摘要：很長一段時(shí)間以來，我注意到很多自稱深度學(xué)習(xí)專家大咖的人，其實(shí)名不副實(shí)。大多數(shù)公司不知道如何辨別這些所謂的專家，面試官也不懂深度學(xué)習(xí)，不在乎。所以當(dāng)這些專家的深度學(xué)習(xí)解決方案不行時(shí)，這些公司就會認(rèn)為一切只是一場炒作。

進(jìn)入門檻太低正在毀掉深度學(xué)習(xí)的名聲！

這么一篇標(biāo)題“憂心忡忡”的討論帖，毫無意外的在reddit上炸了。為什么發(fā)起這么一個(gè)討論？先看看原po主是怎么說的。

很長一段時(shí)間以來，我注意到很多自稱深度學(xué)習(xí)專家、大咖的人，其實(shí)名不副實(shí)。這些人沒有機(jī)器/深度學(xué)習(xí)的教育或者研究背景，只是裝上TensorFlow運(yùn)行了一些GitHub上搞來的代碼，然后就自認(rèn)專家，寫博客、寫教程、甚至出書。

這讓我很困擾，這破壞了深度學(xué)習(xí)的名聲。大多數(shù)公司不知道如何辨別這些所謂的“專家”，面試官也不懂深度學(xué)習(xí)，不在乎NIPS、ICML。所以當(dāng)這些“專家”的深度學(xué)習(xí)解決方案不行時(shí)，這些公司就會認(rèn)為一切只是一場炒作。

隨著這種情況越來越多，持懷疑態(tài)度的人就越來越多，連內(nèi)行都開始談?wù)撆菽?。大家怎么看這個(gè)問題？你們同意我的看法么？以后應(yīng)該怎么辦？

然而這個(gè)討論，很快變成學(xué)術(shù)派和工程派的爭執(zhí)……

不少人跟帖反對上面這個(gè)論點(diǎn)，核心思想可以大概總結(jié)為：多研究些問題，少談些主義。量子位從中摘錄部分觀點(diǎn)，改寫如下：

與po主的觀點(diǎn)相反，開放性或者說“門檻低”是機(jī)器學(xué)習(xí)社群較好的部分之一。這個(gè)社群不會因?yàn)樯矸荻讶司苤T外，對所有人都持歡迎態(tài)度。

大多數(shù)公司更需要的是工程師，而不是研究員?，F(xiàn)在大部分工作都是基于標(biāo)準(zhǔn)技術(shù)，然后應(yīng)用到特定的業(yè)務(wù)中。不用搞什么新研究。

根據(jù)我的經(jīng)驗(yàn)，一個(gè)優(yōu)秀的教授可以提供很多好主意，讓20多個(gè)優(yōu)秀的工程師忙碌起來。這個(gè)搭配是合適的。通常至少需要一個(gè)（可能也只需要一個(gè)）優(yōu)秀的教授，以及一個(gè)聰明的工程師團(tuán)隊(duì)來支持他。

誰知道如何應(yīng)用機(jī)器學(xué)習(xí)來解決業(yè)務(wù)需求？誰定義了模型的輸入和輸出？誰保證了數(shù)據(jù)的可用性？誰分析了結(jié)果？誰解決了問題？

如果是工程師完成了這一切，那就不是一個(gè)簡簡單單的工程師。你永遠(yuǎn)需要那些能夠洞察業(yè)務(wù)需求，將其映射到正確的問題和答案上，并轉(zhuǎn)化為可靠生產(chǎn)代碼的人。

反對這種分類和對立。許多研究員也很擅長在現(xiàn)實(shí)世界中應(yīng)用這些知識。不過有能力用機(jī)器學(xué)習(xí)來解決問題，和說自己的機(jī)器學(xué)習(xí)專家是完全不同的。

這個(gè)爭論很大程度上，源于工程師缺乏必要的認(rèn)可，導(dǎo)致一些人不得不“假裝”成科學(xué)家。不往NIPS、ICML投論文，并不意味著他們不了解深度學(xué)習(xí)的基本原理。誠然，即使進(jìn)入門檻比較低，仍然沒有足夠的深度學(xué)習(xí)工程師來滿足需求。

這個(gè)領(lǐng)域急需有經(jīng)驗(yàn)的機(jī)器學(xué)習(xí)工程師。

不是數(shù)量，而是質(zhì)量

到底缺什么樣的人？

Forrester研究公司近日調(diào)查顯示，在2018年，科技公司還會為高質(zhì)量軟件人才漲薪，漲薪幅度高達(dá)20%。

程序員如此稀缺嗎？不，是高質(zhì)量的工程師達(dá)到了前所未有的稀缺。

在過去的幾年中，軟件工程師就是求職市場的香餑餑，是美國對就業(yè)最挑剔的一類人。大家普遍認(rèn)為，在2018年這種就業(yè)形勢不會變化。

來自Forrester研究公司的一份市場調(diào)查預(yù)測，在吸引重要數(shù)字人才方面落后的雇主會支付比高出市場20%的薪資招攬人才，尤其是在需求的技能方面。這些人才包括數(shù)據(jù)科學(xué)家、高級軟件開發(fā)人員和信息安全分析師等。

軟件工程人才短缺不是缺少自稱為是“工程師”的人，而是缺乏有經(jīng)驗(yàn)、高質(zhì)量、對軟件工程有深度理解的工程師。

這張美國地區(qū)科技人才的薪資統(tǒng)計(jì)圖，或許可以窺見優(yōu)質(zhì)工程師的稀缺程度：

真正的“軟件工程師”

