科研能力和工程能力不能挂钩，校内一般偏科研为主，只要有成果就行；工业上要解决实际问题，需要考虑方方面面，而且有了 onnx 这玩意工程方面，只要专心搞部署就行了。说实话，校内现在做研究的就没几个，都是复现论文，不能产生什么新的东西，说熟悉算法也有点过，真正能产出东西的还得看商业化的研究部门

看你的描述, 你的水平应该还可以啊, 一届学生, 能出几个人才就很不错了, 不能指望人人都是精英, 师傅领进门,修行靠个人

不都是复现论文吗，也可能是我学校不好，工作上的技能，99%不是从大学里学的

@mineralsalt 我完全赞同你的说法，目前令我最困惑的就是我总觉得目前接受的本科计算机训练在 AI 时代里毫无意义

@d873139022 是这样的，但最离谱的是现在人搞 ai 连复现论文的能力都没有（当然有的论文根本无法复现），搞项目必须靠着别人开源的代码拼凑就真挺不好说的

学校的意义在于给学生指明一条入门的途径，至于走和怎么走是学生自己的事情。

大趋势没什么好焦虑的，学到本事后投敌就完了，管理脚下土地的人们配不上拥有推进人类技术发展的人才。

会不会国外也完蛋？
我一个学电的毕设也是基于 ml 的图像分割。会不会有一种可能，本科和硕士阶段就是以爬上前人肩膀为目标（包括快速学习不同领域的内容），博士之后的阶段才有价值，做前人没做过的东西。

之前的机器学习、深度学习课程只在计算机专业研究生阶段才有，凸函数优化等课题也至少需要有本科数学能力。
但是 16 、17 年那会国家大力推行人工智能教育，各高校都是按政策抢风口建立人工智能学院或将课程下放到本科阶段，仓促之余，课程设计就没跟上。这种状况就跟八十年代，国内信息技术刚兴起，国家为了发展软件工程，鼓励高校创立软件学院一样，都是政策性产物。

相反我觉得为什么要大三就开始学人工智能看西瓜书，如果是什么人工智能学院人工智能专业那我无话可说，
如果是计科或者软工，那其他计算机基础学好了吗就开始人工智能，数学没学明白，代码没写清楚，计网 os 数据库什么都不了解就开始什么向量机决策树，到最后真正要就业了才开始刷题报班看 xx 学院。
面试过太多简历优秀的同学，项目经历在校经历全是算法相关，但基础不懂代码不会，现在校招真的没有那么多算法相关的就业方向了。

没办法，现在都这么浮躁，快糙猛才是主流

@buchikoma 感觉不能再同意！我也觉得我们的课程安排是来自风口。我们这门课在设计上完全就是个笑话：大纲参考西瓜书进行删减，内容上直接列出公式，不强制要求掌握数学原理，节奏和考核机制也一塌糊涂。我个人看西瓜书是因为得到了朋友的指引，出于对功课负责的态度进行针对性学习。不然老师讲的东西都是错的，他自己推的公式自己都看不明白。
关于代码能力这块也是非常赞同的。现在很多人学 cpp 这样的语言时甚至都不愿意打开 ide 敲一敲！我个人学习除去看材料以外我都是看个人兴趣写写项目踩踩坑，听别人说“cpp 学到写课设的情况下很简单”的言论真的无话可说。
还有一个问题想问问你的看法：本科计算机基础对于当代人工智能研究有什么意义呢？

都是用框架的，不用框架难道你自己搞一个框架？想深入理解去读博士

@wtsamuel 你的回答引起了我的思考：你看你在学 ml 的时候很快就能开始做应用，我们搞计算机的在学你们的专业知识会很快弄明白吗？比如说在你们专业上有一个专业问题，我们能快速学到具备解决你们问题的基础知识吗？从我个人的角度来说，计算机在人工智能这块的门槛仿佛比其他领域都低不少，任何想用人工智能解决传统工科问题的学生好像都能光速上手。

