关于学习ML的一点思考

我是属于调用算法就不会好好看算法的那种，所以写算法的好处是能学以下，并且对调参有帮助

是这样。算法大牛出理论，再找几个牛人实现，一开源。就没小鱼小虾什么事了。

cccpwx 发表于 2017-8-24 22:17
是这样。算法大牛出理论，再找几个牛人实现，一开源。就没小鱼小虾什么事了。

那其实从实际工作角度讲 如果小鱼小虾精于实现和系统底层 完全可以把开源的东西拿来直接用在工作需求上
那从一开始就根本没有成为算法大牛的必要和好处吧 坐等别人开源算法就好了



补充内容 (2017-8-24 22:30):
当然能看懂还是很必要的

理解算法是重要的，因为可以方便tuning，并且在很多问题中可以interpret模型。。但是对于复杂度较高的算法，过度注重细节怎么implement就没必要了，重复造轮的过程意义不大。。
至于现在学校里的ML/DS课程，我在两个学校上过，一个课上讲了很多模型的原理，pro/con，对于具体的实现一带而过，然后在作业中和project中让你运用不同的模型解决问题，并会给出相应的参考链接（比如用哪些Sklearn，pandas或者R的包）。另一个课就过于理论，对于SVM的推导能讲上好几堂课。。我个人觉得前者对我的价值更大一些。。
所以理解算法有没有用，一定有，有没有必要不用package重新写，我认为没有。。即使是做ML/DL的research，我身边的同学也是能调包就调包，只有在你有自己改进过的模型不能调包的时候才会自己implement。。

感觉楼主在钓鱼

https://research.google.com/pubs/pub43146.html

Machine Learning: The High Interest Credit Card of Technical Debt

我个人觉得创新搞算法才是最有意思的部分 做出新的东西来其实可以开源发paper也可以发patent 这个都是公司高层的决定了 只是用用包的话其实没必要上课呀。。那么多documentation随便读读搞几个小时应该都能用到很好吧。。那么多人都能做到 但是有多少人能研究出新的算法呢？不多吧 都是能在顶级会上发第一作者paper的ml phd，这个才是公司最想招的人 也是为什么要花钱请来搞applied research而不是纯engineer 当然我觉得很多顶尖ml phd其实code强过大多数纯engineer 你说的c++/cuda/distributed他们也都会 但是还能创新 发现问题提出新的解决办法 你说如果你是公司你愿意招谁？

感谢分享 受用！

有道理也没道理。有道理在于实际工作里模型不是最大的瓶颈，数据才是，学术界太多想当拍拍脑袋搞出了的所谓方法，绝大多数都不实用。但是实现基本的模型，增进理解能帮助你更好的当一个合格的调参狗。

只掉包的话，所做出东西的尽头也就限定了。虽然创造新知识是少数人才能做到的事情，考虑到投入产出比，自己写的确收益不高。但就学习而言，我觉得是有必要的，而且当你自己写完一个ML算法再看别人的代码实现的时候，会学到很多东西，觉得以前自己写的是垃圾...

补充内容 (2017-10-8 23:17):
另外 求楼主看看我的定位贴！