分享内容

哈喽，大家好，我作为一个算是进入AI这个行业（人工智能行业），最近三年的从业者以及学术界的学生，今天我希望能够跟大家分享一下我对这个行业的一些个人的经历，以及一些体会、一些介绍，希望能够跟大家进行交流。

我们直接进入正题吧，我们今天想要谈的话主要包括四个内容，一是比较容易混淆的一个概念问题，就是我们在谈人工智能的时候，我们在谈些什么，人工智能跟数据科学计算机科学到底有什么区别？第二个的话就是大家最关心的，人工智能它的研究方向到底包括哪些？以及如果我们进入人工智能行业的话，我们能够找哪些工作？三是人工智能有关的一些学位的介绍，因为我们今天是一个留学的讲座，所以我主要是以国外的学位以及国外的工作为主，当然国内的工作的话也可以询问我。最后一部分的话，就是跟我们如何去准备我们自己，来申请人工智能这样一个方向，或者是我们要怎么去学习，怎么去计划进入这样一个行业。

首先我想要介绍的是我们经常幻想一些概念，人工智能到底跟大火的数据科学或者是说大数据到底有什么区别，这是我今天想要分享的第一个内容。

首先我先介绍一下数据科学，数据科学它是一个新发明出来的概念，以前是没有这样一个学科的，它是在近十年飞速的发展，它其实是包括了统计学，计算机科学以及信息系统等几个专业学科知识。

数据科学家

我今天想要说的是，数据科学它这个行业，其实跟业界联系更紧密的，学术界的话我们一般不直接把它叫做数据科学，而是有别的学科更加细分的学科，但是如果是业界的话，我们所讲的数据科学家，它其实是包括了很多种方向的技能杂合在一起的一个职业，一般来讲公司里面的数据科学家，它是用数学与技术，甚至它的编程能力来对商业进行一种咨询跟交流的一个关系。

也就是说，作为数据科学家，它有非常强的商业分析的能力，它是将技术跟产品联系在一起的一种新的职业。

数据与智能

可能很多人会觉得非常疑惑，就是我们今天不是在谈AI吗？那么AI的话跟data science（数据科学）到底有什么关系呢？我觉得关系的话主要是在如果你作为一个数据科学家，那你在处理数据的过程中，一定会用到最新的AI技术，同时大部分在公司里面从事数据科学这个行业的人，它也非常紧密的关心人工智能最新的进展，所以我觉得其实这两个行业是完全无法分开的，大家也没有必要将它分得太开，并且即使你读的是数据科学有关的专业，你也一样会在学校里面选到大量的人工智能有关的课程，这些课程内容我之后我会详细的讲。

我们举一些例子，目前的AI行业是完全没办法离开数据的，几乎所有的人工智能有关的算法，它都是跟数据紧密相关的，比如Facebook的人脸识别系统，它们需要有大量的人脸数据，处理完大量的人脸数据之后，再去学习一个人工智能，然后Google它们的自动驾驶，它们也是完全离不开它们所收集到了大量的数据，可以说是因为数据的积累以及计算能力的增长，才使得目前的人工智能如此啊火热。

所以我觉得没有必要将数据科学或者是处理数据的一些技能跟AI分开的原因，其实我们人工智能的从业者或者说研究员，平时做的工作也绝大部分也是处理数据，所以我觉得这两个行业是密不可分的。

包括如果你想从事人工智能行业，即使你研究生或者硕士，读的是数据科学有关的，我觉得这个完全不影响，公司招聘的时候是完全不会在乎你到底读的是什么名号的学位。

计算机科学

紧接着的话，我分享的话希望能够将第一部分数据科学有关的内容和第二部分计算机有关的内容两个结合起来，然后我们一起来谈一下人工智能、数据科学跟计算机科学三者到底有什么联系。

