人工智慧學界大牛都開始加盟業界公司了，電子信息工程學生畢業後應該去人工智慧的公司還是繼續深造？

01-05

人工智慧界的大牛紛紛加入業界說明目前這個業界形勢很好。

業界形式很好代表行業實用化前景很好，職業規划上面也會大有發展的空間。

大有發展的空間代表會有熱錢進來，相關職位福利待遇也會很好。

但是以上不代表不你進去福利待遇就會比其他行業好。。。。

大牛過去待遇好因為人家是大牛，就算沒有PhD學歷那也有相關行業的經驗和技術。題主電子信息工程學生到底是啥沒說清楚，Master還是PhD，具體什麼學校，有沒有獎學金，相關信息太少讓大家無法判斷啊。

也不知道是什麼性質的人工智慧公司

Google？

Boston Dynamics？

阿里？

大疆？

豐田？

FaceBook？

Apple？

到底是進去搞科研還是搞應用，這個區別很大啊。

之前搞科研的牛人去搞應用就比較容易上手，反過來則有難度。

而且大部分大牛都是從小從學校里就開始牛的，人家的經歷就算去學習也沒什麼可複製性。

貼幾個牛人

李飛飛是斯坦福斯坦福人工智慧與計算機視覺實驗室主任，也是全球最大的圖像識別資料庫ImageNet創始人，其關於神經網路和計算機視覺的研究大幅推動了人工智慧發展。

關於李飛飛的介紹其實知乎日報有詳細介紹

人工智慧界的大牛李飛飛加入谷歌，巨頭們正在爭搶人才

人家76年出生北京，95 年進入普林斯頓大學攻讀物理學，拿著高額獎學金，99年從普林斯頓大學畢業，去西藏研究藏醫。。。

之後是加州理工的博士。2009 年以來，李飛飛一直擔任斯坦福人工智慧實驗室和斯坦福視覺實驗室的負責人，並成為了終身副教授。

在她 2014 年的簡歷上，有 95 篇在 Nature、PNAS、Journal of Neuroscience、CVPR、ICCV、NIPS 等頂級期刊與會議上發表的文章；聯合發表的文章有 32 篇。從 2015 年到 2016 年，李飛飛署名發表的論文有 33 篇（斯坦福視覺實驗室），還有一篇將在 2017 年發表在 CSCW 會議上。
過去 3 年，李飛飛論文的平均引用量為 6738。

這種經歷幾個人能有？

MapReduce、BigTable、Spanner、TensorFlow 的創始人之一。這個人從07年開始網上就有超級多的段子和程序員冷笑話，梗用多了就變成造神運動，有興趣的可以去搜一下。

比如這種

Jeff Dean的鍵盤只有兩個鍵：1和0。
所有的指針都是指向Jeff Dean的。
編譯器從不會給Jeff Dean警告的，Jeff Dean會給編譯器警告的。
Jeff來面試谷歌時，被問到等式P=NP成立的條件，他回答，P=0 或者N=1時成立。然後在面試官哈哈大笑的時候，他看了一眼谷歌公有證書，就直接在白板上寫出了相應的私鑰。

這種當然是玩笑，人家年輕時候的學歷實打實碾壓大眾。

1990年，從明尼蘇達大學計算機與經濟學系取得學士學位，並為最優等（summa cum laude）。
1990-1991年，為世界衛生組織的愛滋病全球方案（World Health Organization"s Global Programme on AIDS）開發軟體，用於HIV傳播的統計建模、預測和分析。
1996年，從華盛頓大學的計算機科學方向獲得博士學位（PhD），研究方向為面向對象語言的程序優化。

Geffory Hinton

反向傳播演算法和對比散度演算法的發明人之一，也是深度學習的積極推動者，目前任職於多倫多大學與Google。

Howard Michel

1975年畢業於美國新澤西理工學院的電子工程專業後，相繼在4所高校進修，後來是電氣與電子工程師學會(IEEE) 主席、CEO；美國萊特州立大學計算機科學與工程博士，米科爾.霍華德系電氣與電子工程師學會(IEEE) 主席、CEO。獲得了美國國家科學基金會（NSF）以及美國國家海洋和大氣管理局（NOAA）資金支持，擁有2項專利，出版過1本教科書，並發表了15篇關於視覺計算和無線感測網路、人工智慧網路相關學術的期刊論文，70篇會議論文、海報或摘要等。

