非计算机行业与机器学习

机器学习如火如荼，据说高校图书馆理工科研究生现在人手一本Deep Learning和西瓜书。

另一方面知乎关于秋招AI算法岗的讨论可以看出，AI算法岗竞争有多激烈，一大批“科班”人工智能毕业生进入市场。

还有很多传统理工科转行人工智能的。

对于传统理工科背景出身的，转行人工智能难度很大，包括计算机科学相关课程，数据结构，统计学都是陌生的，代码实现能力弱，计算机底层系统架构不了解，数据结构不了解。

也不少任由人工智能发展，而不管不顾。

传统专业出身的强项在于对自己业务的熟悉，将机器学习应用于传统行业。

吴恩达今年创办的Landing.ai正是要将AI落地传统制造业。

作为空调行业从业者

将机器学习应用于空调系统的设计。

热交换器分配优化问题。机器学习算法说到底是一个最优化的过程，传统CFD自下而上仿真，从流体力学，传热学，工程热力学理论计算热交分配，计算精度可以说有待商榷。

而机器学习的端到端学习，可直接基于热交回路到传热效果进行学习。跳过所有的中间件。

但也有很多问题

用深度学习的话如何将热交回路，蒸发效果转化为机器学习可读的数据，如何设定目标函数。

用强化学习的话，如何设定反馈函数，甚至用GAN(多抗生成网络)直接生成。

还有一个难点就在于数据集的构建，机器学习算法一般至少需要5000个training sample才能达到可观的效果。这就涉及到传统行业研发整个过程数据化，而且是规范的数据化。

数据化后，数据就是最有价值。

你问Google为什么Alpha go那么厉害，她说“我们没有好的算法，只是有好的数据”

以上