看看著名的交大生存手册，这就是国内大学教育（我甚至不愿意用“高等教育”）的现状，不仅仅是计科人工智能

@hikigaya58 有幸拜读过那本手册，这玩意真的是没经历过就不知道有多真实

目前 ai 专业鱼龙混杂，确实充斥着大量的做题家，制度问题

就是工作了五六年的算法工程师, 也有不知道怎么在 linux 上安装 python 环境的. 早些年转算法的都是不会敲代码的, 推 2 个公式, 跑点不到 200 行的 demo 就去找工作了. 嘿嘿, 工资还比前后端高

等你到博士了再说这些事情不迟。硕士及以下不用考虑这些事情。

我读大学的时候，连视觉技术相关都是研究生课程，本科嘛就只是 spring 这些应用技术了，更不要说其他的了。

@Symbo1ic 个人愚见，本科的计算机基础教育相较于人工智能这个大的体系来说，就像高中数学物理一样，仍然属于学科范围内的通识教育，在打好基础的同时去往各个方向做一些拓展，给学有余力的同学一些自学的空间，对能力普通的同学打好计算机基础来应对就业。
当然国内的环境就是这样，学计算机一半靠老师，一半靠自学，研究生三年算法，不偷偷自学，出来只能当测试。。。

至于你提到的框架问题，只能说不是错，只是一种比较功利的学习方式，学有余力的情况下可以再往底层走走，当然最后就业环境会教做人。

@Symbo1ic 西瓜书，花书都是经典教材。说实在的老师要是认真起来高数，数模电，就连大物这种东西都没几个能过的。你觉得不行那是你比同窗超前了。前几年搞算法的大多数都是调参侠。

关键问题是学这些计算机底层的东西对搞 AI 确实没什么用啊。
我在德国，没在国内，德国读研那会确实在 AI 之外，还必修了基本的操作系统、编译原理、数据结构这些底层东西，你说的堆栈都学了，但是我后面读博+工作，实感是真的完全用不上这些东西，反正科研都是数学推导+python 调用库搭积木，工程就是 panda+numpy+scipy 那一套清理数据画个图标然后建个模，同事一堆数学系、物理系的，我打赌绝壁只懂个面向对象，会写写 python ，照样干得好好的

@jamosLi @buchikoma 只能说是环境确实如此。现阶段搞好基础也许更符合我们现在应该做的事情。别到时候研究生没有选择只能去做调参侠，现在给自己创造选择权也是很重要的。

坐标某双非，我们一整年 2x56 学时的 AI 课，

坐标某双非，我们一整年 2 x 56 学时的 AI 课，就是老师在上面讲人脑有这个那个区，AI 前景很好，中国 AI 世界领先

@kkocdko 你们老师讲的内容令人迷惑

我记得我们的 ai 课就是半学期短头课，简直就像是过家家

@petercui 你看我这样理解对不对：博士以下学历不用做这种事情，也对这方面能力没有要求？

楼主想说同学水平太菜？我寻思这不是很正常的事情。

有兴趣的人，自然会自学 C++基础算法。没兴趣的人，教材再好也是空中楼阁，学完就忘。大学生活精彩纷呈，何必花大量时间和代码较劲。学姐能调调 py 开源项目，调一下参数，也就可以了。

OP 要同学能完整复现论文，你的要求也太高了。

cv 和传统计算机有什么关系

不会栈会模型的训练与微调很多人也拿大厂 Offer(非我)

现代基于深度学习的人工之智能和传统方法差太多了

CV 领域之前教材都完全不用看了，之前纠结是否学学一些视觉知识，实际情况下来看，以前的启发式的探索，在数据加算力帮助下，很多启发式的知识没什么用了。

所有的研究如果都要从零开始那很快就要见顶了，各玩各的
搞算法的在我们公司都虽然是研发序列，但一般不叫程序员，很多时候就是玩调参嘛，基础建设那是基架的事情。

学院派本身就已经落后很多了，现在工业界已经在很多方面领先学院派很多了，量子计算机、ChatGPT 、CV 哪个不是工业界引领的...