IEEE是全球最大的專業技術協會之一，在全球160多個國家有超過四十萬名會員，IEEE標準和會議在產業界和學術界產生著極大的影響。
1999年畢業於萊特州立大學，計算機科學與工程，博士
1988年畢業於馬薩諸塞大學，電子與計算機工程，碩士
1981年畢業於南加利福尼亞大學，系統管理，碩士
1975年畢業於新澤西理工學院，電子工程，學士
大學教授經歷
2016年6月至今，南非，約翰內斯堡大學，電氣和電子工程科學，客座教授
2005年9月-2016年5月，麻省大學達特茅斯分校，電子與計算機工程，副教授
1999年9月-2005年9月，麻省大學達特茅斯分校，電子與計算機工程，助理教授
1997年8月-1999年5月，戴頓大學，計算機科學，全職客座講師

Ruslan Salakhutdinov

蘋果在 10 月份找到 CMU 機器學習教授 Russ Salakhutdinov作為該公司人工智慧研究的負責人，開始組建團隊。

Ruslan Salakhutdinov 於 2009 年從多倫多大學獲得機器學習（計算機科學）博士學位，之後在 MIT 人工智慧實驗室渡過了兩年博士後生涯，後來加入了多倫多大學計算機科學與統計部做助理教授。2016 年 1 月，CMU 宣布邀請 Russ Salakhutdinov 作為機器學習部門的副教授。

他是Geffory Hinton的學生。

Gabriel Nelson

谷歌機器人科學家/波士頓動力學工程公司核心機器人科學家

教育背景

1995-2002年美國凱斯西儲大學，機械工程，博士學位

1992-1995年美國凱斯西儲大學，機械工程，碩士學位

1987-1992年美國凱斯西儲大學，機械工程，學士學位

大學講師經歷

2002年5月-2003年2月美國凱斯西儲大學，科學研究員與講師

Joel Chestnutt

教育背景

2002-2007 美國卡內基梅隆大學，機器人科學，博士學位

2002-2006 美國卡內基梅隆大學，機器人科學，碩士學位

1998-2002 美國康奈爾大學，計算機科學，學士學位

上面的資歷各大招聘獵頭網站都能查到，大牛的各種資歷都不是普通人可以學習的，硬要模仿的話成本太高，題主慎重。。。

什麼學歷？北美top CS的話master即可，其他的話要PhD吧？

比爾蓋茨哈佛都輟學了，我們中國高中生應該考大學還是直接去社會上鍛煉？

null

這個問題問得太粗暴，方向與個人特點和目標有關，每個人都有差異。如果一定要回答，只能把問題中的兩個選擇（人工智慧公司和繼續深造）的特點說一下，每個人去對照自己的特點和目標，選擇一個接近自己目標的去處。

目前在國內人工智慧公司大部分是初創公司，大部分是做人工智慧的落地應用，即使大公司也是大部分做應用的。小部分做新模型和新演算法的探索。

如果繼續深造，那麼可選擇方向就多了，你喜歡什麼就選什麼，不過要有導師接收你啊。還有就是沒工資。

如果對知識苛求就選深造。如果對商業化應用有持久興趣就選就業。

最近，美劇《西部世界》向我們展示了一幅未來世界圖景，一直被擔心的機器人操控人類在劇中實現。機器智能超越人類似乎觸手可及，現實真是這樣嗎？

其實，人類的大腦有多種功能，計算機現在做的是單點突破：計算能力，人類早已被碾壓而過；記憶力，人類也已被遠遠甩開；語音識別、語義分析，機器也有很大進展；視覺識別、運動控制，計算機還不如人類。

