每到研究生入學考試出分的時候，網上都會有一波要不要讀研究生的爭論。
爭論分為正反兩個方面，辯手包括本科在讀學生、本科畢業生、研究生在讀學生、職場人士......
爭論的焦點在於讀研三年和工作三年哪種方式更能促進個人的發展。
有人認為研究生學習就那的就那幾本書，職場人士在網上學習也能獲得個人技能的增長。另一部分人認為讀研重要的不是知識，是思維，是關係，是平臺。當然不同的專業、行業針對論點的論據不同，但圍繞的幾點無非是：資源、技術、人脈、錢。
下面AI科技評論想談談：既然機器學習相關課程都能在網上學，那還有必要讀研究生嗎？
技能獲取：網課VS讀研
網課的定義是能用電子設備通過互聯網學習知識、技能的線上課程，有視頻、圖片、音頻等方式。這種定義本身就意味著知識學習門檻的降低，畢竟買一臺電腦，連接一個快速點的網絡的成本還是比較低的。另外，疫情下的這幾個月，雖然在線網課遭受了很多吐槽，但這一定程度上也證明了此種教育模式的可行之處。
所以，上網課學習知識並不是假命題。具體到機器學習相關專業，讀研所接受知識的模式和網上學習模式兩者唯一不同的是一個“面授”，另一個是網絡授課。
研究生如果想看網上的課程的門檻和非學生的成本一樣，如果非學生想接受“面授”，即使是蹭課，往往也需要付出一定的成本。從技能進階的角度來看，機器學習研究生的培養模式往往都是由本校學院制定，這些學生如果想自學網課，那麼就先要完成學校規定的學分，老師指派的論文，有時候這些論文，學分很大程度上可能是與專業知識無關的思政教育。
（雷鋒網）南京大學AI本科培養體系
而只進行網課學習的機器學習愛好者的技能進階模式當前也是比較清晰，先從吳恩達教授的機器學習入門，然後可以看看李宏毅教授的深度學習，然後在啃一遍周志華的西瓜書鞏固基本知識......如果僅僅不清楚學習課程的順序，知乎高贊回答有一大把。
（雷鋒網）
另外，在網上自學機器學習課程的人大多數都是在職從業者，其所選擇課程也更有自主性、針對性，所以，如果不考慮毅力等因素，單從學習技能的角度，或許網上機器學習能夠代替研究生教育。
人脈獲取：導師制度VS公司平臺
不同於人文社科，機器學習作為工科類目下的專業，更加要求實操經驗。畢竟無論是相關從業者還是研究生都要求一定的編程能力。
（雷鋒網）
研究生在校期間，學生一般都是跟著導師做項目，所能接觸到的人脈和資源直接取決於導師的“咖位”，導師在學術界越有名氣，學生身旁的師兄和師姐以及合作者就越優秀。另外，研究生學校所在的地方也很能決定問題，如果在北京，學校之間的交流肯定少不了，藉著導師平臺，能迅速接觸到大牛，遇到更優秀的人。
從網課的角度來說，去上網課不會和授課人做朋友。但是在大學，你就是導師的學生，有一位導師對未來職業發展會有好處，不管是直接給你一份工作，哪怕是給你提供一些建議，這都是很寶貴的。雖然說在公司，一個好的團隊，學的東西並不比在學校少。
也有可能本科畢業的你能力吊打同齡研究生畢業生。但關鍵是，國內的互聯網巨頭，明星AI創業公司，算法崗基本都是標配研究生，除非你是本科生裡很強的那種人，例如ACM獲獎者，或者有不錯的算法比賽成績。否則很難進去。除非選擇小公司，但小公司入坑的概率比巨頭高一些。[1]
最後，我們考慮下極端的情況，一段有毒的碩士生歷程，比一份有毒的工作，毒性更強。畢竟，讀研期間換實驗室、換專業，比在職場上換工作難很多。畢竟，對許多人來說，讀研並沒有那麼有趣。待遇不高，就業前景未知，多個需求存在矛盾之處，不被尊重…..許多因素都可能影響到研究生的心理狀態。在研究生中，體重波動、疲勞、頭痛、胃痛、神經質和酗酒，也都不少見。
金錢的獲取：公司招聘更看重學歷還是更看重項目和經歷？
