为了更好得回答这个问题,我们先来介绍两个背景知识。
第一,北美目前机器学习相关的硕士可以大致分为三类。第一类是计算机类/CS项目。随着机器学习近几年越来越火爆,越来越多计算机硕士项目开设了ML或者AI方向的track或者concentration。第二类是数据科学/DS类的项目,近几年虽然DS项目越来越多,但是申请难度却日益加强。最后是其他类项目,比如统计/OR/Management Science and Eng/CSE/IS/EE。这些项目为了与时俱进,在课程设置的时候往往都会安排一两门机器学习相关的课程。
第二,北美目前机器学习相关的岗位大致可以分为三类。第一类是以发论文为目标的researcher岗位。第二是机器学习工程师Machine Learning Engineer或者Software Engineer, Machine Learning。第三就是数据科学家Data Scientist或者应用科学家Applied Scientist。
这三类岗位中,第一类岗位不是Master的目标岗位,我们来重点讨论第二类MLE和第三类DS岗位。首先,并不是所有的DS都是与机器学习相关的。这就意味着,市面上绝大多是的机器学习类的岗位,其实是Engineer岗。例如Google,Facebook,LinkedIn等公司,都是以MLE为主要的机器学习岗位。所以如果之后想以机器学习为职业发展方向,那么MLE是一个机会更多的岗位。如果本身对于做Engineer并不感兴趣,例如微软或者Amazon的Applied Scientist以及很多金融企业或者传统企业,也提供了一些ML相关的工作机会。
大部分面向毕业生的Entry Level岗位往往重视的是员工的执行能力。而ML类的岗位往往还需要有比较好的领域理解(Domain Knowledge)和设计能力(ML Design),这些能力有时候并不是应届毕业生所具有的。这就意味着其实针对应届毕业生的ML类的岗位其实并不多。同时,很多各个学科的Phd也在考虑ML为自己的就业方向。这两个主要因素造成了ML方向的new grad岗位竞争往往是相对激烈的。但是ML这个方向的本身依然有着非常有很好的前景,在职跳槽后也有着很多的就业机会,如果你是一个对ML有热情的人,这一定是一个值得你去为之努力的方向。
最好,通过以上的分析,我们可以看出,CS, ML Track的毕业生,有着最好的就业前景。同学们在做职业规划的时候,也要尽早确定好自己是想在ML DS这个方向上深耕,还是同时兼顾Engineer的相关技能。