分享
现在学机器学习会不会成为下一个通信的牺牲品？
机器学习，数据挖掘，计算机视觉 现在都是炙手可热的方向，从NIPS, ICML, CVPR等顶会的投稿人数，参与程度以及研究热度来看，都是达到了一个空前的高潮，相应地，工业界的薪水着实吸引人。这吸引了包括我在内的很多大学生，研究生想要投身其中，然而物极必反，如此多的人涌向其中，竞争激烈，供过于求也是很有可能的，等到你毕业的时候，未必有如今的高薪和发展，甚至一片萧条也有可能。几年前，通信行业大发展的时候，无数人挤破脑袋进通信，而现在呢，读完研究生毕业发现，曾经的热门高薪行业已经不再光鲜，又转向了高薪的互联网了。所以，机器学习到底会像通信一样，热了几年之后，就没有大发展了，还是会像互联网一样，在2000年泡沫破裂之后，重新成为下一个风口？置身于其中的我们应该如何作出理性的选择？不同的行业，比如互联网，通信，有没有什么本质的基因决定了他们各自的命运？
回复 ( 10 )
工业界的热度也许会消退。
但是，从学术的角度看，机器学习领域要走的路还长着呢。
码农是一个相当符合知乎”政治正确“的职业，在知乎的构成主体——高学历的有进步需求的城市人口中，码农算是中产里收入相当高，而且和”学习“这个主题最接近的职业了，之所以说这个，是因为我想告诉题主你，由于载体本身的限制，你会看到相当多的答案说——码农永远不会过时，或者——只要努力就好了，什么行业都有精英（这也是知乎的政治正确——或者说某种倾向性）
下面开始简述
到底什么决定了行业的平均价格，这是个资源配置问题，而只要我们采用市场化的配置手段，那么就是供需决定价格，从经济学来看，人也是生产要素的一种，市场化的意义就在于，当某种生产要素过于昂贵时，会导致大量资本介入，比如假设由于某种原因——铜被大量需求，导致铜价暴涨，铜矿业获得巨额利润，那么许多企业就会进入采矿业，在产能扩张后，铜价就会被抑平。
同样的道理，同样是付出巨大的努力，医学生在中国的收益远远不如计算机学科，那么医学院就会逐渐招不到人，而信息科学的毕业生就会增加，最终抑平市场波动。
但是请注意以下可能发生的情况，会延缓这个趋势
1.资源管制，假设只有政府有权开采铜矿，而非一个自由竞争市场，铜价可以被长期维持在高位，同理，如果政府只允许少数人学习信息科学，那么，信息科学从业者也可以长期获得超额收益。
2.信息行业大发展，假设我们在一轮产能扩张以后，又发现了铜矿的新用途，那么在第二轮扩张之前，铜价也能维持在高位。通信行业也是经历了若干轮大发展之后，才陷入衰退的。
上面讲的都是比较易懂的简化模型，我想和题主说的是，从行业来看，什么样的行业，也就是题主所谓本质基因，拥有长胜不衰的力量呢？
我们都知道，有一些行业是周期性的，永远在产能扩张——无序竞争价格低下导致亏损——收缩产能——价格上涨——产能扩张这个循环里，为什么？因为行业门槛低+产能建设时间长+基础建设成本过高，比较典型的就是钢铁业，职业也有相似的道理，因为人在自由市场里也是生产要素的一种，对应来说好的职业要做到
1.行业门槛高，所以尽量选择自己有天赋而非热门的行业，一个简单培训的码农就好像一吨钢能赚2000时代的小高炉，貌似投入产出极高，等寒冬一到，基本逃不出破产的命运，尽量选择自己能走得远的路，不要被简单重复建设打倒。建立属于自己的护城河，就算钢铁大寒冬，宝钢一样盈利。
2.产能建设时间短，一个行业的产能建设时间越长，导致的问题是产能信号传递很慢，比较典型的就是医学，由于医学生的平均建设时间远长于一般本科，最后会导致去产能化的时间也很长，行业的寒冬会持续很多年。
3.基础建设成本低，为什么钢厂产一吨亏一吨还要产钢呢？因为钢厂是重资产公司，投入的成本很高，只能希望别人先破产来挽救行业，而且无法转型，你能想象钢厂转型成服装厂吗？有一些行业产出高度特化的人，这种特化，是非常严重的成本，希望大家审慎考虑。
但是上面的优势有一些是互相矛盾的，就好像资本市场好的企业往往昂贵，便宜的企业不怎么好一样，但只要综合考量这三条，对职业就会有深一些的认识了。所以说说了这么多，信息工程到底怎么样呢？
1.行业门槛一般，没有极高的特定门槛
2.产能建设周期短，一年的特化培训足以在业界找到工作
3.基础建设成本低，高度逻辑思维是转型保证
