Ưu và nhược điểm của việc học Tiến sĩ trong lĩnh vực máy học, AI

Chúng ta thường nghe nói rằng các công việc về khoa học dữ liệu chỉ dành cho các chuyên gia dày dạn kinh nghiệm. Các quảng cáo việc làm cho các vị trí trong lĩnh vực này vẫn ưu tiên những hồ sơ có bằng tiến sĩ, có nhiều năm kinh nghiệm. Tuy nhiên, nhiều nhà tuyển dụng đã bị vỡ mộng về giá trị mà một tiến sĩ mang lại cho công ty. Tương tự như vậy, nhiều chuyên gia, đặc biệt là trong số những người vừa hoàn thành chương trình Tiến sĩ và nhận công việc đầu tiên đã nhận thấy công việc đôi khi không phù hợp.

Một tiến sĩ có thể yêu cầu mức lương ban đầu cao hơn một chút và có thể được tuyển dụng cho một vị trí trong phòng thí nghiệm nghiên cứu. Nhưng đối với nhiều vị trí, nó có thể không mang lại lợi thế. Công việc của công ty có thể rất nhàm chán và nhịp độ nhanh, và việc tìm kiếm các thuật toán hoàn hảo không được khuyến khích, vì nó ảnh hưởng đến lợi nhuận của công ty. Ở nhiều công ty, một giải pháp đạt gần 80% độ hoàn hảo là đủ tốt và cần ít thời gian hơn nhiều so với việc đạt đến độ hoàn hảo 99%, đặc biệt là vì các mô hình máy học được sử dụng chỉ là một con số gần đúng với thực tế. Những người có bằng tiến sĩ không được chuẩn bị tốt tinh thần cho điều đó.

Bào viết này đưa ra các quan điểm của những người đã có nhiều năm kinh nghiệm, và đã có bằng Tiến sĩ trong lĩnh vực máy học, trí tuệ nhân tạo:

Vincent Granville, nhà khoa học dữ liệu, nhà toán học, tác giả sách, chủ sở hữu bằng sáng chế, cựu giáo sư tại Đại học Cambridge, cựu giám đốc điều hành do VC tài trợ, với hơn 20 năm kinh nghiệm trong công ty bao gồm CNET, NBC, Visa, Wells Fargo, Microsoft, eBay.
Yingzhen Li, là giảng viên tại Khoa Máy tính tại Imperial College London. Trước đó, cô đã trải qua 2,5 nămlà nhà nghiên cứu cấp cao tại Microsoft Research Cambridge.

Nhưng trước hết, chúng ta hãy xem chúng ta học gì để có bằng Tiến sĩ trong lĩnh vực học máy:

Chúng ta học gì trong quá trình học Tiến sĩ trong lĩnh vực học máy

Học gì trong chương trình PhD về học máy?

Thông thường, chúng ta phải cho máy tính biết chính xác những gì phải làm, từng bước một. Nhưng điều này khiến họ không thể thực hiện các tác vụ trong đó khó xác định trước các bước một cách chính xác.

Ngược lại, trong lĩnh vực máy học, lập trình viên chọn các quy tắc chi phối cách phần mềm học, thay vì lập trình trực tiếp hành vi của nó. Điều này có nghĩa là chúng ta có thể xây dựng các hệ thống tự động cải thiện theo kinh nghiệm.

Trong chương trình Tiến sĩ về máy học, bạn học cách thiết kế và triển khai các loại thuật toán. Nghiên cứu tiến sĩ của bạn có thể bao gồm các chủ đề như tạo một chương trình có thể gắn nhãn những gì đang diễn ra trong video; cải tiến kỹ thuật để hiểu lý do tại sao hệ thống học máy đưa ra dự đoán mà chúng thực hiện; hoặc phân tích văn bản trực tuyến để hiểu các quy trình xã hội chẳng hạn như cách tiếng lóng trực tuyến lan truyền .

Học máy là một lĩnh vực con của khoa học máy tính và có liên quan chặt chẽ đến thống kê. Cả thống kê và máy học đều có mục đích học từ dữ liệu và chúng chia sẻ nhiều khái niệm và công cụ toán học.

Tuy nhiên, không giống như thống kê, học máy có xu hướng nhấn mạnh vào việc xây dựng phần mềm để đưa ra dự đoán, thường được áp dụng cho các bộ dữ liệu lớn hơn và các kỹ thuật được sử dụng yêu cầu ít giả định hơn về dữ liệu hoặc cách nó được thu thập.

