UC伯克利计算机系教授James O’Brien在LinkedIn上转发了华尔街日报的一篇《科技行业就业遇冷，短期内难见转机》，表示自己的学生正处于这种现状：如今的求职环境太艰难了。拥有本科学位的大学毕业生，即使表现优异，甚至GPA为4.0，也依然找不到工作。更可怕的是，在教授看来，这种情况恐怕不可逆转，以后会影响到每个领域的每个求职者。
曾经，UC伯克利计算机科学专业的毕业生，即使不是尖子生，也会收到多份offer，岗位、薪水、地点、雇主都十分有吸引力。但最近，该专业的许多大学生都不得不面对这样一个惨淡事实：即使拥有学位，工作也很难找。即使GPA 4.0的优秀学生，也开始向教授诉说焦虑。尽管他们的成绩单和简历十分漂亮，却没有得到多少工作机会。O’Brien教授猜想，这种状况还会每年持续下去——即使是今年刚开始上大学的人，四年后在找工作时也是如此。因为可选的职位有限，而且有越来越多的人被解雇，未来的毕业生也会继续这种「毕业即失业」的大潮。以前，考上好大学几乎就意味着饭碗解决了，但在如今的美国，应届毕业生的就业市场竟然变得如此低迷。在教授的帖子下，不少人表示赞同：「如今美国的就业市场，可以说是处于几十年来最糟糕的时期。」求职者需要花费数月申请职位，但很多职位根本不存在；即使职位是真实的，简历也要突破AI和超负荷HR部门的审核；接下来，就是和百万名竞争者厮杀，脱颖而出的人才能获得一个996的机会。一名学生说，自己GPA 3.83，辅修数学，在这一届计算机毕业生中应该算前25%了。然而自己申请了很多工作，至今还没有拿到offer，这让他十分不安。而这位同样在IT行业拥有多年经验，被裁员，而且还没找到工作的网友，则更加焦虑。「要是这种形势继续下去，我真的很担心短期内能否找到合适的工作机会。」一个无可争议的事实就是，找工作困难已经成为一个严峻的问题，无论是哪个专业。很多人背负着沉重的债务完成了四年大学学业，结果一毕业就是迎头痛击。在一份报告中，研究者发现，52%拥有学士学位的毕业生， 在毕业一年后从事着和学历并不匹配的工作，就算在十年后，这一比例也仅仅下降到45%。全国大学与雇主协会对雇主进行的一项调查也显示，今年大学毕业生的招聘预测低于去年。不仅是科技行业，金融、保险和房地产行业今年计划减少14.5%的招聘岗位，与去年16.7%的招聘增长形成了鲜明对比。教授后来又补充道：科技行业的初级岗位却非常稀缺，而且竞争异常激烈，申请者中不乏能力远超岗位要求的求职者。但另一方面，部分职位则在招聘特定领域的资深人才，而要找到这样的人并非易事。如果你能够满足这些职位的要求，那么前途自然就很光明。
O’Brien教授转发的这一篇文章，给出了一个惊人的结论——科技行业的工作，如今正在消失，而且短期内不会恢复。数据显示，自2020年2月以来，软件开发岗位的招聘广告数量已经下降了超过30%。Layoffs.fyi网站的报告也显示，今年科技行业的裁员潮仍在继续，自1月份以来，已有约14.8万人被裁。此外，根据Pequity的数据，2024年的薪资增长基本停滞，平均薪资仅比去年增长了0.95%。自2019年以来，中等规模的SaaS公司为初级职位提供的股权授予平均下降了55%。长期以来，科技行业在就业市场一直占据优势。而如今这种急剧的变化已经不仅是短期的不适，而是整个行业正在经历的一次根本性的劳动力需求调整，一些从业者正被市场淘汰。难怪，连三四十多岁、经验丰富的从业者都失业了，更何况大学生呢？疫情期间，科技公司大肆扩招，甚至开启了人才争夺战，招来的员工只是囤着，防止被对手招去，实际上并没有什么活儿给他们干。随着通货膨胀和利率上升，经济陷入低迷。大科技雇主开始前所未有的大规模裁员，很多次都是数以万计。科技从业者，不再吃香喝辣
旧金山的一位前产品经理从Meta被解雇后，连连遭受冷遇。今年春天，他开车一个小时参加面试，结果却被晾了三个小时，随后面试官只是让他完成写作测试，并没有真正进行面试。47岁的工程经理Chris Volz从90年代就在科技行业工作，去年8月被一家房地产科技公司解雇。![]()
以前，要么是猎头主动联系他，要么是靠内部推荐获得工作。但现在，他人际网中的几乎每个人都被解雇了，他也不得不在职业生涯中第一次主动向外投递简历。他总共申请了120多个职位，但只接到了3个电话。贷款的巨大压力快把他压垮了。好在，今年春天Volz终于找到了工作，但要求降薪5%。30岁的Kugelman年初从eBay的在线营销岗位离职，知道工作难找，干脆在曼哈顿的路灯杆上贴了自己的150份求职简历。科技公司更现实了
他们不再不惜一切代价追求增长，投资宏伟的「登月计划」，而是专注于能带来收入的产品和服务。他们减少了初级员工招聘，削减了招聘团队，放弃了VR设备等不赚钱的领域。以往，进入行业的实习生在初级职位就能拿到六位数的年薪，还有很大机会转正。但现在不仅很多实习机会和初级职位都被砍掉了，而且还要求多年工作经验。企业纷纷将大量资源投入AI领域，不是科技行业的公司，都在大招AI人才。LLM开发者能轻松找到工作，年薪还远超百万美元。Pequity的首席执行官Kaitlyn Knopp指出，AI工程师的薪资是普通工程师的2到4倍，从而也间接导致公司无法在其他人才上进行投资。当然，难以找到工作并留下来这个问题，除了外部的行业因素之外，求职者自身的能力素养也是关键。
