今天写一篇小作文,如果有冒犯到一些朋友,希望大家理解。个人浅见,不一定说得对。
今天和同学交流,共同感受到的就是Machine Learning不好做,而工程(比如Distributed System)虽然不容易,但还是比Machine Learning要简单。
我们共同的感受就是,ML的量很大,包含的问题和知识非常多,尤其是涉及到数学之后,那能够研究的细节就非常需要长时间的积累了。而工程领域的问题,其实说来说去就那么多。一定程度上,你不需要刨根问底,能达到效果就是OK。
而这其实从市场的角度也是得到了印证的。对于工程开发的岗位,硕士学位即可;优秀的本科生,也可以;天才的高中生(比如Bill Gates),也可以。但是对于ML的岗位,一般都要PhD。我觉得这确实说明,ML没那么简单,里面的内容确实足够的复杂和丰富,确实需要更多的沉淀和积累。
一些工程技能,一旦你修了高质量的课程,你的水平提高会很快。很快地,你就会发现自己既能做这个,又能做那个,简直拥有全世界。而对于机器学习的任务,你学了好久,可能依然会发现自己会的只是九牛一毛。
总之,还是深感基础学科(数学物理)的难度远在工程之上。
个人浅见,以后有新的认识再更改!
领取专属 10元无门槛券
私享最新 技术干货