难道现在 ai 已经和传统计算机训练脱钩了吗？
是的

或者准确说是细分方向太多了，有计算机体系，有 CV 、有 NLP 等等。CV 领域厉害的不一定对底层系统熟悉也是很正常

所有科目都一样，我念化学的，你觉得学校实验室用的仪器和企业用的仪器相差多远？十年以上吧，谁出钱给学校买紧跟市场最先进的设备啊？起码我当年是这样

回到主题
此题好像说的就是我，所有描述差不多都能对号入座了
当然说的也不是我，你现在还在校吧，我当年是一个学生教老师用电脑的年代，直到大学毕业，八成老师没用过电脑，那两成不是计算机专业的老师，就是刚刚毕业留校的年轻老师，别说机器学习，用过 word 的老师我都数得出，谁也“教”不了谁

但我接触机器学习很早，那时叫“多因素分析”，毕业后做了多年市场调查，这几年很重要，不但“补课”了统计学，还学了更多买书都没得卖的知识，一下子把自己拔高到“稀缺人才”（自诩的）

实际上我非计算机专业，那时不懂计算机原理，高数成绩惨不忍睹，完全不是做算法的料，就是“拿来主义”能力特别强，后来接触的一些计算机毕业的，拼凑都做不好(照抄可以，融合糟糕)，他们计算机方面知识算是让我“自卑”的（每次新招人都有自己将要“被替代”感），但绝大多数搞不定实体业务模型向计算机模型的转化，却是让我费解的

你要明白一点：单纯靠书本“学习”就能达到的人才，是最容易被“学习”取代的，AI 会最先替代他们

我觉得学校培养的“高精尖”人才，是应该流向“实验室”的。套到现在热点，就是应该弄个 gpt 对话学习模型出来，而其他懂 AI 的非科班人员，就应该去处理“归类”工作，后者是使用现有算法模型实现业务模型的工作
你觉得能把 gpt 套到某个专业领域实现的人，一定会是计算机专科的人么？现在的行业分工哪止 360 行啊
目前 gpt 在某些专业问题上“胡说八道”，就是后面这些人才参与不足

最后，小结一下，这个可以说是“通病”，其实是“读书无用论”的大学升级版，小学觉得学语数英没用，中学觉得学理化没用，大学觉得学校教的没用，不仅 AI ，其他科目都差不多
不用想太多，不要“破防”，大部分人都是这样过来的，走进社会就能慢慢适应了，如果到时还不能适应，那就是被社会淘汰的人了
至于大趋势，也不是需要想太多，等你人际关系进一步复杂化，就会明白很多事，如果有志向，那就到时去学“狭缝中生存”，坚定目标去做

个人感觉西瓜书不如李航小蓝书

我们学校我们这届开了人工智能，不知道为啥在电子大类

@Symbo1ic 怎么说呢，扎实基本功是每一个计科，软工本分内的事，只是现在吧，这种分内事都变成了一种优点。还有就是现在算力都是过剩的，先大力出奇迹怼出来，然后在慢慢优化。gpt 就是最鲜活的例子。

本科生就是打好基础。基础打得牢，在就业培训中就学的快。指望本科生毕业就能干活不太现实。而且不同工作环境的技术要求不同，有的甚至提供低代码开发环境，不是很需要传统计算机训练。

@zooo 是的。底层这种东西看怎么个底层法了，数模电也是底层，网络，串口都是底层，框架底层装配，调度算法也可以看做底层。即便是数据结构，每种语言都有自己的实现，甚至自己乐意也可以手搓实现。不同种类的载体，设备都有不一样的底层 pc ，iot ，手机，乱七八糟的东西太多了。量体裁衣，先找自己的方向在往下挖，不然就是感觉自己啥都知道，但是感觉自己又啥都不知道。

