先给出结论:有前途,也有钱途。
为什么这么说呢?我从长期和短期的角度来解释。
长期角度
人工智能在未来会有持续不断的发展,我相信在这一点上毋庸置疑,如果是CV是人的眼睛,speech是人的嘴巴,那NLP在某种程度上来讲就是人的大脑。当然,和其他领域相比比较偏重于语言理解、推理等,所以更类似于大脑。 所以,在未来NLP算法工程师是非常吃香的,这一点也是毋庸置疑的。
现在上车了,慢慢积累经验和人脉,往高层爬,只要处于人均水平,基本上可以得到一个比较理想的level和薪资水品。
人工智能是一个风口,早点上船,那你就是最早的那一批人,等到一定的年龄段就可以做更多的事情。
短期角度
短期角度上来看,我相信来看这个问题的同学,基本上是做算法的,难道这个时候下船转工程,然后从头开始学java、go、C++??? 你是在逗我吗?
这个时候你就要跟本科和其他软件工程的同学来竞争,优势是真的不大,而且现在NLP算法有学历要求,大部分是硕士(至少我周围的算法工程师都是硕士+),所以你读个研究生最后又要回头去搞工程吗?
当然答案也不是绝对的,如果:
- 你对算法不感兴趣
- 你研究生阶段就一直从事工程开发,这个时候有一定的经验累计
- 找到了与算法有交集的岗位,比如说推广搜、其他领域算法工程师(如金融量化算法工程师)等
你可以去做其他领域的工作。
工作分类
其实NLP的工作种类大致包含四种:
- 纯学术算法
- 纯工程算法
- 半学术半工程算法
- 跨领域算法工程师
纯学术算法
这种算法工程师就比较厉害了,一般在学校阶段会有多篇顶会,也对学术非常感兴趣,这类同学一般会读博或者进入到研究机构工作,我相信这类大佬(应该)不会来看这个问题 ,因为他们不会对是否有前途感到疑惑。
属于此类的同学,在下奉献出膝盖致敬。
纯工程算法
这类的工程师也是比较吃香,一般是给深度学习做一些平台和框架上的支持。就好比如说做一个深度学习框架(eg,PaddlePaddle),这就是一个纯工程算法的活儿,底层需要使用C++、CUDA技术栈,和算法的落地距离有点大。
此类工程师也是比较吃香,比如说做MLOps平台,技术栈可能偏向于分布式这块,不过也是需要一定的NLP背景,不然到时候组内在讨论问题时,你根本不知道咋会儿事儿,那不很尴尬吗?
做这类平台基本上都是大厂,比如说微软、谷歌、亚马逊、百度、阿里这些大厂都在做,小伙伴可以去了解一下具体岗位。所以此方向也是建议做。
半学术半工程算法
此类工程师(俗称调参侠)在应用部门比较吃香,需要针对于实际业务来尝试不同的模型并达到SOTA效果,并且需要将其上线(需要转化成ONNX、C++代码)来运行,保证高QPS。
这类算法工程师的求职范围非常广,基本上只要是在尝试使用NLP解决实际业务时都会使用招聘此类技术人才,所以你更加不用担心未来是否有前途。
跨领域算法工程师
此类算法工程师在跨领域里面是非常吃香,比如说金融量化算法工程师,可能你在算法届能力算一般,可是一旦跨到其他领域,你会成为众望所归的明星,使用高大上的AI来实现解决他们的实际问题,而且工资有可能会比非跨领域的岗位要高。
此类工作机会比较稀缺,因为此时需要你去了解目标领域的业务,比如说量化算法工程师,你就需要了解基金、股票的原理,了解股市的运作原理等,这个时候对你的要求也是比较高,当然如果能够成为这个领域的大佬,我相信会是很抢手的人才,同时薪资待遇也会非你现在所能想象的。
总结
无论是从短期还是长期来看,NLP算法值得做,而且大有未来。 |