先说两个结论：

（1) 如果想要从事机器学习相关的方向，MLE（机器学习工程师）绝对是机会最多的岗位，Data Scientist（数据科学家）或者Applied Scientist（应用科学家）更符合Master的需求，但相对来说机会更少

（2）机器学习方向的的岗位往往需要有比较好的领域理解(Domain Knowledge)和设计能力(ML Design)，这在很大程度上制约了应届Master的职场竞争力，但ML的职业发展前景依旧非常好，在职跳槽后还会有更多的职业机会

（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。

（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，这就意味着，市面上绝大多数的机器学习类的岗位，其实还是Engineer岗。例如Google，Facebook，LinkedIn等公司，都是以MLE为主要的机器学习岗位。所以如果之后想以机器学习为职业发展方向，MLE绝对是一个机会更多的岗位。如果本身对于做Engineer并不感兴趣，微软或者Amazon的Applied Scientist以及很多金融企业或者传统企业，也提供了一些ML相关的工作机会。

大部分面向毕业生的Entry Level（入门级别）岗位往往重视的是员工的执行能力。而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。

最后，通过以上的分析，我们可以看出，CS， ML Track的毕业生，有着最好的就业前景。同学们在做职业规划的时候，也要尽早确定好自己是想在ML DS这个方向上深耕，还是同时兼顾Engineer的相关技能。