Những nghiên cứu cụ thể trong chương trình và thời gian học

Ở Mỹ, bằng tiến sĩ thường kéo dài 5-6 năm. Trong hai năm đầu tiên, bạn sẽ tham gia các lớp học và trong những năm còn lại, bạn sẽ nghiên cứu. Tiến sĩ ở Vương quốc Anh ngắn hơn – thường là 4 năm – và bạn chỉ làm nghiên cứu. Không giống như tiến sĩ Hoa Kỳ, Ở Anh họ thường yêu cầu bạn đã tốt nghiệp thạc sĩ, mặc dù điều này phụ thuộc vào trường đại học.

Đối với nghiên cứu, bạn viết một luận văn, là một cuộc nghiên cứu dài thời gian và đi sâu về một chủ đề cụ thể hoặc (thường xuyên hơn ở Hoa Kỳ) một bộ sưu tập các bài báo về các chủ đề liên quan. Nghiên cứu của bạn sẽ trải qua một số giai đoạn, bắt đầu bằng việc tinh chỉnh chủ đề bạn sẽ nghiên cứu, sau đó làm việc trên các dự án nghiên cứu liên quan đến chủ đề đó và cuối cùng là viết luận án. Bạn sẽ dành phần lớn thời gian của mình để lập trình, làm toán, đọc báo, suy nghĩ và thảo luận về các ý tưởng với các cộng tác viên.

Những ưu thế và nhược điểm của khi lấy bằng Tiến sĩ trong lĩnh vực máy học

Ưu thế

Đối với một số người, ưu điểm vượt trội hơn nhược điểm rất xa. Đây là trường hợp của Vincent Granville qua một vài ví dụ dưới đây:

Nếu tiến sĩ của bạn rất được ứng dụng trong một lĩnh vực đang “hot” (trong trường hợp của Vincent Granville là vào năm 1993, xử lý ảnh vệ tinh kỹ thuật số để phát hiện mẫu), bạn học được cách viết code, xử lý nhiều dữ liệu lộn xộn và thậm chí có được công việc bán thời gian trong công ty hàng đầu thế giới, liên quan đến luận án của bạn khi thực hiện chương trình. Vincent Granville đã nhận được nguồn tài trợ vững chắc cho nghiên cứu và thậm chí cả bộ dữ liệu, đến từ các cơ quan chính phủ (EU và các nước khác) và các công ty tư nhân (chẳng hạn như Total) trong lúc họ đang cố gắng giải quyết các vấn đề thực tế. Điều này thêm uy tín cho kinh nghiệm tiến sĩ của bạn.

Nếu bạn đạt được bằng tiến sĩ rất có thể bạn đã được trả lương cao hơn so với các đồng nghiệp.
Bạn vẫn có thể tiếp tục nghiên cứu của mình, nhiều thập kỷ sau khi rời khỏi học viện. Vincent Granville vẫn viết báo và sách cho đến ngày nay. Trình độ thậm chí còn cao hơn so với những năm học tiến sĩ nhưng phong cách và đối tượng rất khác.
Có những vị trí tuyệt vời trong nhiều phòng nghiên cứu, tư nhân hoặc chính phủ, chỉ dành cho những ứng viên tiến sĩ. Mức lương có thể rất cạnh tranh.

Vốn đầu tư mạo hiểm thường phụ thuộc vào việc có một nhà khoa học Tiến sĩ nổi tiếng trong đội ngũ nhân viên, cho các công ty khởi nghiệp. Vì vậy, nếu bạn tạo ra một công ty khởi nghiệp của riêng mình, hoặc làm việc cho một công ty, bằng tiến sĩ chắc chắn là một lợi thế. Ngay cả khi Vincent Granville thành lập công ty xuất bản / truyền thông tự tài trợ của riêng mình (được Tech Target mua lại vào năm 2020 và tập trung vào học máy),ông vẫn tin rằng thành công ít hơn đáng kể nếu không có học thức, mặc dù bạn không cần bất kỳ bằng cấp hoặc giấy phép để hoạt động loại hình kinh doanh này.

Theo quan điểm của Yingzhen Li, bạn có thể ghĩ đến việc học lấy bằng PhD khi:

Bạn không biết phải làm gì tiếp theo và sử dụng thời gian tiến sĩ như một sự trì hoãn trước khi tìm việc sau tốt nghiệp đại học/thạc sĩ

Bạn muốn học tiến sĩ vì gia đình và / hoặc bạn bè của bạn muốn bạn làm điều đó.
Bạn thấy một số đồng nghiệp của mình làm tốt và bạn muốn được như họ
Bạn xếp hạng nhất trong chương trình đại học / thạc sĩ nên bạn nghĩ mình sẽ giỏi nghiên cứu.