很直白的说，其实在全世界，特别是美国，大部分名校跟其它的学校（名校），我强调一下就是，目前来说其实人工智能是属于计算机科学的一部分，特别是比如说麻省理工，它们的计算机学院直接就叫计算机科学与人工智能学院，所以我觉得将人工智能分类为计算机科学的一部分，是完全没有问题的。

所以假设如果你想进入人工智能行业，那么我觉得最直接的一条路，就是读一个计算机有关的学位。

因为我们今天分享的主题也是跟计算机科学有关的，所以我就简单介绍一下，目前计算机科学除了人工智能之外，其它的方向以及计算机科学其它的方向与人工智能结合目前的进展，以及业界的一些最新的研究的那些方向。

首先是人工智能方向，比较大的三个方向，主要是包括计算机视觉，机器学习，数据挖掘，以及自然语言处理三个大的方向，这三个大的方向也是中国主流的学派以及比较多人做的三个方向，计算机它最传统方向就是计算机系统方向，系统方向包括计算机体系结构，计算机网络，计算机数据库之类的，可能会比较硬和一些的方向。

需要注意的我刚刚说人工智能，我们是应该说要处理大量的数据，怎么样更高效地节省资源呢，处理大量的数据，它也是跟高性能的计算有关的，所以的话计算机系统，它其实跟人工智能的结合是密不可分的，经常会有一些无论是你是做人工智能的老师，或者是做计算机系统的老师它们会经常一起合作，甚至是去发对方领域的那个会议。

计算机里面有个很古老的方向，叫做理论计算机方向，这个方向的话，其实有很多数学系的人去做，就去分析算法的一些复杂度，或者是一些信息论密码学之类的一些内容，现在的话很多计算机理论的老师，他们也去参与了人工智能的研究，去研究神经网络的可解释性，去研究人工智能算法的收敛性之类的，这些结合也是非常常见的。

最后一个方向，交叉学科的方向，这个就更常见了，比如说你做生物信息老师，它是用人工智能去突破一些新的技术，或者是我正在做的机器人方向，跟机械工程相结合，我们去设计机械臂，用人工智能去控制机器人，这个方向也是非常红火的。

我的观点就是，人工智能其实就是一计算机科学的一部分，所以计算机科学里面任何一个方向都有可能跟人工智能它们产生合作，相结合产生新的成果，目前来讲，计算机学界的各个方向都在受到人工智能影响，不可避免地被人工智能所影响着，或者是它们互相影响对方，所以的话如果想做一个人工智能的从业者，或者是说从学术界的或者是工业界的网络来讲，大部分的人工智能从业者其实都是计算机科学出身的。

如果你想从事人工智能方向，以后想做一个人工智能方向的工作者，或者是去做一些相关的研究，那么我肯定会建议你去读一个计算机有关的学位，但是如果你说你想在读完一个数据科学的学位之后，想要去从事人工智能方向这个肯定也是完全没有问题的。

对于数据科学的学位跟计算机的学位到底有什么区别？我会在第三部分再详细的跟大家解释一下。

学位设计

对于学位设计这一部分，我会结合前面的第二部分内容人工智能跟计算机科学，它们之间的联系，解释一下每一个学位，它们的侧重点在哪里，以及它们之后读完这个学位之后就业的方向。

首先的话，如果我们选择留学，那么我们必然面临着一个选择，我们到底需要读博士还是要读硕士，其实可能国内的区分没有那么明显，但是对于美国的公司来讲，博士跟硕士它们的就业其实差别是非常大的。

所以这个问题一定要考虑清楚，我并没有说要倾向于哪个学位的意思，我觉得每个人其实都有想要追求的事业，以及他们个人的喜好是完全不一样的，我觉得这两个学位也没有哪个学位更好这样一个说法，所以的话大家提问的时候可以再跟我详细聊一下这两个学位到底能够给我们人生带来什么，我在这里是没有任何的偏见立场来谈论学位设计这件事情。

我们可以首先介绍一下计算机科学硕士跟数据科学硕士，或者统计硕士，它们三者可能有的一些区别。

首先是计算机科学硕士，其实从申请的难度上来讲，计算机硕士肯定是最难申请的，但是它的话能够选择这个学校的计算机系的所有的课程，比如说你是个转专业的学生，如果你是一个计算机科学的硕士的话，你就有更多的机会去选计算机有关的课。

这其实对你的能力，以及对你的成绩上面的弥补，我觉得也是非常好的，但是部分学校和它们的数据科学硕士跟统计硕士的话，可能就有些选课上面的限制，就说你肯定要选择更多的跟数学有关的课程。

选择数学有关的课程，为什么会有劣势呢？等一下我会再详细的再解释，如果你想要就读博士的话，我在学校里面见到的那些读博士（研究人工智能），一般它们是分为两个种类，第一种计算机的博士，一般学校是不会有人工智能博士这种说法的，一般都叫计算机博士，方向是人工智能方向，还有一些电子信息（EE）的老师也会去研究人工智能，这个也非常普遍了，主要看老师个人的研究方向，还有一种就是运筹学或者是统计学的博士，就是有些老师它们在统计系、在运筹系，它们的方向依然是人工智能方向。

博士的话，因为博士研究方向跟选课的限制更加宽松一些，不能严格的归类，博士的分类只能说可能跟你在哪个实验室跟哪个导师读博会有很大的关系。

需要提醒一下，其实每一个学校，它们对于选课的限制以及它们对于选导师的限制也是不太一样的，这个需要详细的了解，后面如果有什么问题可以向我提问。

就业方向

我们快速进入到大家最关心的问题，你读了一个上面什么所说的学位吧，你读了一个这样的学位，你想要找到什么样的工作，对这个的话我会讲的非常非常的详细，因为我之前在工业界都有大概三段的实习工作经历，我会尽量把我了解到的中国公司跟美国公司的所有的那些区别都跟大家详细的讲一下。

首先我们从美国公司来说起，因为我最近也在申请谷歌和Facebook的实习，我发现你是博士还是硕士，差别是非常大的，这是美国公司它们会有一些规定，有些岗位是只有博士可以做，但是硕士一般是不进行考虑的。

这样的职位的话，一般都叫做研究员（研究科学家），在一些大公司，它们会有特定的部门去管理这些研究人员，比如说Google有谷歌大脑，Facebook有自己的人工智能研究院，微软它们有自己的研究机构，这些研究机构，如果你想要进去的话，是必须有个博士学位才可以进去，或者是你想要进去实习，一般来讲也是需要有一个博士在读的身份。

当然也有例外，但是是非常非常少的，基本上我认识到的在这些部门工作人员基本都是有博士学位或者博士在读，一般来讲这些部门，它们的薪酬都会比一般的普通的业务部门要高一些。

最常见的工程师的职位，比如说软件工程师SD这样的职位，无论你是硕士生还是本科生，都是可以考虑去应聘这样的职位，因为我知道有些美国本科的学生，也能够进入Google做软件工程师，有些博士也会去做engineer的职位，可能他们对于研究兴趣没有那么大，就是想做工程，总之我的意思就是博士能够选择的就业的岗位会更宽一些，特别是在美国的公司会限制的非常非常严格。

还有一种岗位的话，就是research engineer，这个岗位的话比较复杂，它相当于是上面两种职位的结合，它会在研究部门做一些工程性质的工作，一般来讲这种岗位，我知道有博士也会去参与这样的岗位的竞争，一些研究经历比较丰富的硕士也可以去竞争一下。

综合来讲的话，从就业和薪酬角度来讲，博士的工资肯定是更高的，但是这并不代表说我建议大家读博士，每个人的那个追求是不太一样的啊，如果你在美国读人工智能博士的话，一般至少要五年才能毕业，但是如果你硕士毕业出来，你立刻加入工业界进行工作，可能你再过几年你能拿到的那个薪酬，也会非常的可观了，这些东西都是自己需要考虑的，第四部分我会更详细的介绍一下申请博士跟申请硕士的侧重点，以及我们怎么样去决定自己到底是要读博士还是读硕士。

