摘要：如果你的目标是成为数据科学家或机器学习工程师研究员，那么有博士学位会给你加分不少。当然，有些人更喜欢学术研究，而不是在行业中运用数据科学或机器学习。二硕士学位入行数据科学需要硕士学位吗视情况而定。
作者 | Jeremie Harris
翻译 | Mika
CDA 数据分析师原创作品，转载需授权
首先我要说的是，我是一名博士肄业生。
这个头衔给我带来了所谓的光环，它暗示我在研究生院待过，做过一些学术研究。完成博士学位，意味着你不过是千万个”书呆子”中的一员，而在学了几年后辍学似乎显得你更有个性。人们期待知道你之后会做些什么。他们可能会说，“特斯拉的CEO Elon Musk就选择放弃研究生学位，离开学校去创业，你也可能成为下一个Elon！”
那么如果想入行数据科学，学历重要吗？一定需要博士学历或研究生学历吗？在本文中我将分享我的看法。
我在数据科学导师制创业公司工作。在工作中，我已经面试过数千位有抱负的数据科学家，当中有些人有博士学位，有些有硕士学位，有些是本科生，也有各个阶段的肄业生。这也让我对数据科学职业有了更深的认识。
STEM：科学（Science），技术（Technology），工程（Engineering），数学（Mathematics）这四门学科
有许多人会向他人咨询，是否要继续深造读研或读博，而当中很多人对前景没有全面的分析。
其实不是所有的学位都适合每个人，原因如下。
一、博士学位
（这可能会让许多有博士学位的人感到不舒服，在此我提前道歉。）
“我看到许多数据科学工作都需要博士学位。我是否要有博士学位才能成为数据科学家呢？“
不，并不需要。
不要误会我的意思，博士头衔的确会给你带来明显的优势。但也要考虑一些现实因素。
如果你的目标是成为数据科学家或机器学习工程师/研究员，那么有博士学位会给你加分不少。但与此同时也要考虑以下两点：
1.获得博士学位需要非常长的时间。
2.除非你跟着合适的导师，攻读合适的学位，否则你可能学不到任何有价值的东西。
针对第1点，在美国或加拿大，获得博士学位需要4年到8年才能完成。平均需要5到6年，具体取决于学校。现在让我们把它放到透视中。
在数据科学领域瞬息万变，5年内各种成果层出不穷。要知道，在5年前Spark、XGBoost、jupyter notebook、GloVe、spaCy、TensorFlow、Keras、Pytorch、InceptionNet、ResNet、强化学习等等都还不存在。
因此，除非你打算当新技术出现时，花时间自己钻研。否则你会发现学习期间接触到的技术远远跟不上当下的发展。这意味着即使你毕业后，还需要自己学习这些技术。
关键在于，数据科学和机器学习的发展非常快，在未来只会发展得更快。因此，当考虑攻读数据科学或机器学习相关领域的博士学位时，你实际上是把赌注都下在你所要学习的领域。你希望在毕业时，该领域还是炙手可热的。而这样的赌注很冒险，而且赌注很高。
第2点，思考一下你的导师是谁，为什么他们没有在Google或Facebook工作。
当然，有些人更喜欢学术研究，而不是在行业中运用数据科学或机器学习。但值得记住的是，行业顶级的机器学习人才的薪资是非常丰厚的，因此学术界的可能会稍逊一筹。
当然，有些地方也有些例外。这主要指的是加拿大的Vector Institute或MILA；麻省理工学院和美国伯克利的数据科学课程等顶级精英项目。
总结一下：如果你只想成为Airbnb的深度学习工程师，那么博士学位一定程度上能成为你的敲门砖。但是，如果你不是在顶级项目中攻读博士学位，那么不要期望被行业顶尖的公司录用。
但是，如果你想找份普通的数据科学工作，获得博士学位可能并不是正确的举措。你可以用4到8年的时间获得丰富的工作经验，去成长为一名真正的数据科学家，那么出现新技术时，你能更好的进行预测，保持领先的位置。
如果你考虑攻读与数据科学无关领域的博士学位（例如物理，生物学，化学），并且目标是找数据科学方面的工作，那么这条建议可能有些刺耳：如果你离毕业还有18个月或更长时间，而且你确定自己想成为一名数据科学家，那么可以考虑辍学。考虑到沉没成本，你应该对之前决策感到质疑，根据我之前的经验来看放弃可能是正确的选择。
二、硕士学位
入行数据科学需要硕士学位吗？
视情况而定。以下是我列出的记分表，如果根据你的情况，分数大于6，那么答案是“硕士学位可能会有所帮助”。
你有非常相关的STEM背景（物理、数学、计算机科学等本科学历）：0分
