网上机器学习会比读硕士学位更香么？

本篇文章3004字，读完约8分钟

每当一个研究生在入学考试中得了分，网上就会有一场关于是否去研究生院的辩论。

这场辩论分为积极和消极两个方面。辩论者包括本科生、本科生、研究生和专业人士......

争论的焦点是，读三年研究生还是工作三年能更好地促进个人发展。

有些人认为研究生只学习那些书，专业人士可以通过在线学习获得个人技能。其他人认为，对研究生院来说，重要的不是知识，而是思维、关系和平台。当然，不同的职业和行业有不同的论点，但他们关注的是资源、技术、关系和金钱。

下面的《人工智能科技评论》想谈谈:既然机器学习相关的课程可以在网上学习，那么研究生有必要学习吗？

在线课程被定义为可以通过电子设备和互联网学习知识和技能的在线课程，包括视频、图片和音频。这个定义本身意味着降低知识学习的门槛。毕竟，购买一台电脑和连接一个快速网络的成本相对较低。此外，在过去几个月的疫情下，虽然网络课程遭受了很多唾弃，但这也在一定程度上证明了这种教育模式的可行性。

因此，在网络课堂上学习知识不是一个错误的命题。对于与机器学习相关的专业来说，研究生院接受知识的模式与在线学习模式的唯一区别是“面对面”，另一个是在线教学。

如果研究生想看网上课程，费用与非学生一样，如果非学生想接受“面对面”，即使他们逃课，也往往要支付一定的费用。从高级技能的角度来看，机器学习研究生的培养模式往往是由我院制定的。如果这些学生想自学在线课程，他们必须先完成学校规定的学分和老师布置的试卷。有时，这些论文的学分可能在很大程度上是思想政治教育。

(雷锋。南京大学人工智能本科培养体系

目前，只学习在线课程的机器学习爱好者的高级技能模式相对清晰。首先，从吴恩达教授的机器学习开始，然后看看李宏毅教授的深入研究，然后在啃完周志华的西瓜书后巩固基础知识...如果你只是不知道学习课程的顺序，智虎表扬了很多。

(雷锋。(公开号码:雷锋。com))

此外，大多数在线学习机器学习课程的人都是在职从业者，他们选择的课程更加独立和有针对性。因此，如果不考虑毅力等因素，从学习技能的角度来看，在线机器学习可能会取代研究生教育。

与人文社会科学不同，机器学习作为工程类的一个专业，需要更多的实践经验。毕竟，相关从业者和研究生都需要一定的编程技能。

(雷锋网)

当研究生在学校的时候，学生们通常会跟着导师去做项目，他们能接触到的人脉和资源直接取决于导师的“咖啡位置”。导师在学术界名气越大，同学们身边的兄弟姐妹和何就越好。此外，研究生院所在的地方也可以决定问题。如果你在北京，学校之间的交流是不可或缺的。通过家教平台，你可以很快认识丹尼尔，认识更好的人。

从在线课程的角度来看，去在线课程不会和讲师交朋友。但是在大学里，你是家教的学生，有家教对未来的职业发展有好处。直接给你一份工作，甚至给你一些建议是非常有价值的。虽然在公司里，一个好的团队学到的东西并不比在学校里少。

如果你从本科毕业，你也有可能击败同龄的研究生。但关键的一点是，国内的互联网巨头、明星人工智能初创公司和算法岗位基本上都是标准的研究生，除非你是一个很强的本科生，比如acm冠军，或者在算法竞赛中有好成绩。否则很难进去。除非你选择一个小公司，否则进入小公司深渊的概率要高于巨头。[1]

最后，我们考虑极端情况。有毒的硕士课程比有毒的工作更有毒。毕竟，在研究生期间更换实验室和专业比在工作场所换工作要困难得多。毕竟，研究生院对许多人来说并不那么有趣。待遇不高，就业前景不明，许多需求之间存在矛盾，而且得不到尊重……许多因素都可能影响研究生的心理状态。在研究生中，体重波动、疲劳、头痛、胃痛、紧张和酗酒并不少见。

