研一方向是故障诊断就业是不是很难?

心中u你

考上研究生感觉方向就业太困难，朋友都读的图像处理方向很好找工作，好焦虑，感觉还不如不读研究生，这几天好想退学，不知道该怎么办

原文地址：https://www.zhihu.com/question/346233119

继续前进

故障诊断的方向从找工作的角度来看不能算一个成熟的方向，因为对应的工作机会很少，有这方面需求的公司几乎是个位数，所以目前看这个方向是略显悲观的。
不过从学生的角度来看，故障诊断这个方向还是不错的。并不是说故障诊断本身不错，而是学习故障诊断的过程中接触到的知识很不错，比如信号处理，专家系统，神经元网络等等。这些技术单纯从找工作的角度来看都很不错，任何一个掌握好了，都可以找到很好的工作，进互联网大厂也是可以的，待遇不低于互联网程序员。因为门坎高，不是什么人都能掌握的，所以也不会像程序员那样35岁就面临淘汰的命运。
所以综合来看，学习这个方向是没问题的，不要太局限于故障诊断本身，这个大方向上任何一个组成部分都很好，最终的结果还是要看你掌握的程度如何，学到真本事才是王道。

检验医师

其实还好，我们课题组就是专门的故障诊断的，大家出来找到的工作还算比较好。

同花顺

退学不至于吧，虽然故障诊断方向很拉，纯故障诊断方向的工作较少，但是里面涉及的算法可太多了，都是多学科交叉的，里面同样涉及到大量的图像处理、机器学习和深度学习等算法，平时好好的学点数据结构和算法导论方向的东西，再学学机器学习深度学习，刷一刷力扣，早点进入互联网实习。故障诊断方向水论文还是非常容易的，你水我水大家水，带dl的，或者ml的，或者cnn，rnn之类的，早点水几篇论文完成毕业要求，提桶跑路要紧。如果真的对故障诊断感兴趣，可以参考如下文章：
基于双树复小波变换DTCWT的轴承故障诊断 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/535393228
双树复小波变换Dual-Tree Complex Wavelet Transform在信号处理中的应
用 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/535018632
基于自适应Chirp模态分解的滚动承故障诊断方法 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/534321655
基于离散小波变换的滚动轴承故障诊断 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/534179963
基于改进最大相关峭度反卷积的轴承故障诊断方法 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/534128282
基于包络谱的轴承故障诊断方法-第1篇 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/533579665
基于包络谱的轴承故障诊断方法-第2篇 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/533984966
小波分析随笔 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/533214477
简单地使用核主成分分析KPCA 进行Tennessee Eastman process(TE过程) 故障诊断 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/531941482
基于CNN的轴承故障诊断及特征可视化 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/531748264
一种旋转机械故障诊断方法 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/531499108
基于scalogram 时频谱和 DCNN的空气压缩机异常噪声诊断 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/531154070
基于小波散射算法的空气压缩机异常噪声诊断 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/531077421
通过matlab自动特征提取器判定空气压缩机中的异常噪声 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/531072333
希尔伯特(Hilbert)包络解调故障诊断-基于paderborn轴承数据集 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/530827165
智能故障诊断期刊推荐 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/530636747
NASA涡轮喷气发动机风扇的剩余寿命RUL预测-基于传统机器学习 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/528098659
NASA涡轮喷气发动机风扇的剩余寿命RUL预测-基于LSTM网络,Lookback=20 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/528324129
NASA涡轮喷气发动机风扇的剩余寿命RUL预测-几种不同方法的对比 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/528451358
关于机器学习和深度学习类，可参考如下文章
决策树和随机森林预测心力衰竭患者生存 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/529436868
使用深度学习通过脑部MRI进行年龄分类 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/530099271
基于LSTM 模型的癫痫病检测 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/530124102
在 MATLAB 中训练 Donkey Car 深度学习模型 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/530225164
迁移学习在生物医学图像中的应用 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/530397214
关于深度学习可解释性 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/530415851
使用深度学习在 Matlab中进行 ECG信号识别 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/530461249
MATLAB Deep Learning入门级 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/530528849
AlexNet 网络deepdream可视化 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/530881668
基于深度学习的水痘发病预测 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/530954648
加权支持向量回归模型weighted SVDD model - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/531951168
基于Shuffled Complex Evolution (SCE-UA) 方法的图像分割算法 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/532069731
基于cultural算法的浅层神经网络优化 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/532084463
使用 Score-CAM方法解释深度学习分类结果 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/532265481
MATLAB双向长短时记忆网络BILSTM预测 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/532675845
使用主题模型和词云分析文本数据-基于MATLAB - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/532711143
基于LSTM网络的垃圾邮件识别 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/532777758

队长是我

故障诊断是一个综合性的学科。
故障诊断的就业范围，不仅仅局限于故障诊断领域，可以去很多相近方向就业。


建议采用机器学习方法进行故障诊断。
一方面，基于机器学习的故障诊断是比较容易写论文的，甚至是影响因子大于9的论文，例如这篇Deep residual shrinkage networks for fault diagnosis（https://ieeexplore.ieee.org/abstract/document/8850096/）。



（面向强噪、高冗余数据的）深度残差收缩网络

另一方面，很多企业，尤其是互联网公司，对机器学习算法岗的需求量很大，可以拓宽就业范围。

继续前进

谢邀，就业困难不是因为读了研究生，不读研究生就业是难上加难啊！别搞反了，更加不要冲动，退学啥的，调整好心态。