@InvincibleDream 错了，现在都是各种框架，你拉个高中生来，他沉下心学个十天半个月，照着前人代码抄抄也能干活，大家都是在堆屎山，能跑就行。

@tool2d 到不是要求复刻论文，而是至少应该做好能做的事，比如打基础。我确实觉得搞人工智能离我们现在的水平来讲有点太远了。

@tool2d 补充一点我觉得现在对于 AI 的学习也没有一个很好的评判标准，所有掌握的知识感觉就是在踩沙子一样，这令人惶恐

@Symbo1ic 你要意识到现在的机器学习还是偏工程 而不是偏理论一些

你看看机器学习的数学基础你就会意识到这东西跟你认为的算法其实也没啥关系…… 人家只是做研究的 其实根本不需要关注你说的那些基础怎么弄得

就像很多研究通信算法的 人家可能只会写 MATLAB 但是也不妨碍人家发论文出成果 方向不同罢了

你关心的那些更多的是你准备去做框架开发的时候 才需要去关注的事情

你说的太个例了，你说的栈计算机类专业都会有数据结构这门课来教，和你想表达的观点不太沾边。此外深度学习机器学习和统计学习的关系更大，如果硬要说需要什么计算机知识，大概是 linux 操作以及 python 编程（对计算机人来说众所周知的简单）。

现在的 ai 本来就跟传统的 cs 没什么关系

@736531683 可能是我忘了说，这位学姐是计算机专业上去的。我想说如果这种水平都能搞 ai 的话 ai 行业门槛有点太离谱了

我们这边是大三才开始人工智能的学习，学的内容大概还是西瓜书的超级筛选加上乱讲的版本。这种东西感觉挺需要学生的思维能力的，所以我对大三开课也没啥意见。
---- 看上去你希望更早接触这些东西。如果希望的话随时都可以入门，不一定要等上课学东西，课上学的可能远不如自己的实践。再不济，大一不开课，但是可以去蹭课呀。

但问题是最近遇到一件事让我挺破防的：一个没有做过任何人工智能的或者传统的项目的，也没有算法基础的学弟开始框框入手 cv 项目，我就觉得挺离谱的。
---- 这个和上面一样，没有基础可以从接触项目中学习。也许学习路线会比较曲折，效率会比较低，但是也没什么离谱的。

我们学校计算机也不是很差，但里面的人确实挺抽象。
---- 不清楚抽象什么意思 XD ，如果下面学姐是例子，要用冒号。

我认识一个研究生学姐，搞 cv ，自称熟悉算法，却不知道什么是栈。
---- 现在五花八门的编程语言和各种实现方式，好像确实可能会导致有些人虽然了解上层算法，但不懂底层代码，或者对于某种程度的应用来说，不需要懂。但是懂自然没有坏处，也许你就可以在编程的时候因为了解底层原理可以有更优的实现方式。

难道现在 ai 已经和传统计算机训练脱钩了吗？
---- 不觉得，会调参数会调用 API 是一回事（但是可能也需要一部分基础训练里面的“文档阅读理解能力”），但是如上一条，深入的理解可以带来更优的性能，甚至有的时候 0 和 1 的区别。

计算机本科生接受的训练在 ai 时代都是毫无价值的吗？
---- AI 时代反而更需要这些计算机专业的学生，会有更高的价值，参考上两条。但是也许会有一种错觉是大家（与非科班相比）对某个东西的理解掌握水平相似，但是也许只是流于表面？科班学生的综合能力总还是要强于非科班。

再看看国内现在都在搞人工智能的大趋势，我真的觉得挺完蛋，也挺无助的。
---- 这个东西是最近的一个热点，但是并非所有人都在搞 AI ，比如去了解一下自己学院的科研团队们的研究方向？诚然，可能会因为基金申请、项目申请等原因有些团队会加入一些 AI 的名头，但实际上做的还是其他方向，只是在某些场景下利用 AI 进行了一些辅助。

