机器学习未来的发展趋势、初学者怎样学习机器学习

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