就业部分还没有讲完，我刚刚说的基本就是美国的就业的那些方向，当然我觉得现在回国也是很不错的，目前来讲，我了解到了国内的跟人工智能有关的岗位，它们的工资、福利或者待遇来讲，我都觉得非常的可观，处于一种黄金期，所以如果有些同学它们想要回国，我都觉得是个非常好的选择，目前的无论是创业公司还是普通的大公司，比如说BAT，百度，阿里跟腾讯，我之前现在腾讯有待过一小段时间，就我觉得国内对于人工智能发展非常支持，并且国内的实力并不弱。

以及国内一些公司能够给出的工资，我也觉得非常的可观，能够有一笔非常诱人的收入，所以我觉得选择回国也很不错，就是国内的这个行业的生态，目前来讲还比较健康，我觉得可以考虑去回国。

刚刚我说这是国内公司跟美国公司它们比较大的区别，美国公司它们卡学历卡的更严格一些，但是国内的话，至少微软我见过，有硕士生就成为公司的研究员，这样的特殊的待遇，国内的话，更不看你的出生，只看你的能力，所以我觉得对于一些读完硕士，但是有非常丰富经历的同学，我觉得你回国的话可能会有更好的机会，这是我一个小小的建议。

阶段计划

现在进入到一个内容非常非常丰富，也是我们今晚的重点，作为一个留学的那个讲座的话，我希望能够跟大家更深入的聊一下，我们怎么去计划进入这个行业，进入人工智能行业，怎么去在进入这个行业之前学习更多的内容，或者是说如果你是个转专业的学生，就你本本科并不是一个计算机科学的学生，我们都叫转专业的学生，你要怎么更好的进入这个行业？你要怎么去准备你自己的申请？

我觉得申请阶段的话，其实申请博士跟申请硕士，我觉得区别是很大的，我当然不介意所有人都像我一样就考虑去读一个博士，我觉得申请硕士也有很多需要注意的地方，我也详细跟大家介绍一下，我觉得比较需要注意的点，现在先假设大家都是本科生，本科生去申请一个硕士学位，当然有的同学可能是已经读完了一个国内的硕士，然后或者读完了一个国外的硕士，正在考虑申请更进一步的博士学位，这个时候我们可以在提问里面再聊一下，然后如果你作为一个本科生，你在本科四年你要做些什么呢？

这个图的话，我刚刚重新画了一下，我觉得比较重要的点，首先第一个就是你的课程的基础，尤其是对于科班生，对于计算机科学有关的学生，我觉得你本科其实是有非常大量的时间以及非常好的资源，你要珍惜要学好所有跟编程有关的课程，对你的基础有很大的好处，无论你是不是转专业的学生，我都觉得保持一个好的本科GPA是非常重要的，在申请的时候。

还有就是我觉得必不可少的就是实习，实习的话分为两种，一种是工业界实习，一种是学术界的实习，无论是哪一种实习，我都是非常建议大家一定要有一段或者两段这样的实习，我觉得工业界或学术界的学术就给大家带来的是带来的那个收获是不一样的。

首先假设大家如果都想申请硕士的话，我觉得工业界实习很有必要，你要去了解一下目前业界，或者是说在最前端最先进的地方，目前你接触到那些技术，它们到底用来做什么？要怎么去用它？你在没有进入工业界实习之前，你是完全并不会知道这件事情，以及我觉得工业设计有个非常非常大的好处，你不仅能够获得一封来自工业界的非常强势的推荐信，并且你可以积累自己的工业界人脉，在你之后找工作的时候会发挥非常大的作用。