你看我这样理解对不对：博士以下学历不用做这种事情，也对这方面能力没有要求？
---- 我的理解或者想说的是：不是说博士以下学历不需要做这件事，可以做，做进去会发现对多方面能力有要求，然后慢慢掌握更多，从而在众人中脱颖而出。这里博士学历应该是对你的认知的一种描述，一方面你的文字里面透露着一种急躁，就好像你看见的所有东西都是 AI 了；另一方面你对现在（ AI ）就业市场上的供需情况可能还不是太了解。因此当你在这个领域内有更多积累之后，可能有些观点会发生一些变化。

你的回答引起了我的思考：你看你在学 ml 的时候很快就能开始做应用，我们搞计算机的在学你们的专业知识会很快弄明白吗？比如说在你们专业上有一个专业问题，我们能快速学到具备解决你们问题的基础知识吗？从我个人的角度来说，计算机在人工智能这块的门槛仿佛比其他领域都低不少，任何想用人工智能解决传统工科问题的学生好像都能光速上手。
---- 这个速度主要取决于个人的学习能力，你只要愿意学习，在其他领域也可以具备解决问题的基础知识。而“光速上手”是不成立的，尽管在目前 AI 工具越来越傻瓜化的前提下，总有一些需要专业技能的地方。举例来说：pytorch 傻瓜化载入模型是依赖网络的，那么在网络受限的环境下就需要你去解决模型载入的问题，这个时候你的计算机网络基础也许就能帮你快速解决问题，而隔壁其他专业的同学只能百度按别人的经验去解决。

我的建议是： 你可以查一查相关公司的招聘需求，是不是有些岗位还是要求扎实的计算机相关基础（比如 AI 编译器岗位-计算机系统结构、编译原理）。如果你的目标是找到一个比较好的工作，或者说自己有比较多的选择余地，那么你可以从任何时候开始针对这些要求对自己进行训练（比如参与一些开源项目）。
我的学校也许没有你好，211 博士今年刚毕业，可能思考也没有你深入，自觉也没有达到我自己描述的那个高度。上面的回答也可能比较凌乱，如果能对你有些帮助，那就不枉我停在这个页面这半小时了 ；）

@Symbo1ic 分布式计算 hpc cuda 编程，都需要有传统计算机基础啊 。AI 本来也有纯理论方向的。

本科本来不就是这样嘛

@LYEHIZRF 你说的这俩都属于底层框架了 跟上面的算法开发其实没多大关系了

就跟开发 Matlab 和用 Matlab 也是两拨人一样 方向不同

@Symbo1ic 虽然但是，关系可能真的不大。不过这种人对计算机系来说真的太水了。参见 17l

从我面试的候选人来看，很多“水”AI 的真的缺少计算机或者代码的基础。事实上他们也不需要，很多时候别人的论文能复现，自己再搞个算法就能发一篇新的的。或者做一些改进，但这个改进在工作工程上来看，其实有些可笑。但这些不影响他们发论文，不影响毕业。这部分同学的导师往往也是别的专业往人工智能上硬靠的

但这种同学说实话找工作有点尴尬，正在的算法岗别人看不上他，我们这种传统的软件岗也看不上，除了搞的这些比较水（稍微学过点就知道他们搞的多水了）还有就是岗位不需要这些，还是需要传统软件工程的，更靠谱

哈哈之前的大学出来也是比谁会当 crud boy 。做事情能抽象出原理，格物致知是一种很好的精神，但是前提是你先能搞定，隔壁的学姐不懂栈然后做出来的东西性能比你好，那就太难看了。
话说, 底层可以无限底层，喜欢底层的话来写 rtl 吧 doge

@Symbo1ic 是的，学校里教你的都是怎么打下科研的基础，对工程上的东西是不会有任何教学计划的。

比如说，生活大爆炸里，理论物理和工程物理的区别。