从纯经济的角度，综合来看还不错，其实题主举得例子不错，这个行业和若干年以前的通讯确实很像，通讯的问题是当年培养了很多人，现在在移动通讯普及之后，行业没有大的发展来消化这些人，造成要素价格下降，但是由于转型还算方便，其实也还能站住平均行业薪酬，至于互联网现在的超额收益，我觉得很难保证，除非在你的有生之年，每隔十年左右互联网一直能提供新的颠覆性的产品
码农火了多少年了，好的码农现在依然难招，有点经验和水平的年薪20万一下肯定找不到。无它，有难度有门槛。机器学习是更有门槛的，这东西想真正工业界做出点东西，要求非常高。首先要读很多书，特别是要有一定的数学基础，这个很多人做不到，然后要能写码，这又刷掉一批，然后还要有sense，这个也许有点玄，但是据我观察真的不是人人都是这块料。
我不知道通信行业具体做什么工作，也不了解通信行业现在的科技发展。但是it行业没有什么供过于求，说难听点，现在其实很多都是勉强用，水平不够也只能用，因为水平够的人不够招不到。
@端木宁州
因为回复写得长了一些，因此直接在这里@您：
仔细阅读了您的发言与回复，我发现我们的看法并没有本质的冲突，只是我们描述在不同的方向。整体上，我认为您的观察非常正确，每个行业都有它的兴衰起落，前车之鉴用来印证互联网的兴衰是非常有道理的。我的经验与您略有不同，我是从媒体生态学课程中学习的报纸、电台、电视等行业的发展历史，并将它们用作我判断互联网行业发展的依据。
很抱歉之前的回复没有完全表述清楚我的观点，我并非认为机器学习未来将有几十年的蓝海期。我个人认为机器学习还处于初生期，方向、未来都十分不确定，甚至于有可能像生物专业一样，毕业之后找不到相关工作。
但是对于整个互联网产业而言，因为它降低了信息的通讯成本，特别是在移动互联网设备和网络普及的现在，让我们看到了“互联网+”（“全行业信息化”）的可能性。“靠这个趋势吃一辈子”就是将现有的互联网技术作为一个基础技术，帮助传统领域提高效率、优化产能。
我不认为互联网将来是一片蓝海，甚至于在高竞争环境下，未来可能会极少存在蓝海市场。互联网行业一直进入/退出门槛和成本都不算高，导致了它存在很难建设起行业壁垒。即使是与传统行业结合，依赖于传统行业的知识储备作为竞争优势，这个优势也只能保证这个企业领先三个月至半年的时间。
在这个环境下，我认为互联网行业的工作会是高风险与高机遇持续并存。因为互联网行业的产品生产（复制）并不需要额外成本，因此这个行业很容易形成垄断。如果“互联网+”导致互联网行业继续细分，可能最终结果就是每一个细分行业里面都有2-3家公司，其中1家具有垄断地位活得非常好，剩余的1-2家可以保证稳中有进，而剩余的几百家乃至几千家在这个细分领域进行竞争的公司，都面临转型或倒闭的命运。目前我们看到的高收益，已经是牺牲了非常多人的利益才获得的。未来我们可能还会看到很多行业里“一夜暴富”的消息，但是我们从来没看到过已经被牺牲的那一批人的信息。
我认为毕业后从事专业对口的工作，对于互联网行业或者未来任何行业，本身就是一个伪命题。目前不光是国内，欧美也在反思当前教育制度只为了培养教授，而不是拥有高级工作能力的人才；毕业文凭也不再是工作能力的保证，研究和实际应用之间的鸿沟让企业招聘毕业生后只能重新开始培养。因此，从参加工作的开始，我们就只能不断的自我提高和改变，才能在未来的行业里面拥有立足之地。
我的工作经验一直在互联网行业里面，非常高兴能看到您能从其他行业里面介绍经验来分析和讨论。希望能更多的与您交流。
大热只会让人变多，人才的数量还是不变的
从通信转到计算机，最近刚好在做机器学习。应该是有资格说两句的。通信大体上是个政府导向的行业，基础建设完成了也就不火了。计算机这个大方向应该能继续火到下次科技革命吧。机器学习是学术界很火，工业界刚刚开始，一切都还是未知的。有可能出个颠覆世界的东西，也有可能是个填不满的大坑。
是研究热，工业界还在跑线性回归呢。
通信没落了？码农没落了？
好骇人听闻，码农不知道，通信什么时候没落的？我怎么不知道？
你家宽带高峰期卡不卡？
你家宽带下载速度能到10m/s吗？
手机流量看视频肆无忌惮不？
研发5g你没听说？
作为通信行业业内只听说到处找人找不到，可没听说饿死业内人的。
既然都没法预测准未来，那还不如着眼当下呢。别的不知道，今年cmu eoc，M$说我们码农都差不多没坑了，data science的坑挺多你要不要跳跳？
即使有泡沫，倒霉的也是学艺不精的人，机器学习不是一几个算法和调参就能囊括的，真正学好的人有能力做任何和数据相关的工作。