做机器学习真是太难了

当我学完机器学习贝叶斯方法，我就正式放弃了。很多方法算法都是有源头的，通过找源头可以看看他是怎么演化来，同时看看未来这个东西会怎么迭代。调包侠是没办法有时间去看这些的，看着看着往往就去维护服务，修修跑模型的pipeline去了，深究的话一下子就转到SDE去了，PHD也不一定能搞到这个上去，搞到了也不一定能有什么成绩。神经网络不是创新，硬件更新让神经网络计算更便利才是创新，数学模型好久没创新了，论文灌水越来越容易，引用大家都上去了，工作中简单的模型堆叠，面试也就是刻板的考察传统模型推到，感觉这样很快就会大浪淘沙了，但是这个大浪淘沙一直没来，感觉是短视频和电商这波把搜索推荐搞上来了，搜索推荐太适合这两个东西，而且短视频越来越火，短期内还会又一波上升

楼主现在在哪家工作？

小白疑惑🤔，现在工作中更多的难道不是如何更好的有技巧的用各种模型吗
还有很多精力还在研究模型上面吗？

jackalex 发表于 2020-06-29 17:41:02
手推back propagation已经很简单啦
听说过面试的时候让你手推back propagation，然后自己写代码实现两层fully connected网络的（从前往后和从后往前都要实现）要

这些都不难啊……

就是东西比较杂吧，其实里面的数学也就大学数学课水平嘛，别放弃，慢慢来

uuisafresh 发表于 2020-6-30 10:02
当我学完机器学习贝叶斯方法，我就正式放弃了。很多方法算法都是有源头的，通过找源头可以看看他是怎么演化 ...

『神经网络不是创新，硬件更新让神经网络计算更便利才是创新，数学模型好久没创新了』，我可以告诉你神经网络里面的math比所谓SVM类别的优化"math" （学点微积分矩阵计算初等泛函就敢去忽悠人了）难很多嘛...

不argue了，引用鄂维南的一句话来告诉机器学习想要搞明白道，而非术的人，未来是高维分析的世界。
高维度分析数学工具参见10年菲奖得主villani的optimal transport。结论已经广泛应用于各大顶会paper。

算法见知乎小牛扫盲贴 https://www.zhihu.com/question/27940474/answer/1121718346
很多东西万变不离其宗的。没必要记trial的小model，理解有名的那几个就好。用的时候现查。搞ML，《道》远比《术》和《招》更重要。

saulgoodman 发表于 2020-6-30 09:49
严重怀疑ML从业者绝大多数也只是对个别模型有较深入的理解，不会闲到每个新出的概念都去做数学推导然后借此 ...

国内外面试难度不同，如果国内想进top基本这些都会点都会打到

jesse1204 发表于 2020-6-30 09:54
那你直接转sde啊...不是刷了一千道了吗

举个简单的例子，只是对ml而言我过去几年的工作和学习经验可能可以让我进入中上level，但是如果强转sde我就直接中下了，一是学校里学的主要是数学和工程方面的应用，cs理论基础和底层的东西都不行，其次工作经历也跟sde搭不上什么边，强转如果以后要回国可能几年就会被优化

jesse1204 发表于 2020-6-30 09:54
那你直接转sde啊...不是刷了一千道了吗

而且现在也不是那个刷题家就可以进FLAG做sde的年代了。。

xiaobaimao 发表于 2020-6-30 10:31
小白疑惑🤔，现在工作中更多的难道不是如何更好的有技巧的用各种模型吗
还有很多精力还在研究模型 ...

最近经济形势太不好。。我是怕被雷。。

机器学习工作和面试是两回事