越来越多营销号鼓吹机器学习，这真的靠谱吗？

全文共1871字，预计学习时长5分钟

图源：unsplash

越来越多的推特博主、领英网红大肆宣扬学习机器学习的好处以及入门后有多简单。尽管灌点儿鸡汤也没什么坏处，但我喜欢从不同的角度看问题。我不想让你们觉得我过于悲观，也不想打击任何人，分享拙见，仅此而已。

 

浏览这些机器学习专家帖时，我就感到很疑惑，为什么有很多人从一开始就想学习机器学习？主要原因可能是他们并不了解机器学习工程师的实际工作内容。大多数机器学习工程师并不从事通用人工智能或自动驾驶汽车等工作。

 

机器学习也不像那些营销号说的那么容易掌握。在当前大的经济环境下，“样样通但样样不精”可没什么前途。那为什么有那么多人想学呢？

 

我上大学的时候，梦想成为一名机器学习工程师。听起来好像很难、很有挑战性，但很有意思。上大学之前，我的梦想是成为一名iOS游戏研发人员。

 

如果那个时候有人告诉我ML工程师的一天是如何度过的，可能我就去研发iOS游戏了。别误会，我对自己的职业非常满意，但现在的职业选择并不像以前那样非好即坏。

                           

图源：unsplash

 

为什么呢？因为写一个iOS游戏代码和训练一个机器学习模型、开发一个后端应用程序或前端应用程序一样，都很有趣，也都很有挑战性，去问问顶级科技公司的工程师你就知道了。

 

大学期间，我是这样想的：机器学习看起来很难，所以找工作应该会更容易、工资也应该更高，未来更有保障（网络开发很快就会自动化），而且很有趣。事实证明我想错了。我来给大家挨个解释一下。

 

1.机器学习很难

 

大多数互联网营销号宣扬：机器学习真的很容易！只需下载一个巨大的数据集，从教程中复制10行Python代码，你就入门啦！话虽然不假，但很难想象有人会花钱雇你做这种工作。所以你需要更深入的学习。

 

深入学习才是最难的。有个优秀的老师至关重要，这样你遇到问题的时候能有个帮手。获得好的实习机会也是一个成为ML工程师的好途径。我希望有人能在我初入职场时就告诫我，我需要投入大量的时间来追赶计算机科学其他领域的同行们。

 

为什么？因为前端（后端或移动）研发员太多了，真是一抓一大把。

 

2.和机器学习相关的工作更好找

 

这个问题我有发言权，因为我在这上面吃过不少苦头。找一份机器学习工程师的工作比找一份前端（后端或移动）工程师的工作更难。

 

规模较小的初创公司通常没有财力聘请ML工程师，他们也没有数据，因为公司才刚刚起步。那他们需要什么呢？需要前端、后端和移动工程师来保证业务正常运行。那你就只能去稍大一点的公司了。

 

3.工资更高

 

高级机器学习工程师挣的钱并不比其他高级工程师多。美国有一些机器学习超级明星，但他们自己认为只是运气好，生逢其时。在美国肯定有一些软件工程师的工资更高。

 

4.机器学习不会过时

 

虽然机器学习短时间内不会被淘汰，但前端、后端和移动开发也是如此。如果你是一名前端开发人员，并且对自己的工作很满意，那就坚持下去。如果需要制作机器学习模式网站，就找相关领域的人合作完成。

5.机器学习不枯燥

 

图源：unsplash

 

虽然机器学习很有趣，但并不总是那么有趣。许多人认为他们以后会在通用人工智能或自动驾驶汽车领域工作，但其实他们更有可能从事合成训练集，或基础设施建设相关的工作。

 

许多人认为他们会接触高大上的深度学习模型、调整神经网络架构和超参数。确实有些人有机会接触这些领域，但也只是凤毛麟角。

 

事实上，ML工程师大部分时间都在研究“如何恰当地整合出类似现实世界问题分布的训练集”。一旦成功，在大多数情况下，你都可以训练一个经典的机器学习模型，而且运转良好。

 

就像我开头说过的那样，我没有劝退任何人的意思。如果你觉得机器学习适合你，那么就放手去学，我全力支持。但是机器学习并不适合每个人，也不是每个人都需要了解。如果你是一名成功的软件工程师，并且热爱你的工作，那就坚持下去。一些基本的机器学习教程对你的职业生涯没有多大的帮助。

 

本文就是给大家提供一个看待问题的新角度，这是营销号不会告诉你。

 

推荐阅读专题

留言点赞发个朋友圈

我们一起分享AI学习与发展的干货

编译组：高雅倩、朱颜

相关链接：

https://towardsdatascience.com/5-reasons-you-dont-need-to-learn-machine-learning-5f9b1ddf8eb5

如转载，请后台留言，遵守转载规范

推荐文章阅读

ACL2018论文集50篇解读

EMNLP2017论文集28篇论文解读

2018年AI三大顶会中国学术成果全链接

ACL2017论文集：34篇解读干货全在这里

10篇AAAI2017经典论文回顾

长按识别二维码可添加关注

读芯君爱你