今年8月，Intelligent.com对966名参与公司招聘决策的负责人进行了调查，结果如下：- 75%的公司表示，今年招聘的一些或全部应届毕业生表现不佳
15%的公司或许明年不会招聘应届毕业生
其中一个关键因素是——公司认为应届毕业生没有为职场做好准备，无法应对工作量，且表现不够专业。报告指出，仅有25%的公司表示所有应届毕业生表现优异，而62%的公司表示只有部分表现优异。此外，还有14%的公司报告称仅有少数或没有应届毕业生表现优异。对于表现不佳的应届毕业生，有79%的公司表示会把他们纳入绩效改进计划，其中60%的公司最终解雇了部分员工。这些招聘失败的主要原因包括缺乏动力或主动性（50%）、缺乏职业素养（46%），以及缺乏组织能力（42%）。其他因素还包括，沟通能力差（39%）、缺乏相关工作经验（39%）、难以接受反馈（38%），以及解决问题能力不足（34%）。具体来说，有21%的招聘经理报告称，应届毕业生经常无法应对工作量，约20%表示他们经常迟到，约17%认为他们难以管理，15%指出他们常常会延迟提交任务。不过，大部分（84%）公司依然计划在2025年招聘应届大学毕业生，而约5%的公司表示不会招聘，还有10%的公司尚未决定。对于那些不计划招聘应届毕业生的公司，其主要原因包括不招聘入门级岗位（51%）、对他们职场准备不足的担忧（31%），以及应届毕业生的高流失率（31%）。当被问及哪些因素会让他们更倾向于招聘时，57%和56%的公司表示展现主动性和积极态度是重要因素，53%认为适应能力至关重要。此外，能够接受反馈（50%）以及守时可靠（49%）也是重要的考量因素。
最近一位在读第三年博士的学生发帖表示，自己对于毕业后的求职十分焦虑。虽然所有发表的论文自己都是一作，但三年来自己基本没有参与任何集体工作，除了自己的实验室小组之外几乎不认识任何人。相比之下，自己就形单影只，而且在学术界也没什么人脉，也没什么名气。而且，他发现自己很难建立实验室之外的联系，大多数实验室伙伴跟自己的研究领域也并不相干。有人在评论区表示，不必给自己太多压力，因为自己一直担心找不到工作，结果一周内就找到第一份工作了。想被录取进一个项目，大多数都要求顶会论文。博士后的岗位竞争也十分激烈。题主表示，EE专业想进英特尔、英伟达、高通这样的公司，可比机器学习专业容易多了：想拿到博士学位或者发论文根本不那么严，EE工作也并不需要CS专业那样「无所不能」，只需要掌握很少的技能就可以了。
因为他毕业时就获得了EE学位，但看到自己的前同学后，他实在是太后悔读CS博士了！原因就在于，ML实在太卷了。尽管他的履历远比自己的EE博士朋友优秀，但他们博士毕业后很容易找到工作，加入顶级公司担任工程师，面试也不像CS的魔鬼面试一样，需要通过刷LeetCode来拿到。有人表示，原因在于AI领域太热门了，不仅是机器学习博士，物理学/数学/任何科学博士都能进入该领域，因为研究与AI有交叉。甚至可以说，跟物理学等硬核科学相比，AI太简单了。该领域的大部分内容都是经验性的，任何有编码技能和一些直觉的人，都能找到一些东西发成论文。所以每年都会有两三万篇AI论文面世。有人鼓励楼主说，加油卷吧，如果进入大型科技公司，收入就会达到50万到200万美元。或许也是因为这个原因，现在Neurips已经开始有高中生赛道了。不过，现在流传的50万美元，也只是TOP 2-3%顶级机器学习博士的薪资，Meta、谷歌等非初级岗位才有这个薪水。或者，可以去卷对冲基金和量化。这个行业空间很大，可能普林斯顿和斯坦福的计算机博士举步维艰，但Baruch硕士生却能拿到百万年薪。总之，ML一定是目前地球上最有价值的技能之一。谷歌为了把GOAT Noam Shazeer请回来，可是花了25亿美元。https://www.linkedin.com/posts/jamesfobrien_tech-jobs-have-dried-upand-arent-coming-activity-7242613292479696897-gCyT/https://www.intelligent.com/1-in-6-companies-are-hesitant-to-hire-recent-college-graduates/https://www.reddit.com/r/MachineLearning/comments/1gu9os9/d_why_ml_phd_is_so_competitive/
大家好，群里会第一时间发布计算机视觉方向的前沿论文解读和交流分享，主要方向有：图像分类、Transformer、目标检测、目标跟踪、点云与语义分割、GAN、超分辨率、人脸检测与识别、动作行为与时空运动、模型压缩和量化剪枝、迁移学习、人体姿态估计等内容。
进群请备注：研究方向+学校/公司+昵称（如图像分类+上交+小明）
![]()
👆 长按识别，邀请您进群！
![]()