從解決信息不對稱的角度來看，公司在招聘的時候都會加大對學歷的考察。畢竟在網上學習課程的門檻比較低，而從網上“畢業”的門檻也比較低，而不論研究生的進入門票，還是畢業限制，在企業心中都是衡量一個人能力的標準之一。
雖然進入公司之後，才發現那些沒讀研究生的同事，生產力往往更強，也更能幫到其他同事。看看招聘要求，很多公司都希望從事機器學習工作的員工有碩士及以上學歷。
因為對於機器學習、人工智能之類的技術導向的工作，確實已經有了一些成熟的技術方法，但是這些技術方法還在持續改進發展，幾乎每天都有無盡的新論文出現，每過一兩個月各種新技術就會跑出來一堆……更何況很多很多領域之前並沒有使用這一類AI技術，需要讓既有技術適應新的應用目標，這也需要不小的實踐與研究能力。
而最簡單能用來證明這種研究能力的方式，而且便於HR篩選的方式，就是碩士學歷。也就是說，開發型工作、研究性工作，更多的是看重學歷。而大多數人在網上學習的機器學習課程，也更多的是針對技術研究型的工作，所以如果沒有“大公司”豐富的工作經歷加持，僅僅依靠一套機器學習網上教程，或許很難拿到高薪職位。
那麼，除了讀研就沒有更加清晰展現自己能力的方式了麼？肯定是有的！kaggle上的一些數據科學比賽，就是很好的切入點，如果在學完吳恩達的機器學習課程之後，如果能積極參賽，和別人交流經驗，並且能夠拿到名次，你的簡歷不比一些畢業研究生差。
另外，阿里主辦的數學競賽也已經開始，據爆出來的題目，極大的考察了數學應用能力，而機器學習也比較看重數學的應用......不管是讀研還是自學，都需要積極上進的心思，當前擁抱最新技術的“姿勢”，還是讀一些頂會論文，固定的做一些讀論文的工作，然後把自己的心得體會開源出來，這對於自己成長的幫助不言而喻。
不讀碩士學位也能獲得科研能力：讀
上面說了這麼多，那麼讀個碩士學位有用麼？答案是肯定的，但是考慮到時間成本和金錢成本等具體情況，每個人的選擇都會不一樣。
例如，吳恩達教授曾在一次採訪中說過，不是所有的機器學習都需要碩士、博士背景做支撐，但是如果能有機會去斯坦福，麻省理工的學習背景也是極棒的。
而在國內，能去北大、清華等超一流高校有一份求學經驗，能帶給你眼界、金錢、機會的激勵也會超出你的想象。
那麼，不讀碩士學位如何快速提升自己的科研能力，答案是讀論文：5-20篇論文(在選擇的領域，比如語音識別)=>這可能是足夠的知識，你可以實現一個語音識別系統，但可能不夠研究或讓你處於前沿。
50-100篇論文=>你可能會對這個領域的應用(語音識別)有很好的理解。如何高效的讀論文？在 CS230 課程中，吳恩達對於研究規劃與如何讀論文也提出了他的一些建議。
（雷鋒網）
課程地址：
https://www.youtube.com/watch?v=733m6qBH-jI
1、閱讀文章標題、摘要和圖：通過閱讀文章標題、摘要、關鍵網絡架構圖，或許還有實驗部分，你將能夠對論文的概念有一個大致的瞭解。在深度學習中，有很多研究論文都是將整篇論文總結成一兩個圖形，而不需要費力地通讀全文。
2、讀介紹+結論+圖+略過其他：介紹、結論和摘要是作者試圖仔細總結自己工作的地方，以便向審稿人闡明為什麼他們的論文應該被接受發表。此外，略過相關的工作部分(如果可能的話)，這部分的目的是突出其他人所做的工作，這些工作在某種程度上與作者的工作有關。因此，閱讀它可能是有用的，但如果你不熟悉這個主題，有時很難理解。
3、通讀全文，但跳過數學部分。
4、通讀全文，但略過沒有意義的部分：出色的研究意味著我們發表的東西是在我們的知識和理解的邊界上。
[1] https://www.zhihu.com/question/62482926/answer/2105313863
[2]https://www.youtube.com/watch?v=733m6qBH-jI
閱讀更多 雷鋒網 的文章
