关于学习ML的一点思考

最近在上ML课 老师各种强调不能用package 各种算法都要从头自己码
在苦逼理解-->仿写的过程中产生一个思考，很多对ML感兴趣的ms和高年级本科生都都很注意算法本身
但是其实现在 一旦算法方面 学术界有任何进展都通过各种 库 package直接开源了 大家都免费获取

那从现实意义上讲我们努力去学习理论 希望在算法上有所突破有什么意义呢？反正都可以免费获取
那还不如专注于应用层......多当当调包侠提高工程能力才是回报率最高的方式吧  
与其费劲去学 advanced topic in SML， 还不如退课选个 large scale distributed system/ 精通C++ /CUDA 什么的搞起来 这些工程上的东西其实才是核心竞争力吧........

就好比 G家 算法都开源 让大家都去用他那一套框架 再通过TPU在性能上打败他的对手
那明显key point就不在算法上......

情况应该是这样的，你搞工程，并行，分布式，套几个模型熟悉下并行分布式原理就能出来工作了。要撸算法至少PHD，算法都没那么好优化。

开源的目的不是让大伙都抄答案，而是开放代码，让更多人参与优化来。实际就是一个DP的过程，意思就是我现在这一步已经做到这样了，你来做不用从头开始撸，reuse我的结果，这样算法研究的迭代过程大大缩减，行业进步大大加快。

努力去学习理论，大牛可以去优化算法，小牛则可以理解算法。假如你对ML一无所知，那么GG给一套开源代码，你就咔咔往现实场景套么，这么多源码，这么多模型，怎么套，调参也要懂点理论吧。

至于大公司为啥开源源码，这是本弱猜的哈。下一个时代是数据时代，算法可以共通，但是数据是不通的。比如网页你可以爬，但是公司内部的用户数据，比如用户行为数据肯定是不公开的，是大公司大数据立命之本。就是我算法让大伙参与优化，优化完了用到自己数据集上为自己谋福利，核心在数据，在用户，比如很多公司都搞算法竞赛，不是LeetCode那种算法，是ML或者DM算法之类。

早就有计算器了，小时候为啥还要学算术呢

知道算法的原理的话，在ML调优的时候，至少会知道精度不高的可能原因，以及调优的方向。

此外就是 各种大公司在ML AI 方面 投入巨资然后各种开源 虽然说是各种有利于我等鶸 学习
但是他们完全没想过在这个领域构筑技术壁垒吗？别的商业公司在他们的开源基础上做出更好的商业版本，那不是非常僵硬了..........

其实我觉得，仿写的过程是有助于帮助自己进一步理解，或是说检验自己有没有理解吧。

一个是学习，一个是工作。一个偏向学术，理论。一个需要尽快完成项目或发表论文。

Mitochondria 发表于 2017-8-23 09:15
此外就是 各种大公司在ML AI 方面 投入巨资然后各种开源 虽然说是各种有利于我等鶸 学习
但是他们完全没想 ...

目前来说壁垒在于数据  和计算能力
没有业务数据一切都是扯淡   计算能力则可以加快开发迭代的速度，帮助工程师更快的做出有效的模型
相反  一个技术约普及，社区越庞大，数据和资源就越多越好，当然抢着开源了

看现在Java调包侠的日子就可以确定只会调包不行

flycat33 发表于 2017-8-24 16:46
看现在Java调包侠的日子就可以确定只会调包不行

您能简略说一下发生了什么吗