2022 计算机研究生，数据挖掘，计算机视觉，自然语言处理哪个就业前景更好？

题目中是列举了目前较热门的几个方向，也可以谈谈除了这几个方向，还有什么其他就业前景好的研究方向？如图像处理、脑机交互、计算机图形学等相对冷门的方向怎么样？
主要是希望读完研究生能继续从事相关方面工作，不想读了研究生出来还是找了个前端后端Web开发工作，那感觉研究生就有点白念了，只是混了个文凭

发表于 7 天前

想知道学什么最好，我们先来了解一下这三个领域：

1. 数据挖掘
数据挖掘(Data Mining)就是从大量的数据中，提取隐藏在其中的、事先不知道的、但潜在有用的信息的过程。
数据挖掘的目标是建立一个决策模型，根据过去的行动数据来预测未来的行为。
2. 计算机视觉
计算机视（Computer Vision，简称CV）觉是人工智能 (AI) 的一个领域，是指让计算机和系统能够从图像、视频和其他视觉输入中获取有意义的信息，并根据该信息采取行动或提供建议。
如果说人工智能赋予计算机思考的能力，那么计算机视觉就是赋予发现、观察和理解的能力。
3. 自然语言处理
简单地说，自然语言处理（Natural Language Processing，简称NLP）就是用计算机来处理、理解以及运用人类语言(如中文、英文等)，它属于人工智能的一个分支，是计算机科学与语言学的交叉学科，又常被称为计算语言学。

2022 计算机研究生，数据挖掘，计算机视觉，自然语言处理哪个就业前景更好？-1.jpg

接下来，我们就通过多个维度来说一下三者的优劣：

1. 岗位数量：从岗位数量来讲，数据挖掘的岗位数量是远小于NLP和CV的，但从业人员相对也是较少的，所以在业内就业情况来看，就业难度差距并不大。
2. 上手难度：从入门角度来讲，CV的入门难度是比较小的，但想达到中高级工程师水平，其难度反而比NLP更难些。至于NLP，技术能力是一方面，数据敏感度也很重要，所以要说难易程度，有些难以辨别。
3. 使用场景：CV方面的落地技术比较成熟，范围广、成果也比较丰富；NLP的落地技术范围相对较小，但在许多关键技术上需求明显，前景巨大。至于数据挖掘，这部分内容主要是预测和分析，知道企业决策的，使用场景比较抽象。
4. 就业薪资：就业薪资这三个方向都是比较不错的，每个岗位也是薪资极高极低的情况都存在，但从平均薪资来讲，NLP方向还是更胜一筹的（30.01k），CV和数据挖掘相差不多（28.7k）。

比较结束，希望可以对你有所帮助，但是我觉得无论谁优谁劣，最重要的还是感兴趣，我相信能考上研究生，学习能力是不缺乏的，那剩下就是努力了，在不喜欢的领域努力，怎么可能比在喜欢的领域努力更有收获呢？

发表于 7 天前

之前写了一篇文章，获得了很多读者的认同，这里也贴出来供大家讨论一下：
不困先生：六大算法岗：搜/广/推/NLP/CV/数据挖掘怎么选？先插一句题外话，“不想读了研究生出来还是找了个前端后端Web开发工作，那感觉研究生就有点白念了，只是混了个文凭“，这个观点，我是不认同的。就不谈分布式、数据库、云计算这些开发岗了，就算前端后端web开发的工作，让一个硕士生来做也完全不是屈才。下面是我之前写过的一篇回答，表达了我对算法岗和开发岗的看法：
既然计算机硕士大部分都干开发那硕士白读了吗？学一堆理论和研究。跟开发毫不相干?评论有很多骂我的，也有很多挺我的，我不求说服大家，只想表达一下自己的看法。
然后回到问题，数据挖掘，计算机视觉，自然语言处理这三个方向，具体的分析可以看我上面的文章，这里直接说结论：

如果想读博做研究，选自然语言处理
如果想就业：
- 你还是一个小萌新，有大把的时间学习：选计算机视觉
- 你已经要准备找工作了：选数据挖掘

发表于 7 天前

在我看来，应该从以下3个方面对这3个方向进行比对：
1、目前研究现状。首先是科研人员数量，CV和NLP这几年你追我赶，新idea和风口也不断往外蹦，数据挖掘体量我感觉浮动不大，不过现在很多传统行业也逐步进行数据挖掘了。国网现在就很多data mining的活。其次是项目数量，CV的活大多精而专，NLP和data mining的活比比皆是，如果是找工作的话，都不难找。最后是paper数量，近几年CV和NLP的数量远超数据挖掘。
2、开发情况。首先是开发难易程度，我觉得应该是data mining<NLP<CV。data mining你要会一些machine learning的算法，NLP的话就是分词、词性分析情感分析等等了。CV就是去燥精度识别障碍检测等等了。其次是社区开源情况。这三个方向目前开源的社区都很多，国内不行就谷歌上去找找，总有一个回答适合你的问题。
3、项目落地情况。这个直接关系着你是否可以继续走下去 or 中途下车。最近大厂毕业季听说了吧？本质原因无非就是支撑业务线的idea看不到前景。说回这三个方向，如果只是这三个方向的基础项目，落地没问题，如果是假大空，不敢保证。啥是假大空？举个例子，「用CV处理外星人照片，自动区分物种性别」，诸如此类。
总之不管什么方向，学踏实了，找工作都不会发愁。
<hr/>我是大雄 @李大雄，一个混在国家电网的数据科学家，你的点赞、收藏和关注是对我最大的支持！

发表于 7 天前

我是CV出身，仅从DM, CV, NLP三者来选择的话，更倾向于DM。
CV, NLP是人工智能的子领域，落地场景还是有限。数据挖掘的落地场景更广，可以与成熟的互联网行业的现有业务紧密结合起来，而不需要像CV, NLP那样去探索落地场景。因此，数据挖掘的从业人数在这3个领域中是最多的。
一般来说，DM的人数是CV的2-3倍，CV的人数是NLP的3-4倍。
除了上述3个领域外，我更建议你多锻炼自己的工程能力，熟练掌握C或者C++编程语言，多训练自己的模块化开发思维，如果还有时间可以多学习一下CUDA。单纯的这些工程能力是可以赋能所有的AI领域的（包括上面的3个领域），就业面更广，行业人才更匮乏。

发表于 7 天前

这三个领域相比：

从研究人员的多少（蛋糕有多大）来说，数据挖掘似乎蛋糕最小，然后CV和NLP不相上下。
从入门难易程度来说，NLP最难，数据挖掘次之（但现在的数据挖掘一大部分约=ML），CV最简单。注意，我说的是入门。
从发paper的期刊会议来说，数据挖掘最少，CV和NLP都比较大。当然，范围最大的是CV，基本上ML AI CV的刊物都可以发。
从开源项目、找现成代码难易程度来说：CV代码最多最好跑、NLP和数据挖掘不相上下。
从需要的计算资源来说：CV和NLP主要用GPU多（如果做transformer的话都要很多，否则cv少一些），涉及机器学习部分的数据挖掘也用GPU多、传统数据挖掘用CPU多，相比之下最不需要特别多资源。
从找工作来说：其实都很卷啦。

最后，真的不考虑一下迁移学习吗？它可以在上述三个领域中应用，自成一体，也是近年来比较热门的研究领域：
王晋东不在家：《小王爱迁移》系列之33：迁移学习领域名词解释大全王晋东不在家：简明手册重磅更新：《迁移学习导论》成书上市啦！

2022 计算机研究生，数据挖掘，计算机视觉，自然语言处理哪个就业前景更好？

本周热门