机器学习未来的发展趋势、初学者怎样学习机器学习
2016-10-15 13:06
489 查看
我在QQ群( 194047142 ) 里和不少渴望学习人工智能和机器学习的同学交流,发现有一些高频的问题 经常被大家问到 这里统一发帖 希望对更多的人能够有所帮助。这些答复未必周全 不足之处 欢迎大家指正
Q: 机器学习未来的发展形势如何,该如何选择未来的求职方向
A:我的理解 人工智能和机器学习只是一种技术 或者一种工具 未来要结合社会和时代的需要 把它的价值挖掘出来 目前的无人车 无人机 人脸语音图像 等都只是开始 如果从找工作的角度 进互联网公司做机器学习比较靠谱 大中型互联网公司都需要大量的机器学习工程师。 比如现在很多的创业公司都已经开始搞机器学习和大数据了 这是一个非常有想象空间的领域。 当然 大疆创新 face++ 第四范式 地平线 这些非互联网公司也做的很不错
Q:机器学习专业中,是否还要分很多不同的类型?或者方向呢?
A:根据处理的数据类型不同 有文本处理(NLP,这个需求最大)、语音识别(如百度语音搜索、讯飞语音)、视频识别(如无人车)以及其他的数据挖掘,如金融征信、量化交易、智能硬件中的数据挖掘等。以熟知的互联网公司举例,今日头条做个性化推荐、滴滴打车做智能调度算法
Q:中国目前机器学习领域,与国外比,水平是否相差很远?
A:国内在人工智能方面总体和国外还是有不小差距,从近年来人工智能创业公司融资的情况就可以看出来。这个和国内在这方面的技术实力不足、以及中国公司贪图挣快钱有关。比如当美国人痴迷于高大上的智能科技时 中国人却忙着搞O2O。不过也有一些公司做得不错,比如大疆的无人机独步世界.
另外 在吴恩达的带领下 百度的语音识别技术和无人车技术 以及最近发布的深度学习平台 paddlepaddle 都很不错,是国内是毫无争议的领头羊,可以比肩硅谷巨头。
Q:互联网公司对一般的从业者的基本要求
A:
基本的语言能力: linux python C++或者JAVA
算法和数据结构功底
机器学习理论和一定的实战经验
hadoop(加分)
实习或者竞赛经验(加分)
Q:现在做机器学习和深度学习的门槛高吗
A:说起来门槛比较高 不过随着需求越来越多 学习资源越来越丰富 加上一些培训机构的作用 其实难度是逐渐降低的
Q:机器学习在实际工作中要不要推公式
A:实际工作中 不会推公式 。一般的机器学习工程师做的事情就是
数据准备、清洗 特征选择 模型选择 调参 评估 实验验证
其中 数据的准备 和 特征的选择 往往是工作量的大头
Q:图像识别哪家强?
A:图像识别领域有很多细分方向 不好一概而论 。无人机、无人车、人脸识别(如face++)、视觉导航、图像检索(如百度识图)、OCR等技术侧重点都是不一样的 各有所长
Q: 机器学习未来的发展形势如何,该如何选择未来的求职方向
A:我的理解 人工智能和机器学习只是一种技术 或者一种工具 未来要结合社会和时代的需要 把它的价值挖掘出来 目前的无人车 无人机 人脸语音图像 等都只是开始 如果从找工作的角度 进互联网公司做机器学习比较靠谱 大中型互联网公司都需要大量的机器学习工程师。 比如现在很多的创业公司都已经开始搞机器学习和大数据了 这是一个非常有想象空间的领域。 当然 大疆创新 face++ 第四范式 地平线 这些非互联网公司也做的很不错
Q:机器学习专业中,是否还要分很多不同的类型?或者方向呢?
A:根据处理的数据类型不同 有文本处理(NLP,这个需求最大)、语音识别(如百度语音搜索、讯飞语音)、视频识别(如无人车)以及其他的数据挖掘,如金融征信、量化交易、智能硬件中的数据挖掘等。以熟知的互联网公司举例,今日头条做个性化推荐、滴滴打车做智能调度算法
Q:中国目前机器学习领域,与国外比,水平是否相差很远?
A:国内在人工智能方面总体和国外还是有不小差距,从近年来人工智能创业公司融资的情况就可以看出来。这个和国内在这方面的技术实力不足、以及中国公司贪图挣快钱有关。比如当美国人痴迷于高大上的智能科技时 中国人却忙着搞O2O。不过也有一些公司做得不错,比如大疆的无人机独步世界.
另外 在吴恩达的带领下 百度的语音识别技术和无人车技术 以及最近发布的深度学习平台 paddlepaddle 都很不错,是国内是毫无争议的领头羊,可以比肩硅谷巨头。
Q:互联网公司对一般的从业者的基本要求
A:
基本的语言能力: linux python C++或者JAVA
算法和数据结构功底
机器学习理论和一定的实战经验
hadoop(加分)
实习或者竞赛经验(加分)
Q:现在做机器学习和深度学习的门槛高吗
A:说起来门槛比较高 不过随着需求越来越多 学习资源越来越丰富 加上一些培训机构的作用 其实难度是逐渐降低的
Q:机器学习在实际工作中要不要推公式
A:实际工作中 不会推公式 。一般的机器学习工程师做的事情就是
数据准备、清洗 特征选择 模型选择 调参 评估 实验验证
其中 数据的准备 和 特征的选择 往往是工作量的大头
Q:图像识别哪家强?
A:图像识别领域有很多细分方向 不好一概而论 。无人机、无人车、人脸识别(如face++)、视觉导航、图像检索(如百度识图)、OCR等技术侧重点都是不一样的 各有所长
相关文章推荐
- 被炒得火热的“互联网+”,未来会有怎样的发展趋势?
- 直播平台未来发展的趋势是怎样的?
- 初学者应该怎样学习复杂的编程语言?
- 浅谈未来电能质量国标发展趋势
- 对话袁红岗:JSF的优势及未来发展趋势
- 未来网络游戏产业技术发展趋势(转载)
- 改变未来IT业发展的趋势
- 未来5年IT产业及网络市场发展趋势分析
- 软件未来发展趋势之一,xbrl
- 未来招聘发展的趋势及主要挑战
- 中国互联网未来十年发展趋势
- 未雨绸缪 未来OA的四大发展趋势
- 防火墙未来的技术发展趋势
- 防火墙未来的技术发展趋势
- 十个未来发展趋势
- JSF的优势及未来发展趋势
- 关于类似QQ的众多娱乐平台的未来发展趋势探讨
- 百度“石榴算法”未来发展趋势5点推测
- 未来几年搜索引擎的发展趋势探讨
- 未来几年的e-Learning发展趋势