只了解一種編程語言就是工程師啦？Naive，還差的遠(yuǎn)。就好比會說基本的西班牙語和優(yōu)秀西班牙語老師之間的巨大差距。

在我看來，軟件工程師是問題解決者，專門決計(jì)算機(jī)科學(xué)中系統(tǒng)應(yīng)用上的各種問題。他們必須深度了解邏輯語法才能將想法轉(zhuǎn)化成機(jī)器可理解的語言。

慢著，僅僅實(shí)現(xiàn)別人的想法還不夠，工程師需要構(gòu)建創(chuàng)新性的想法。此外，這些想法不僅僅需要在本地開發(fā)環(huán)境中運(yùn)行，還需要在大型任務(wù)上表現(xiàn)良好。

受歡迎的軟件工程師一定是個(gè)問題解決者，而不僅僅是碼農(nóng)（coders）。

雇傭和教育挑戰(zhàn)

高質(zhì)量人才的稀缺有以下5個(gè)原因：

缺乏經(jīng)驗(yàn)

缺少工作技巧/技術(shù)技巧

求職者過于追求高薪

缺乏軟技能/工作能力

缺乏正規(guī)的工程教育

到2022年，美國每年需要的專業(yè)人才和大學(xué)畢業(yè)生人數(shù)對比

從上圖可以看到，計(jì)算機(jī)技術(shù)的相關(guān)職位空缺比授予學(xué)士學(xué)位的畢業(yè)生人數(shù)多的多。

現(xiàn)存挑戰(zhàn)

獵頭公司TekSystems的調(diào)查顯示，70%的IT領(lǐng)袖表示他們的公司費(fèi)盡心思想留住頂尖IT人才。為什么出現(xiàn)這種情況？IT人才為什么會頻繁跳槽？可能有以下幾點(diǎn)原因：

公司沒有為員工提供職業(yè)規(guī)劃

將軟件工程視為一項(xiàng)基于任務(wù)的工作

沒有意識到留人的重要性

項(xiàng)目停滯

沒有為員工提供足夠的成長機(jī)會

員工缺乏志同道合的同事

減輕人才短缺

強(qiáng)迫每個(gè)有潛力的工程師參加四年正規(guī)計(jì)算機(jī)科學(xué)培訓(xùn)不是一個(gè)現(xiàn)實(shí)的解決方案，也對人才短缺于事無補(bǔ)。雖然接受過正規(guī)理論教育是工作的基礎(chǔ)，用基礎(chǔ)知識解決問題的能力是通過項(xiàng)目經(jīng)驗(yàn)和導(dǎo)師指導(dǎo)獲得的。

學(xué)校教育和企業(yè)需求有條巨大的鴻溝不容忽視。現(xiàn)代技術(shù)棧非常復(fù)雜，包含了各種不同的框架、反應(yīng)性經(jīng)驗(yàn)（reactive experience）、AI、機(jī)器學(xué)習(xí)和集成測試等知識，這些知識在常規(guī)的高等教育中涉及很少，除非你找到在專門研究某一特定領(lǐng)域的項(xiàng)目。

“比如說，很多中小企業(yè)不會提供崗位培訓(xùn)，卻要求員工旗開得勝，但幫助他們完成這些任務(wù)的技能是在學(xué)校里無法學(xué)到的。這不僅僅是美國面臨的問題，是全球問題?！盜T招聘公司Kyyba的國際工程師Ganesan表示。

需要軟件工程師旗開得勝的公司就是加速高質(zhì)量人才短缺和工資飆升的“罪魁禍?zhǔn)住薄?/p>

企業(yè)是時(shí)候應(yīng)該注意人才定向定向培訓(xùn)問題了，他們可以通過一些嘗試強(qiáng)化自己的工程人才庫：

招募可被引導(dǎo)和培養(yǎng)的可塑新興人才，構(gòu)建員工培訓(xùn)計(jì)劃。

為沒有接受過正規(guī)培訓(xùn)的新興人才提供教育激勵(lì)機(jī)制。

也就是說，這里還存在一個(gè)更廣泛的問題：即使崗位需要，但美國只有少數(shù)學(xué)生取得了計(jì)算機(jī)科學(xué)的學(xué)位。

授予計(jì)算機(jī)科學(xué)學(xué)士學(xué)位的人數(shù)

最后看一下中美人才數(shù)量對比，美國STEM專業(yè)（科學(xué)、技術(shù)、工程和數(shù)學(xué)）的應(yīng)屆畢業(yè)生在2016年有568000人。中國的人口大約是美國的四倍，但STEM畢業(yè)生數(shù)量是美國的9倍。

不同國家STEM應(yīng)屆畢業(yè)生人數(shù)對比

雖然中國的STEM畢業(yè)生占比遠(yuǎn)遠(yuǎn)大于美國，但畢業(yè)生的總體質(zhì)量才是真正緩解人才短缺的因素。除此以外，缺乏培訓(xùn)計(jì)劃、堆棧越來越復(fù)雜、不連貫的正規(guī)教育及缺乏解決問題的經(jīng)驗(yàn)均為短缺的重要原因。

商業(yè)智能與數(shù)據(jù)分析群

興趣范圍包括各種讓數(shù)據(jù)產(chǎn)生價(jià)值的辦法，實(shí)際應(yīng)用案例分享與討論，分析工具，ETL工具，數(shù)據(jù)倉庫，數(shù)據(jù)挖掘工具，報(bào)表系統(tǒng)等全方位知識

QQ群：81035754