假設人腦有20種能力，每種評分10分，計算機在某些方面已經達到1000分，某些方面只有2分，綜合運用還不如人腦。經單點突破和暴力破解之後，計算機的薄弱能力如視覺識別有可能達到人類水平，最終在各方面都相繼達到和超越人類大腦。可能性總是存在，要不然霍金、蓋茨為什麼讓人警惕人工智慧呢？

人工智慧可能類似80年代的互聯網，正處於爆發前夜。不管未來如何，搶先佔領有利位置總是好的。所以VC和大公司在密集布局，谷歌、微軟、Facebook、Uber、阿里巴巴，都在入場佔位。

在這波搶位浪潮下，原本從事研究的人工智慧專家也紛紛下海，如斯坦福大學人工智慧實驗室主任李飛飛加入谷歌，蒙特利爾大學教授Yoshua Bengio參與創立孵化器Element AI。

這些科學家很牛，但都是成長於外國的教育環境。這裡說一個中國本土的人工智慧科學家，其經歷值得想從事人工智慧相關職業的大學生借鑒：

陶大程教授，本科學習電子信息工程專業，後來通過學習深造獲得英國倫敦大學(University of London)博士學位。目前為澳大利亞悉尼大學教授。其主要研究方向為機器視覺、機器學習、圖像和視頻處理和檢索、遙感信息與圖像處理等，獲得了澳大利亞科學最高榮譽尤里卡獎等權威獎項，併當選歐洲科學院院士和IEEE Fellow。IEEE是世界上最大的電子技術相關研究組織，IEEE Fellow是IEEE院士（國內一般譯為會士），為協會最高等級會員。

在人工智慧十多個領域中，人臉識別是熱點，在支付、安全等領域中應用前景廣闊。各大科技公司近年來積極從人臉識別切入人工智慧領域，但在技術上「最大的困境在於演算法本身的魯棒性不足」。即當前較死板的演算法缺乏靈活性，也缺乏人類的想像推理能力，而且對外部光照、遮擋因素難以應對。

陶大程團隊通過測量5個面部特徵進行人臉識別,這5個特徵在不同環境下都比較突出而且穩定。結果顯示錶情變化、環境光線變化都不會對選取特徵造成重大影響，這就極大提高了人臉識別的魯棒性。

而對機器人他們則提出了基於CNN的模糊不變特徵學習方法，解決了圖像模糊對人臉識別的影響；同時他們提出主幹分支集成網路的人臉識別模型，提高了演算法識別率和實時性。

這些技術突破讓陶大程團隊在2016 PaSC的人臉識別比賽中以絕對的優勢獲得第一名。最近有消息說他即將加盟國內某機器人獨角獸公司。

從這些人工智慧先行者經歷來看，建議先學習深造，有條件就到國外留學，有了研究經歷和成果後再進入公司。

當前人工智慧已經在我們生活中有很多應用，比如蘋果的Siri，科大訊飛的語音識別，亞馬遜的相似商品推薦、工業機器人、家用機器人、谷歌的無人駕駛等，這些方向也都是研究熱點。大體來說，人工智慧行業兩大發展方向:

硬體方向。之前的更像機器，需要造出跟人類似的、更容易產生情感和信任的人形機器人。這一方向未來會誕生硬體巨頭。

軟體方向，操作系統和平台。機器人領域也可能出現類似iOS、Android那樣吸引眾多開發者的系統，基於系統的相關應用讓機器人不斷自我更新。

就像上世紀90年代的互聯網浪潮，隨之帶來大量互聯網人才需求，程序員階級隨之崛起，其中佼佼者如雷軍還躋身福布斯富豪榜。接下來20年，如果人工智慧相關技術大面積應用，誰知道會不會是人工智慧從業階級崛起呢？

如果題主是電子信息工程的本科在讀，那麼這個問題不應該是「去人工智慧公司」和「深造」二選一，而應該是「深造選擇人工智慧方向並打算碩士/博士畢業後去人工智慧公司有機會嗎？」