我个人经历的话，我在我的工业界实习是有三段，我感觉每一段我都获得了非常多的新东西，感觉在不同的公司实习的时候体会也不太一样，对我之后的职业道路觉得有更多的想法、更多的启发，所以我是非常建议，大家有一段工业界的实习，无论这段实习是跟业务有关，还是跟研究有关，我觉得你实习完之后，你对整个人工智能领域你的理解都会完全不一样。

学术界的实习，其实这件实习的话，我们通常来讲叫校内科研，无论在校内还是校外吧，就是叫本科科研，就是你去跟一个教授在它的指导下去做一些研究有关的内容，这个我也是非常提议的，无论你到底要不要读博士，我都非常建议你去有一段这样的经历，首先这样的经历能够让你在比较短的一段时间内培养自己对于人工智能这个学科的理解，以及你的兴趣到底在哪里，以及你的研究的品味。

无论你对这个研究有没有兴趣，比如说你突然发现你对某个方向很感兴趣，那非常好，那你就去挖掘，再考虑要不要再深入去研究这个方向，如果你发现自己对研究完全没有兴趣，那么你可以进一步考虑申请硕士，然后进入工业界工作，这些都是完全没有问题，我觉得一段学术界经历能够让你在明白自己的兴趣在哪里的同时，能够让你去做一些决定，或者是积累你的推荐信啊之类，其实教授有时候也能帮你推荐一些工业界的职位，所以我觉得无论你是申请哪个方向的，无论是博士还是硕士，我都觉得一段学术界的经历也是很有必要的。

无论你是在哪里进行的实习，我觉得首先可能科班生理解没有那么深刻，作为计算机科学本科的学生，它们可能会觉得，人工智能相关的一些内容，它们没有它们本科学的难，其实因为计算机系统会更难一些，其实如果作为一个转专业的学生，比如像我这样的，就我觉得在实习里面锻炼自己的工程能力，就代码要怎么去优化这一代码？我觉得是非常重要的一个过程，我本人是通过在不断的实习过程中，慢慢的锻炼自己的能力，之后能力变成完全不一样，所以我就觉得如果你做一个专业的学生，我给你唯一的建议就是多写代码。

很多人问我，如果你想成为一个人工智能方向的从业者，是代码能力更重要，还是数学能力更重要，我在这里我可以好不容易回答一下，我觉得如果你并不想要读博，也并不想要成为一个理论性的人工智能的研究者，那我觉得编程能力非常重要，比数学能力要更重要。

也就是说，你在进入工业界之后，你会发现你接触到的技术，并不会是最先进的那个，但是一定是对这个公司最好用的那一个，那么的话你的编程能力就会非常重要，就是你要怎么去实现你自己的想法，你要怎么去让自己写出来的代码是最有效率的？这个就是所有的公司面试的关键，所有的科技公司，它们面试的时候，你想作为一个工程师，你的工程能力才是最重要的那个，但是一般转专业都会缺乏这样的能力，所以我希望如果你还是个本科生，一定要注意自己去锻炼自己，这样的方向能力。

我从另外一个角度来讲，如果你想做一个人工智能研究者的话，数学当然很重要，如果你有一些数学直觉的话，会对你的研究，比如说你想出一个好点子，你要怎么去想出一个比别人要更好的方案呢，那肯定是你数学能力其实会有很大的作用，所以的话，如果你想要成为一个比较优秀的研究者，甚至是计算机本科的学生，我也非常建议它们去提高自己数学素养，因为其实我发现有一些不是数学专业的学生，我觉得它们的数学素养，可能还是需要提高一下，包括现在我发现很多名校，比如说麻省理工，它们的学生、博士生，它们在博士生阶段也会选大量的数学课去提高这些素养。