从解决信息不对称的角度来看，公司在招聘时会增加对学历的检查。毕竟，在网上学习课程的门槛相对较低，从网上“毕业”的门槛也相对较低，不管是研究生的门票还是毕业限制，这都是衡量一个人在企业心目中能力的标准之一。

虽然进入公司后，人们发现那些没有读研究生的同事往往更有效率，对其他同事也更有帮助。从招聘要求来看，许多公司希望从事机器学习工作的员工拥有硕士以上学位。

对于面向技术的工作，如机器学习和人工智能，已经有了一些成熟的技术方法，但是这些技术方法还在继续改进和发展。几乎每天都有无止境的新论文出现，每个月或两个月都会有很多新技术问世...此外，许多领域以前没有使用过这种人工智能技术，因此有必要使现有技术适应新的应用目标，这也需要大量的实践和研究能力。

证明这种研究能力和促进人力资源筛选的最简单方法是硕士学位。也就是说，面向发展的工作和研究工作更注重学历。大多数人在网上学习的机器学习课程也是针对技术研究型工作的。因此，如果没有“大公司”的丰富工作经验，仅仅依靠一套在线机器学习教程，可能很难找到高薪工作。

那么，难道没有比去研究生院更清楚地展示你能力的方法吗？一定有！卡格尔的一些数据科学竞赛是一个很好的起点。如果你在吴恩达学习机器学习课程后，能积极参加竞赛，与他人交流经验，并获得一个职位，你的简历不会比一些研究生差。

另外，阿里赞助的数学竞赛也已经开始了。根据已发表的论文，数学应用能力得到了很大的提高，机器学习也更加重视数学的应用...无论是研究生还是自学，都需要积极的心态。目前，有必要拥抱最新技术的“姿态”，或者读一些顶尖的论文，定期做一些阅读论文的工作，然后打开你自己的经验，这是不言而喻的。

说了这么多，攻读硕士学位有用吗？答案是肯定的，但考虑到具体情况，如时间成本和金钱成本，每个人的选择会有所不同。

例如，吴恩达教授曾在一次采访中说，并不是所有的机器学习都需要硕士和博士背景来支持，但如果有机会去斯坦福，麻省理工学院的学习背景也很好。

在中国，去北京大学、清华大学等一流大学有一个学习经历，它能给你带来超乎想象的视野、金钱、机会和激励。

然后，如何在没有硕士学位的情况下快速提高你的研究能力的答案是阅读论文:5-20篇论文(在选定的领域，如语音识别)=这可能是足够的知识，你可以实现一个语音识别系统，但这可能是不够的研究或把你放在前列。

50-100篇论文=你可能对这个领域(语音识别)的应用有很好的理解。如何有效阅读论文？在cs230课程中，吴恩达还对研究计划和如何阅读论文提出了一些建议。

(雷锋网)

课程地址:

www.youtube/watch? v = 733 M6 qbh-Ji

1.阅读文章的标题、摘要和图表:通过阅读标题、摘要、关键网络架构图以及可能的实验部分，你将能够对论文的概念有一个大致的了解。在深度学习中，有许多研究论文将整篇论文总结成一两个数字，而不必费力地通读整篇论文。

2.阅读引言+结论+图片+跳过其他:引言、结论和摘要是边肖试图仔细总结其作品的地方，以便向评论者解释为什么他们的论文应该被接受发表。此外，跳过相关工作部分(如果可能)，该部分旨在突出其他人所做的工作，在一定程度上与边肖的工作相关。因此，阅读它可能是有用的，但如果你不熟悉这个话题，有时很难理解它。

3.阅读全文，但跳过数学部分。

4.阅读全文，但跳过无意义的部分:优秀的研究意味着我们发表的东西是在我们知识和理解的边界上。
参考:
[1]www.zhihu/question/62482926/answer/2105313863

[2]www.youtube/watch？v=733m6qbh-ji