要知道，這些學術大牛本身就有phd+教職光環，他們能打的怪，不代表本科生穿布衣就能打的。

我本科電子信息工程，碩士去了英國南安普敦大學念了無線通信，並且認識了學人工智慧的現女友。

回國，女友51job投簡歷，一周內簡歷被看600多次，第二周入職，試用期工資12000，包午晚餐，各種福利。我三周才到99的瀏覽量，現在做對講機，工資10000。

聰明的你，告訴我，要不要轉人工智慧？

什麼學校你沒說，你自己是什麼情況你也沒說，這讓我們很為難啊，畢竟，電子信息工程這種專業你說出來一點參考價值都沒有，嵌入式，dsp，雷達，波導，網路等等，都可能是電子信息工程的方向。甚至不嚴格的說，機器學習大數據什麼的，也是有可能是電子信息工程的方向。如果樓主不是top大學人工智慧方向的碩士，大牛去哪裡，和你有關係嗎？那些公司樓主進得去嗎？進去後你覺得自己接觸得到核心業務嗎？既然是選擇，那學術界深造的offer拿到了嗎？這些總不能讓我們自己猜吧

人工智慧最近能火是因為一些技術和硬體措施慢慢在跟上來。讓人從理論開始往實踐大步走。你還是去深造吧。國內一些好的公司現在挑這方面的人士，一般都是研究生挑起了。本科的，除非你是有特別好的基礎

明明只是搬磚的，磚都沒搬上，現在就在想怎麼當包工頭了

我覺得普通的ee畢業生真的離ai行業非常的遙遠，我指的是數學等基本功方面的差距，本科時候大部分人都學過圖像識別和少量的matlab，但也就到這一步了。缺的太多，而且ai行業的門檻也很高，與其做這巨大挑戰，不如老老實實研究研究cs的一些基礎科目，哪怕學點node js python也還是有一些實用性的。

ps 很多人對ai有一個嚴重誤解，以為ai就是圖像處理識別雲處理等等。。其實ai的範疇太廣了，從alphago到poker，從無人汽車到視頻實時ps，，甚至量子運算下的ai會徹底脫離人類思維的疆界。。AI就是你想到一個框架，然後電腦就能幫你邏輯化出來，然後用大數據很快的驗證。這個技術為何在14年後才大爆發呢？還是跟pc ，nvidia，摩爾定律到頭有關。

題主這個問題簡直是在說特朗普當總統了，我要不要也效仿一下。

同電子信息工程專業，本科畢業去人工智慧公司也就打個雜

非大牛進入公司很可能是打雜，尤其在人工智慧領域打雜可能意味著數據的搬運工。深造如果有天賦的話，能夠進入更好的平台，再憑藉努力你也能成為大牛進入工業界從事核心演算法了。加油哦

這個應該和家裡人商量一下，看家裡人支持不支持你繼續深造。就業的話可以提前獲得實踐的經驗，有時候成功是離不開經驗的。深造的話可以讓自己得到更多理論性的知識，但是你要想清楚最終這些理論性的知識，你是否能夠把它變成實踐，而不是停留在理論層面。詢問自己的內心，如果你是為了逃避現實而去深造，那就可以考慮深造，要是只是對於現實感到迷茫，那還是踏出第一步，走進這個世界，尋找那片屬於自己的天空。

嘛~是選擇去實踐還是繼續深造，看個人喜好啦。如果只是為了習得一門技能而讓自己在這個世上有生存之本，去人工智慧公司或許還會接觸到更多不同領域或者從未見識過的東西。換而言之，這也是一種進修一種學習。如果覺得自己知識還未夠豐盈，想繼續充實，這也是一條道路。就跟讀完了高中考大學，讀完了大學考研究生一個道理。

學界大牛紛紛加入人工智慧，這也表現了發展的一種趨勢。了解的徹底，或許在這塊領域也能風生水起。

個人覺得，業界大牛紛紛投入相關科技公司是不是反映了這個領域開始更具備實際應用價值，人工智慧現在是越來越火了，各行業都紛紛加強互聯網+跟人工智慧，像馬雲爸爸都推出刷臉支付了，選擇繼續深造是否能夠接觸到更多核心的技術以便開發更強大的產品。