所以说这两个方面数学跟工程，我觉得你的角色不一样，侧重点当然会不一样，但是无论如何，如果你两项都很强，那当然一定会是个优秀的人工智能的从业人员，这是没问题的。

我们谈谈申请吧，我刚刚说了一些能力上面的问题，但是其实申请的话，你要在一个很小的资料里面体现你所有的能力，当然是不可能的，所以从硬件方面的话，你的学习成绩，英语成绩（托福、GRE），大部分学校都会有所关卡，对你成绩有所要求，尤其是人工智能作为一个最热门的方向，我举个例子，比如说CMU，我前段时间在cmu访问，我发现它们一个项目有超过2000个人申请，但是可能只发40个offer，这样的话你要你凭什么比别人强呢。

所以我觉得如果你真的非常想申请，这样一个方向的话，首先硬件一定不能落下，一定不能有所缺陷，这样的话很容易让你在初选的时候就已经被别人筛选下去了，软件方面的话，就是我刚刚说部分就是，比如说你的经历，你的研究成果，你的推荐信，推荐信的话就是从你的实习里面来的，这三个方面的话，对于博士来讲更重要，就是博士的话，可能你的硬件还没有那么重要，但是你跟学术界有什么联系？你跟工业界有什么关系？我觉得这是决定了你博士申请能不能成功的一个很关键的因素。

如果可以的话，无论你是想读博士，还是硕士，我觉得培养好工程能力是很有必要的，即使是你想申请博士的好，有些老师希望能够招一些工作能力比较强的学生，就动手能力很强的学生，但是这一点其实是大部分转专业学生都非常缺乏的，所以如果你是一个比较的低年级转专业学生，我非常建议你从现在开始动手去做一些工程性的东西，动手去打一些比赛，动手去做一些项目，之后一定会对你的申请，对你的未来，无论对申请有没有用，对你就业的时候一定会有用。

刚才以及现在的话，我说的就是一些我个人的一些建议，跟我个人经历有关，我观察到一些业界和学术界的关注点，像我刚刚说就是人工智能方向，我昨天刚刚跟一个老师讨论过，他跟我说今年打算招两个博士生，但是有超过100个人申请它们学校的AI方向的博士，但是今年它们AI方向可能就招八个或者十个左右的学生，其实录取率是非常非常低的，甚至说现在的计算机有关的项目录取率都变得很低。

如果你想要考虑进入工业界工作，你想申请硕士，然后进入工业界工作的话。不妨考虑申请一些数据科学，统计学的项目，第一你的申请难度会小一些，第二的话你可以在申请完之后，在选课方面，多下一些功夫，你可以选更多跟编程有关的课程，去锻炼自己的能力，这样子的话，我可以很明确的说，你在进入公司的时候，你读的到底是哪个学位？并没有那么重要，重要的是你能不能有足够能力通过公司的面试。

还有很重要的一点，就是我觉得对于本科生，我有个小建议就是一定要练好你的托福跟口语，尤其是口语这一项，我觉得中国人的话他们在交流方面，还是欠缺一些东西，如果能够有一些对外交流的机会，比如说交换，或者暑研，或者暑假去美国一趟进行一些研究，或者暑期学校，我都觉得可以提高你的口语交流能力是非常好的，尤其是我觉得很多学校，很看重学生的交流能力。

我举个例子吧，我记得有一个名校，它们面试博士生的时候，它们会把博士生叫到学校来，然后，让博士生跟其它人交流，尤其就是跟印度人交流，然后观察他的交流能力，如果他们觉得这个人交际能力不行，就会把它pass掉。尤其在你就业面试的时候，我觉得提高自己的交流能力在什么时候都可以用上。

而且我个人觉得就是AI（人工智能），它如果要往更远的地方推广，那么我觉得它如何商业化是非常重要的，它要逐渐的往商业化的方向前进，比如说一些公司发明出来的人工智能产品，它们要跟传统行业进行结合，要跟传统金融业竞争结合，那么如何将这个产品与别的行业进行一个结合进行交流，我觉得这对我们未来是一个非常大的挑战，就是要怎么将技术与别的东西结合起来，我觉得从这点上面来讲，我觉得交流能力真的非常非常重要。