你有较为相关的STEM背景（生物学、生物化学、经济学等本科学历）：2分
你没有相关的STEM背景：5分
你有不到1年的Python使用经验：3分
你没有编程相关的工作经验：3分
你不认为自己擅长独立学习：4分
当我说这个记分表实际是一个逻辑回归算法时，你不明白我的意思：1分
注意：
需要考虑的是，你是否需要数据科学硕士学位或数据科学训练营。如果选择参加训练营，要注意他们的激励措施：是否课程完成后保证聘用？是否有与训练营相关的求职指导服务？
许多人都对训练营持怀疑态度，这是有道理的。但大多数忽略的是，他们对待大学所提供的相关硕士学位也该如此。巩固硕士学位就相当于训练营。如果你不在乎你的成绩，那么要注重你从中学到了什么。在选择相应的硕士学位和课程项目时要询问其研究生就业率。有的大学希望学生选一个简单的专业，而不是好的专业，这是一场心理博弈。你的目标是最终被聘用，找到理想的工作，而不是仅仅为了一纸文凭而付出时间和精力。
即使完成了硕士学位，你还需要学习很多技能，可能比你预想的还要多。但只要硕士课程的时间较短(最好不超过2年)，成本不是太高。
三、本科学位
总的来说，是的，成为数据科学家你需要相关本科学位。不仅仅是因为你需要掌握相关知识，而且公司并不认为你通过自学，参加训练营和一些在线课程就能胜任数据科学的工作 。
但关于本科学位你要注意的是，如果你和科技行业的人聊聊，你很快会发现科技型工作中涉及到的内容要远远超出学校课本。这是因为学校所教的本科课程一般比现实情况要滞后5到10年。如果你学的是不会发生很大变化的专业是没有太大问题的，比如如物理、数学或统计数据等。
但是如果你是工程或计算机科学专业，并且你在一家出色的公司实习，你想休学或肄业来获得更多的工作经验，那么你可以考虑这样做。如果你读本科的目的是为了获得一份工作，你已经在一家有不错前景的公司获得职位，那么何必多付几年学费呢。
我的意思并不是你应该不读完本科就去工作，我想说的是，如果你完成了实习并且获得了相应的全职工作，那么对于是否完成学业应该有更开放的观念。而不是因为大家都这么做，才做出这种选择。
结语
在本文中，我给出的一些建议可能不是那么常规。但在数据科学这样快速发展的领域，惯例往往并不是最优选择。当今社会中，人们对传统教育价值的看法应该与时俱进。
当然，这并不意味着正规教育以及研究生学位是不值得的。但是，不应该认为获得硕士或博士学位是必备的。如果你读研读博只是为了符合数据科学职业轨迹的刻板印象，那么你可能需要重新考虑了。
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/19899.html
摘要：第五家公司沉淀期恰好这时候机会又来了现在在职这家公司的部门经理在我前同事前公司同事离职后来了现在这个公司的推荐下和我沟通了一下。 目录 前言 一 大学阶段 二 实习阶段 三 工作阶段 1.第一家公司-学习期 2.第二家公司-转型期 2.第三家公司-质变期 ...
摘要：很长一段时间以来，我注意到很多自称深度学习专家大咖的人，其实名不副实。大多数公司不知道如何辨别这些所谓的专家，面试官也不懂深度学习，不在乎。所以当这些专家的深度学习解决方案不行时，这些公司就会认为一切只是一场炒作。 进入门槛太低正在毁掉深度学习的名声！这么一篇标题忧心忡忡的讨论帖，毫无意外的在reddit上炸了。为什么发起这么一个讨论？先看看原po主是怎么说的。很长一段时间以来，我注意到很多...
摘要：作为十几年的老开发者，今天我来分享一下，我个人认为的大学计算机相关专业该怎么学，希望你们的四年能够不负年华。粉丝专属福利九关于考研有能力去考研的，我建议去尝试一下考研，理由有以下几点第一，毕业就工作的人，前三年还处于摸索和定性的阶段。 ...
摘要：应届生零基础可以学习软件测试吗俗话说，人怕入错行。霸哥这里分别从入行难度入行方式行业前景薪资待遇四个方面来分析一下。目前市场上的测试人员，一部分是企业自己培养的，另一部分是来自培训机构。软件测试的行业门槛低，市场需求量大。 ...
阅读 2026·2023-04-26 01:33
阅读 1658·2023-04-26 00:52
阅读 1034·2021-11-18 13:14
阅读 5392·2021-09-26 10:18
阅读 2899·2021-09-22 15:52
阅读 1486·2019-08-29 17:15
阅读 3014·2019-08-29 16:11
阅读 1036·2019-08-29 16:11
