改吧就能跑出個結果,反而更容易。畢竟算法對他們而言唯一的區別就是原來要寫Matlab,而現在變成了python。
這樣的人如果不是理論水平特別特別高,我不知道企業招進去有什么用。
所以現在招人也聰明了,上來就leetcode甩臉,medium,hard整起來。所以我覺得你如果還想找到比較好的崗位,就先把leetcode刷出來。論文發不起,代碼再不行,那就尷尬了。
鄧真山 :
看題目,感覺題主的焦慮是找不到工作;再仔細看,感覺題主的焦慮是“自己學了一身屠龍技,卻為生計所迫只能寫java,做自己不喜歡的工作
”那我搞明白題主的焦慮了:你是想站著,還想把錢賺了。
但你想賺大錢,又不喜歡寫java,覺得“寫代碼”就是比“做算法”低賤;你又想干自己喜歡的cv,你自己又說“無論文、無比賽經歷”。目前校招市場行情如何,自己有幾斤幾兩,心里沒數么?
題主自稱來自某“985高校渣碩”,又說說自己在“周圍的同學都開始紛紛轉Java開發”的時候才“開始慌了”,請問題主把自己的學校認定成多高的象牙塔,才能在入學到求職期間如此漫長的時間一直心定定,自我欺騙,活在“我進了985,雖然導師渣一點,但依然能找到cv的算法崗工作,命運是眷顧我的,我是天之驕子哈哈哈”的錯覺中
既然題主擔心的還是“找不到工作”,那么就說點實際的。
題主看不起java,那請問:
jvm內存分哪幾塊,每一塊在實際執行任務時的作用有哪些?
大規模數據流任務(往往是你們做算法的看不起的數據清洗工作)出現延遲時,有哪些方法可以迅速降低延遲?
題主喜歡搞cv,請問:
你們公司的圖像/視頻數據特別臟,請問你是放任自流,讓算法指標見鬼,還是想方設法清洗數據?
你們公司的數據質量特別差,請問你是拔槍見佛,還是想方設法跟同事/老板溝通,讓數據質量好一點,哪怕降低1‰的臟數據率?
這些問題你有想過么,還是你只活在自己的世界里,認為“我進了985,就應該找大廠的cv工作,過幸福燦爛玫瑰色的一生”?
匿名 :
985碩士水平,除了搞ACM那幫人之外,其他人水平能差多少。
學了兩年CV都學了,再硬著頭皮寫JAVA不難吧,如果你本科作業好好自己寫的話。
CV往后發展就慢慢回到最初的起點,就是很早以前CV那幫人做的東西的狀態。
作為親眼看到DL從15年到19年,也親眼看到眾多MS的發展軌跡,現在入DL就是幾幾年入那啥反正你懂的。
目前來說,作為計算機專業的學生,做好本職工作,寫代碼,兵來將擋水來土掩。
最怕的是本科非科班強行轉MS做CV,CV沒做好,科班知識也沒學多少,這才是最尷尬的。
推薦閱讀
如何從零開始系統化學習視覺SLAM?
從零開始一起學習SLAM | 為什么要學SLAM?
從零開始一起學習SLAM | 學習SLAM到底需要學什么?
從零開始一起學習SLAM | SLAM有什么用?
從零開始一起學習SLAM | C 新特性要不要學?
從零開始一起學習SLAM | 為什么要用齊次坐標?
從零開始一起學習SLAM | 三維空間剛體的旋轉
從零開始一起學習SLAM | 為啥需要李群與李代數?
從零開始一起學習SLAM | 相機成像模型
從零開始一起學習SLAM | 不推公式,如何真正理解對極約束?
從零開始一起學習SLAM | 神奇的單應矩陣
從零開始一起學習SLAM | 你好,點云
從零開始一起學習SLAM | 給點云加個濾網
從零開始一起學習SLAM | 點云平滑法線估計
從零開始一起學習SLAM | 點云到網格的進化
從零開始一起學習SLAM | 理解圖優化,一步步帶你看懂g2o代碼
從零開始一起學習SLAM | 掌握g2o頂點編程套路
從零開始一起學習SLAM | 掌握g2o邊的代碼套路
從零開始一起學習SLAM | 用四元數插值來對齊IMU和圖像幀
零基礎小白,如何入門計算機視覺?
SLAM領域牛人、牛實驗室、牛研究成果梳理
我用MATLAB擼了一個2D LiDAR SLAM
可視化理解四元數,愿你不再掉頭發
最近一年語義SLAM有哪些代表性工作?
視覺SLAM技術綜述
匯總 | VIO、激光SLAM相關論文分類集錦
研究SLAM,對編程的要求有多高?
2018年SLAM、三維視覺方向求職經驗分享
2018年SLAM、三維視覺方向求職經驗分享
深度學習遇到SLAM | 如何評價基于深度學習的DeepVO,VINet,VidLoc?
AI資源對接需求匯總:第1期
AI資源對接需求匯總:第2期
AI資源對接需求匯總:第3期
計算機視覺是人工智能之眼。公眾號已原創170篇文章,兼具系統性,嚴謹性,易讀性,菜單欄點擊“匯總分類”查看原創系列包括:三維視覺、視覺SLAM、深度學習、機器學習、深度相機、入門科普、CV方向簡介、手機雙攝、全景相機、相機標定、醫學圖像、前沿會議、機器人、ARVR、行業趨勢等。同時有入門基礎、項目實戰、面試經驗、教學資料等干貨。一鍵關注星標,加技術交流群,一起進步。
總結
以上是生活随笔為你收集整理的计算机视觉毕业后找不到工作怎么办?的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: Kitty-Cloud服务搭建过程剖析
- 下一篇: 微软Win10这些黑科技小功能你都用过吗