Và, bạn nghĩ học tiến sĩ dễ …

Nhược điểm

Dưới đây là một số khía cạnh tiêu cực. Theo Vincent Granville:

Bạn có thể dành vài năm trong đời để làm bằng Tiến sĩ, có thể trong một môi trường căng thẳng, lương thấp, trì hoãn việc mua nhà hoặc kết hôn. Trong khi đó, bạn nhìn thấy những người bạn không phải Tiến sĩ của mình đi trước bạn trong cuộc sống cá nhân của họ.

Một số nhà tuyển dụng có thể nói rằng bạn quá đủ tiêu chuẩn, rằng kinh nghiệm của bạn không thực sự phù hợp với công việc bạn đang ứng tuyển (hoặc quá chuyên sâu) và việc thích nghi với môi trường công ty có nhịp độ nhanh có thể là một thách thức.
Nếu bạn nhận được một công việc trong doanh nghiệp, bạn có thể thấy nó vô ích hoặc nhàm chán. Bạn có thể thất vọng rằng nghiên cứu bạn đã thực hiện trong những năm tiến sĩ của mình chỉ là dĩ vãng, không dẫn đến bất cứ điều gì khác. Điều này đặc biệt đúng nếu hy vọng của bạn là có được một vị trí được tuyển dụng trong học viện, nhưng không thể có được một vị trí mặc dù bạn có bằng cấp rất cao, do sự cạnh tranh khốc liệt. Nó có thể mang lại những tiếc nuối và hoài niệm lâu dài.
Bạn có thể thiếu một số kỹ năng viết code, điều này khiến bạn gặp bất lợi trước một ứng viên có bằng thạc sĩ ứng dụng. Tất nhiên, bạn luôn có thể đạt được những kỹ năng này khi làm bằng Tiến sĩ.

Mức lương của bạn có thể không cao hơn so với ứng viên trẻ hơn với bằng thạc sĩ và kinh nghiệm phù hợp.

Đối với Yingzhen Li, PhD có thể không cần thiết:

Rất nhiều tài liệu có sẵn trên mạng để học, bạn hoàn toàn có thể trở thành một kỹ sư / nhà nghiên cứu ML tự học.

AI / ML là một lĩnh vực nghiên cứu “nguồn mở”, bạn không cần phải ở trong phòng thí nghiệm để thực hiện nghiên cứu (đặc biệt là đối với lý thuyết).
Nhu cầu kỹ năng ứng dụng AI / ML trong thực tế lớn hơn nhiều so với nhu cầu trong “nghiên cứu ML cốt lõi”.

Học tiến sĩ trong lĩnh vực máy học có cần thiết — *Image credit: towardsdatascience.com*

Nhu cầu về việc làm và tuyển dụng trong lĩnh vực máy học

Theo đuổi lĩnh vực máy học có một tương lai hứa hẹn. Theo một báo cáo năm 2019 của Indeed, Kỹ sư học máy là công việc hàng đầu về mức lương, mức tăng trưởng g. Từ năm 2015 đến 2018, số lượng vị trí đăng tuyển Kỹ sư học máy đã tăng 344 phần trăm. Theo simplilearn, “Các công việc học máy được dự đoán sẽ trị giá gần 31 tỷ đô la vào năm 2024”, và đã tăng gần 75% trong bốn năm qua. Diễn đàn Kinh tế Thế giới đã cho biết “AI, Học máy và tự động hóa sẽ tạo ra 97 triệu việc làm mới vào năm 2025”

Một lý do khác khiến máy học là một nghề đầy hứa hẹn là có rất nhiều con đường sự nghiệp mà bạn có thể chọn để đi trong ngành. Với kiến thức nền tảng về máy học, bạn có thể kiếm được công việc được trả lương cao với tư cách là Kỹ sư học máy, Nhà khoa học dữ liệu, Nhà khoa học NLP, Business Intelligence Developer hoặc Nhà thiết kế máy học lấy con người làm trung tâm. Có bằng tiến sĩ về máy học có thể giúp bạn tiến xa hơn trong lĩnh vực này

Kết luận

Có bằng tiến sĩ có thể mang lại một lợi thế cho việc phát triển sự nghiệp trong lĩnh vực học máy. Nó phụ thuộc vào chủ đề luận án của bạn, nơi bạn lấy bằng tiến sĩ và nếu bạn đã làm việc với các vấn đề thực tế liên quan đến thế giới kinh doanh. Các tiến sĩ lý thuyết hơn vẫn có thể tìm được công việc hấp dẫn trong các phòng nghiên cứu khác nhau, tư nhân hay chính phủ. Tuy nhiên, không phải lúc nào con đường phát triển sự nghiệp của bạn cũng phát triển như mong muốn khi bỏ thời gian đến 5-6 năm cho học vị này.

Các bài tham khảo: