我有文章了,但也不想搞學術了

語言: CN / TW / HK

文 | 微調

源 | 知乎

編輯 |夕小瑤的賣萌屋

又到了年底,跟大家簡單嘮嘮2021年的收穫(和失去)。

在2020年的總結文章裏(阿調x2020:愛、學術、錢與系統[1]),我最大的困擾可能是讀博一年多卻沒什麼主要成果的痛苦。好消息是,21年在一作文章文章上進展不錯,離畢業更近了(包括 Automatic Unsupervised Outlier Model Selection[2] 和 Accelerating Large-Scale Unsupervised Heterogeneous Outlier Detection[3]),還很快樂參與了一些其他的研究項目,文章總數達到了20篇。現在還有三篇在寫的一作文章,都是有一定希望被接收的,壓力小了不少。在產量上來的途中,總引用數也達到了600了。不出意外,明年這會阿調老師就能進入4位數引用俱樂部,作為搞非深度學習的人來説,也算是小達成,覺得能給自己交差了。

而這些背後, 其實我對自己的小方向也有了更加明確的思考 ,比如我未來的答辯的題目大概率是 automated and scalable outlier detection,也就是「自動化和可擴展的異常檢測」。因為我做了不少系統,所以很自然希望我的工作可以在工業界有更加廣闊的用途,比如風控、比如檢測水軍、比如網絡入侵檢測等。 如果吹個牛逼的話,我大概是異常檢測系統(outlier detection system)這個小小方向上最專業的人, 畢竟大部分主流的異常檢測系統都是我寫或者深度參與的 。其中最為大家熟知的PyOD已經快要被下載500萬次了:)

但是我卻不想留在學術界每天卷論文了。

原因有很多。 首先是學術界的壓力和規則都很大,奔三之後愈發覺得身體吃不消 。從開始讀博可能滿打滿算也只放過20天假,其他時間基本都是工作,頸椎、腸胃都吃不消。 其次就是錢。 當教授是個下限和上限都很高,但絕大部分人都只能在下限待着。雖然在自由性上更好,但其實大部分人我認識的工業界從業者在錢上還是更富裕。這個沒有對錯,本身教授崗位就有穩定性和自由度,這個也是工業界沒法比的。好消息是我做的方向和工業界很近,因此不會擔心沒有適合的地方,餓不着。甚至在合適的時候,我也想創個業,看看單車是否能變摩托。 人到三十歲,越發覺得有錢真好,有薯條吃就是自由 。大俗即大雅,陽春白雪在我這個階段不重要。 而且客觀的説,北美教職還是看你的種族性別和很多指標的,我在這個維度挺吃虧的。

另一個不想混學術圈的原因主要是學術圈的(潛)規則。實話實説,即使計算機論文給了你全部代碼,但其實還是很容易做手腳,幾乎可以得到作者想要得到的任意結論和數字。尤其是學術圈老油條們。以及學術圈審稿和錄取的規則,裏面有太多人情世故和操作。我自己也不幸是其中的一員,畢竟都要吃點薯條。

其實更怕的是自己當不了一個好的老師。我作為一個知識體系不那麼全面的,還容易傷春悲秋的人,可能沒法成為別人的路燈。

下一步有什麼打算呢?

既然想清楚了要混工業界,那麼早點畢業就是上上選。在現有的畢業規則下,我打算先試試能不能提前一年畢業,不能的話試試半年,大不了按期畢業。趕趕總沒錯,也早該趕趕了!

而即使我加入了工業界,也一定要尋找離產品比較近的崗位。從我這些年的經歷中,產品代表收益,收益就代表影響力。不接近產品,就是閉門造車。

2021年的想説的幾句話

和家人愛人與大家又度過了風雨飄搖的一年。壞消息是新冠變種一直不消停,好消息是疫苗和特效藥的批准還是大幅度遏制了事態的惡化。

至於回國其實對我來説沒那麼重要,知道大家健康平安,遠在大洋另一邊的我也會感到開心。

雨總會停的。

[1] 微調:阿調x2020:愛、學術、錢與系統 https://zhuanlan.zhihu.com/p/341188146

[2] Automatic Unsupervised Outlier Model Selection https://papers.nips.cc/paper/2021/hash/23c894276a2c5a16470e6a31f4618d73-Abstract.html

[3] Accelerating Large-Scale Unsupervised Heterogeneous Outlier Detection https://proceedings.mlsys.org/paper/2021/hash/98dce83da57b0395e163467c9dae521b-Abstract.html

進技術交流羣請添加AINLP小助手微信(id: ainlper)

請備註 具體方向+所用到的相關技術點

關於AINLP

AINLP 是一個有趣有AI的自然語言處理社區,專注於 AI、NLP、機器學習、深度學習、推薦算法等相關技術的分享,主題包括文本摘要、智能問答、聊天機器人、機器翻譯、自動生成、知識圖譜、預訓練模型、推薦系統、計算廣吿、招聘信息、求職經驗分享等,歡迎關注!加技術交流羣請添加AINLPer(id:ainlper),備註工作/研究方向+加羣目的。

閲讀至此了,分享、點贊、在看三選一吧:pray: