1. EE领域综述
电子工程(Electrical Engineering,简称EE)包含很多分支,简单来说可以大致分为三个发展阶段:第一阶段是98年前,以硬件为核心,主要包括芯片设计、频域分析、自动控制等。很多现在还在使用的技术,比如CDMA、编码解码、小波分析、Kalman Filter、图片压缩都源于这个阶段。第二阶段是98年至08年,以无线通信的快速发展为契机,EE领域加入了很多通信及其周边元素,包括网络研究、分布式计算、凸优化等。第三阶段是08年至今,大数据和机器学习的火爆让很多EE分叉或多或少的转向数据分析和人工智能。
尽管方向随着时代的需求一直在变,但核心万变不离其宗从问题出发做出假设,设计出在该假设下能够保证准确率的算法,并将该算法实现,从而解决问题。拿图片压缩为例,目的是压缩图片,做出的假设是边界的锯齿化不会很大程度地影响图片呈现的效果,从而通过频域分析,保留整体图片效果而牺牲局部细节。
EE可以看做是介于统计和软件工程之间的一个领域。统计更理论,会对于模型做出更多假设,从而得到模型更好的性质,对于此类模型研究的更透彻,但实际问题未必满足该模型的条件。软件工程更应用,往往不聚焦于设计抽象的模型,也不关心此类模型会有怎样的特征,算法设计的目的是最有效的解决手头的问题。EE介于两者之间,同时涉及理论和应用,不对模型做出过多假设,但是也关心这类模型会有怎样的特点。
2. EE就业前景
EE领域就业主要是包括纯EE、纯CS、数据科学、和金融。
EE领域广,所学知识多,所以在美国就业可选的方向很多,大致可以分为以下四类。
第一,纯EE领域,包括芯片,通信系统,电子硬件等。此就业领域已经存在几十年,和EE专业课联系密切,不需要太多自学的知识,市场上职位需求不算旺盛但稳定且数量相当。因为工作对经验要求高,所以优点是工作更稳定,越做越吃香。缺点是收入水平和其他三个方向存在一定差距,职业上升也不如其他三个领域快。
第二,纯CS领域,这就是大家常说的码农了,SDE(Software Development Engineer)。通过前端后端编程实现整个系统的一些功能,此就业领域近十年需求旺盛且现在还没有呈现供大于求的趋势,以硅谷为例,大公司每年都会招很多人,收入与其他行业相比高很多,发展也快。不过,EE毕业生从事该领域存在一定劣势,因为编程功底不如CS毕业生,而EE专业课中对于数学的强调在该领域也没有太多助力;想走该就业方向的同学需要进行大量编程练习,多修一些EE中涉及编程的课程,减少过于理论而与编程无关的课程。
第三,数据科学领域,Data Science,与大数据、人工智能大同小异。通过建模和测试从数据中找规律。此领域近几年快速发展,需求很旺盛,收入高,发展快,而且很多初创公司需求此方面人才。相比于码农,EE所培养的数学和建模功底在此领域更能发挥出来。劣势在于EE课程中很少有能够直接培养数据科学领域技能的,更多的需要自己课外学习,做小项目,对于Python核心包、云计算有一定掌握。
第四,金融领域,Quantitative Researcher,俗称矿工。通过建模找金融市场上的规律,并通过C++进行实现。此领域存在近十五年,对人才需求比较旺盛,收入极高,工作安全性不如其他三个领域,表现不好被裁掉的几率大。除了课外对建模、Python、C++能力自己的培养,面试中体现出自己对于金融的兴趣极为重要,买卖股票、外汇、人肉套利机(两个交易平台价格不一样,在一个平台买,一个平台卖)、学习金融系统规则,都能够体现自己对于这方面的兴趣。