这篇回答就从业界的角度讲一讲要往ML方向发展的话，业界内会有哪些要求。

首先补充两个背景知识：

第一，北美目前机器学习相关的硕士可以大致分为三类。

（1）计算机类/CS项目：随着机器学习近几年越来越火爆，越来越多计算机硕士项目开设了ML或者AI方向的track或者concentration（研究方向）。

（2）数据科学/DS类项目：近几年虽然DS项目越来越多，但是申请难度却日益加强。

（3）其他类项目：比如统计/OR/Management Science and Eng/CSE/IS/EE。这些项目为了与时俱进，在课程设置的时候往往都会安排一两门机器学习相关的课程。

第二，北美目前机器学习相关的岗位大致可以分为三类。

（1）以发论文为目标的researcher(研究员）岗位

（2）Machine Learning Engineer（机器学习工程师）或者Software Engineer（软件工程师）

（3）Data Scientist（数据科学家）或者Applied Scientist（应用科学家）。
这三类岗位中，第一类岗位不是Master的目标岗位，我们来重点讨论第二类MLE和第三类DS岗位。

在这里需要提到，并不是所有的DS都是与机器学习相关的。先说以DS为主要内容的工作岗位，在北美大部分DS主要负责统计实验的设计、执行以及数据分析，数据驱动的决策制度。部分DS会遇到ML相关面试，主要需要掌握统计模型，非NN。 其中最重要的就是两个regression。其他需要掌握的包括：无监督里的PCA和Kmeans/GMM， 有监督里的SVM，Decision Tree/Random Foreset, KNN, Naive Bayes。

而以ML为主要工作内容岗位，需要对non-deep的统计模型和deep based model 有很深入的了解。Deep based模型，至少了解 CNN、RNN以及LSTM。如果侧重CV NLP的岗位， 你还需要了解这些领域相关，如W2V, ELMo, Transformer, BERT。

除了这些技术能力，ML类的岗位往往还需要有比较好的领域理解(Domain Knowledge)和设计能力(ML Design)，这些能力有时候并不是应届毕业生所具有的。这就意味着其实针对应届毕业生的ML类的岗位其实并不多。同时，很多各个学科的Phd也在考虑ML为自己的就业方向。这两个主要因素造成了ML方向的new grad岗位竞争往往是相对激烈的。

但是ML这个方向的本身依然有着非常有很好的前景，在职跳槽后也有着很多的就业机会，如果你是一个对ML有热情的人，这一定是一个值得你去为之努力的方向。