外网热议：疫情大半年来，深度学习工作的职位已经崩溃-疫情下的深度思考

[[340795]]

大数据文摘出品

近年来，深度学习工程师一直是最受市场欢迎的高薪工作之一，但是昨天hacker news上一则消息登上热搜：在过去半年里，深度学习岗位已经崩塌了。

真的是这样吗?

原来是Keras的作者@François Chollet 在八月底发了一则推文，同时附上了他爬到的领英上提到的深度学习相关岗位招聘信息的数据。

数据显示，与深度学习相关的招聘信息在2020年年初还呈现稳步上升的状态，然而从2月份开始逆转而下，几近崩溃。

在他看来，这是一个经济衰退的指标，而不是另一个人工智能寒冬的开始。目前，这只是疫情冲击下的短期影响。不过，深度学习的使用总量下降非常小。

消息发出后，迅速引发了相关从业者的激烈探讨。

此外，在海外知名招聘网站INDEED的调研报告显示，人工智能招聘发布数量的增长已经放缓，求职者对这类工作的兴趣也有所消退。

2018年5月至2019年，在Indeed网站上对AI相关的搜索量减少了14.5%。相比之下，2017年5月至2018年期间，搜索量增长了31.9%，2016年5月至2017年之间，搜索量增长了49.12%。Indeed表示，今年这一数据的下降也意味着，市场上工作岗位数量较优质求职者数量而言，可能已出现供大于求的情况。

特别是在疫情期间，机器学习类岗位更是大为削减。

那么，曾经趋之若鹜的深度学习和人工智能，为什么也不香了呢?

hacker news上，网友们热议了这一话题，也给这个问题提供了几个视觉。

没有可分辨的ROI-投资回报率，疫情下成为可有可无的职位需求

排名第一的答案称，和大数据一样，这几年大家趋之若鹜的跟多是机器学习上的光环，一旦发现没有获得实际收益，大潮也就会逐渐退去。

我曾在许多大公司担任顾问。大约7年前，每个人都在争相利用“大数据”做同样的事情，但是对于他们的投资，他们(大部分)一无所获。
为数不多的公司设法真的进行了目标设定，并且整合阶段，并找到合适的人...他们为获得这些见解所付出的代价超出了他们的价值!
我认为深度学习行业正在发生同样的事情。
这肯定是一个招聘大热门职位。每个大公司都希望采取适当的ML / AI策略。他们强迫ML进入它不属于(而且可能永远不属于)的地方。虽然相关“衰退”主要与COVID有关-疫情下所有公司都在缩减开支，因此大部分公司也会因此发现，机器学习职位只是个噱头，没有可分辨的ROI。像大数据一样，我认为我们会看到一些公司执行良好并实际上获得了一些价值，而大多数公司将在一两年内跳到下一个更有噱头的项目。

算法和业务割裂，无法创造真正价值

也有评论称，机器学习工程师在公司无作为主要是由于公司大环境下，太多的机器学习工程师和研究人员急于解决问题，必须交付某些东西，不管是招聘需求还是本身专业知识，他们对于业务的了解往往非常有限，拿着过高的薪水，却得不出有价值的结果。

所以，有评论称，“这是一件好事!”

在与研究小组和更多由产品/业务驱动的团队一起工作后，我发现，当研究人员花时间了解产品领域时并给出他们认为的结果时，并不符合业务部门的真实情况。

而正如我们看到的大多数市面上对ML /数据科学人员的实际需求一样：

有数据清理经验
对线性和逻辑回归以及交叉验证有深入的了解
一些合理的编码技巧(在R和Python中，以及SQL方面)。

更多包含了对技术的要求。靠着这些前提条件找人，默认几乎所有其他内容都可以教授。

但这对于雇用经理人/公司来说是很棘手的，在机器学习被热捧的牛市上，薪水和期待都过高，从而导致了很多错误。

最后，深度学习在某些情况下是好的，而在另一些情况下则不是，因此，仅仅做一个深度学习开发人员，都不会对大多数公司有用。

尽管在国内，我们还没有看到深度学习热度衰竭的态势，但是面对全球的讨论，也需要早做打算。

文摘菌之前也推荐过一篇文章，《机器学习工程师正在失业，但学习依旧是唯一的出路》，并且提出了六大解决问题的方法，感兴趣的同学也可以跳转阅读。

不过，不管行业发展如何变化，如果你能创造价值，未来也就不会一片黑暗。