我相信实际上与您的结论相反的是正确的。在The Disposable Academic中，给出了一些关于应用数学、数学和计算机科学领域的博士学位持有者相对于硕士学位持有者的低工资溢价的建议。部分原因是公司意识到硕士学位持有者通常具有同样多的理论深度、更好的编程技能、更柔韧并且可以针对公司的特定任务进行培训。例如，要让 SVM 弟子欣赏贵公司依赖于决策树的基础架构并不容易。通常，当有人将大量时间投入到特定的机器学习范式上时，他们很难将其生产力推广到其他领域。

另一个问题是，现在很多机器学习工作都是为了完成任务，而不是写论文或开发新方法。您可以采取高风险的方法来开发新的数学工具、研究方法的 VC 维度方面、其潜在的复杂性理论等。但最终，您可能得不到从业者会关心的东西。

同时，看看像poselets这样的东西。基本上没有新的数学产生于poselets。它完全不优雅、笨拙，而且缺乏任何数学复杂性。但它可以非常好地扩展到大型数据集，并且看起来它将在未来一段时间内成为姿势识别（尤其是计算机视觉）的主要内容。这些研究人员做得很好，他们的工作值得称赞，但这并不是大多数人与机器学习博士相关的事情。

像这样的问题，你会得到很多不同的意见，所以一定要考虑一下。我目前是计算机视觉专业的博士生，但我决定提前离开我的项目，获得硕士学位，我将在一家资产管理公司工作，从事自然语言机器学习、计算统计等工作。我也考虑过几家大型电视公司的基于广告的数据挖掘工作，以及一些机器人工作。在所有这些领域中，对于具有数学成熟度和解决多种编程语言问题的诀窍的人来说，有很多工作。有硕士学位就好了。而且，根据《经济学人》的那篇文章，你的报酬基本上和拥有博士学位的人一样。如果你在学术界以外工作，

正如彼得·泰尔（Peter Thiel）曾经说过的那样，“研究生院就像按下生活闹钟上的贪睡按钮......”

免责声明：我有博士学位。并从事机器学习工作。话虽如此，我认为除了成为一名学者之外，您不需要博士学位。在任何领域工作。获得博士学位 帮助您发展某些研究技能，但

1. 大多数工作不需要这些研究技能。
2. 您无需获得博士学位即可获得这些技能。程度。

英国《金融时报》首席经济记者马丁沃尔夫没有博士学位。（他有硕士学位），但他的话比大多数博士更重要。毕业生。我认为要在任何领域（包括机器学习）取得成功，你必须知道如何自己学习和思考透彻的东西。博士学位 将帮助您练习这些技能，但这并不是目的。任何仅仅因为你没有博士学位而不愿意面试你的人，可能无论如何都不值得为之工作。

免责声明：我没有 CS 博士学位，也不从事机器学习工作；我是从其他知识和经验中概括的。

我认为这里有几个很好的答案，但老实说，它们还没有完全明确主要问题。我会尝试这样做，但要认识到我不认为我在说一些完全不同的东西。这里的主要问题与 技能发展与信号传导有关。

关于技能发展，最终您希望（作为员工）能够完成工作，做好并快速完成，而雇主想要（或可能应该）这样的人。因此，这里的问题是，通过额外几年的学术培训，您可以获得多少额外的技能发展？当然，您应该有所收获，但要认识到，不继续读研究生的人可能不会只是坐在他们的工作岗位上直到他们毕业。因此，您正在比较一组经验（学术）与另一组经验（工作）。很大程度上取决于博士学位的质量和性质。计划、你的内在兴趣、你的自我导向程度，以及你的第一份工作可以获得什么样的机会和支持。

除了持续的学术培训对技能发展的影响之外，还有信号的影响和价值的问题（即，在你的名字后面加上“Ph.D”）。该信号可以通过两种方式提供帮助：首先，它可以帮助您找到最初的工作，这不应该被忽视——它可能非常重要。研究表明，那些被迫从不适合他们的第一职位开始的人永远不会像那些开始从事一份好的工作的人那样做得好（平均而言，在职业方面）匹配他们的能力和兴趣。另一方面，共识似乎是，在你的第一份工作之后，你的未来前景受你以前工作的表现的影响要大得多，而不是你的学历。

信号的第二个方面与分析者和分析消费者之间的关系有关。@EMS 很好地在评论中提出了这一点. 有很多小型咨询公司，他们喜欢让博士学位向潜在客户炫耀：在试图签订合同的初次会议上，在信笺上，在完成工作产品的演示中等等。博士总是在那里。对此很容易持怀疑态度，但我确实认为咨询公司和消费者具有合法价值（他们可能对这些问题知之甚少，并且可以使用凭证来帮助他们选择一家能为他们做好工作的公司） . 在幕后，一些工作可能会外包给资质较低的有能力的人，但他们想要博士学位。用于前端，并在交付之前签署工作产品。如果初创公司试图吸引资金并想让投资者放心，我可以看到类似的事情发生。

我同意这里所说的大部分内容，但我想介绍一些在申请金融工作时出现的实际问题。您经常会看到广告称申请特定交易或量化开发人员职位需要统计学或数学博士学位。我知道这有一些特殊的原因。请注意，我并不是说这是正确的，但实际上是这样：

• 这份工作有很多申请人，特别是对于最知名的公司，雇主不可能为每个候选人投入足够的时间。基于学术背景过滤应用程序将人口规模缩小到更易于管理的数字。是的，会有失误。是的，这不是找到高效人才的最佳方式。但平均而言，您正在寻找那些多年来致力于学习工艺的熟练专业人士。他们至少应该拥有超越复杂研究项目的纪律。

• 团队和公司将通过一些博士来丰富，以向投资者和客户展示。这将给公司一个“神谕”知识的形象，并有利于其声誉。公司无形估值可以上升。普通投资者将更有信心将资金投入到这样一个知识渊博的科学家团队中。你可以对 MBA 提出类似的观点。

• 最后，有时公司政策规定，更高的学术成就应该有优先的职业道路和薪酬。我相信这适用于不同行业的大多数公司，而不仅仅是金融业。很难看到 John 拥有计算机科学学士学位并管理着数学博士学位。