作为美国前三名大学的专业研究员，我将给你我的观点。请注意，每个人的道路都是不同的，所以要多听意见。最好的提示和建议将成为这些意见的一部分，因此您将对可能的路径有所了解。另外，请注意，我不会假设您是一名神童，您可能会从大学辍学，而 FAIR、Google 等公司会收留您并将您培训为研究人员。我的建议将主要集中在增加成功机会的平均水平上。

首先，成为专业研究员和在FAIR工作是两件不同的事情（当然可以同时或不同时间实现）。现在，要成为一名专业研究人员，您将需要专业培训 = 博士课程。博士年是您将接受培训以进行原创研究的年份。所以攻读博士学位应该是你中期（毕业后）的第一目标。

请记住，作为 FAIR 的研究科学家，您将需要定义自己的研究路径，该路径应与您所属的更大研究人员群体的目标保持一致。这意味着您需要提出正确的问题。有趣的问题可能会导致有趣和有影响力的工作。当然，这意味着您非常了解您研究主题的文献。此外，通常 FAIR、Google 等的研究科学家已经从他们的博士/博士后获得了一些很好的有影响力的研究亮点，并且公司有兴趣将这些研究方向纳入他们的研究方向。换句话说，他们有一些有价值的东西可以“推销”，而不仅仅是好的技能。

这引出了我的下一点：专业化。如果您的目标是在 FAIR（而不是谷歌）担任研究科学家，您需要说明为什么 FAIR 的具体原因。你喜欢他们研究的具体内容吗？例如，如果您想成为 RL 专家，这可能不一定会引导您进入 FAIR，因为与例如 Google 相比，他们在 RL 上的投资并不多。这些是你需要考虑的事情。

如果您不开始专注于您想要做的事情以实现您的目标，那么在 ML 中到处都有一些经验不会带您到任何地方。我们谈论的是马拉松而不是短跑，所以你需要考虑长期目标（未来 10 年的计划）。

了解架构并拥有零 ML 基础不会让您在该领域走得太远。随着您获得经验，开始了解执行 X 的方法/技术的组/系列。例如，您可能了解 PPO、A2C，但您可能不知道策略梯度方法和价值方法之间的区别。这些是您需要考虑的事情，以便您采取更专注的道路。成功的研究人员非常了解他们的领域，并且可以提出成功的后续步骤来突破他们的领域边界。您需要建立一个更一般的理解，而不仅仅是了解架构。这引出了我的最后一点：数学。

作为 ML 研究人员，擅长数学和统计是非常有价值的。是的，选择艰难的道路并在您所在领域的数学中变得出色。不要听人说你不需要数学。

其他几件事：尽早加入研究小组，找出你喜欢的东西。如果需要，就读研究硕士或理学硕士，特别是如果您需要更多课程。向人们发送电子邮件以获得建议并一次又一次地提出问题！尝试早点发表，然后申请博士学位。选择一个好的主管，同时也是一个导师（非常重要，因为有些人在没有指导的情况下进行监督）。你最终可能会进入一个竞争非常激烈的实验室，但主管可能会很忙，以至于你从他/她那里什么也得不到。想想你从项目/合作/学徒等中得到了什么。始终保持你的数学和编码技能敏锐。最后（再次）集中注意力，缩小你感兴趣的研究领域。

我试图尽可能多地覆盖。祝一切顺利，记住锻炼耐心和毅力！