自然语言处理方向研究生好找工作吗？

自然语言处理方向研究生好找工作吗？

先来说一个现状：2022年算法岗已经是诸神黄昏了嘛！看看阿里腾讯拼多多字节，哪一个不是开启缩招瘦身裁员模式。连大厂都这样了何况小厂呢！而且，像那种几十人的小厂，人只需要前端后端数据库测试等这些工程师岗位，甚至用sql sever等传统数据库就能解决业务数据需求，初创公司商业模式就能run起来！稍微大一点的公司可能需要spark hive等熟悉分布式集群的大数据工程师，只是做一些简单的数据count画画图他们就能解决了！这些岗位全部齐了之后公司需要以业务数据为驱动开发一些智能应用（如BI，智能客服，智能决策辅助等）才是算法工程师的用武之地，所以本质上算法工程师并不是不可或缺而是锦上添花的岗位。对于IT大厂来说，基本股价巅峰在20年底到21年之间（看看中概股就知道了），而22年股价基本只有巅峰的一半左右，经济大环境下导致大厂算法是非常卷的，人才缺口更是无稽之谈，就笔者知道的起码杭州是这样，大量杭州大厂溢出的人才只能选择上海北京这样的城市了，而杭州本地已经过饱和了！

作为2019年毕业的双非研究生，现在在NLP行业也摸爬滚打三年了，也是从最初追sota、刷论文，跑数据起步的，进入公司之后发现公司干活方式真的不太一样。首先说明，笔者目前是的几百上千人的小公司，NLP团队也就七八个人，承担了公司所有数据分析，数据建模、模型训练与上线的工作，所以笔者对NLP从业者的建议是：

1、尽可能熟悉hive spark等大数据工具，面对亿级别的业务数据做一些简单的数据分布分析你不可能去写python的，而且一些简单的机器学习算法在spark内置的mllib中即存在。

2、不用刻意一定要将sota模型用在业务数据上，取效果与效率的平衡！如果采用小模型+规则补丁的方式就能很好的解决问题就一定不用刻意transformer、bert之类的，大模型的部署和运行效率会有很大的问题（公司有无限的卡除外）。

3、做数据比做模型重要，数据交给标注团队或者外包之前自己需要先试标，并尽可能考虑全面产出一套非常清晰、执行度高的标注schema，这个schema很大程度上决定了最后模型的上限了。毕竟决定模型上限的是数据，而标注schema、产出怎样的数据给到标注团队这也就决定了最后模型训练数据长什么样子了！

喜欢的话就点个赞呗！