Windows10也能用苹果绝招！

2 机器学习与深度学习

深度学习使用多层(一般多于5层)人工神经网络学习数据内部的复杂关系。人工神经网络是生物科学、认知科学等与人工智能结合的产物，在早期的机器学习中就已开始应用，其初衷是在计算机中模拟人类大脑神经元的工作模式。

人类大脑的神经元在百亿级别，通过突触实现彼此交流，从计算的角度看属于计算密集型，这限制了复杂人工神经网络在实践中的应用。计算机计算能力的大幅提升带来了新的可能，2000年，多伦多大学的Geoffrey Hinton领导的研究小组在不懈研究下，终于在现代超级计算机中验证了深度学习的多层网络结构。

Geoffrey Hinton因在深度学习领域做出巨大贡献而被称为深度学习的鼻祖，并与Yoshua Bengio、Yann LeCun并称机器学习三巨头。(三人因在深度学习领域的贡献而荣获2018年图灵奖。

深度学习可被看作一种实现机器学习的技术，是机器学习的子集。与深度学习相对，过去那些只有单层或少层的神经网络被称为浅层学习。

对于机器学习的描述，也有专家调侃地发声，以表明某种现象：当你募集资金时，这属于人工智能;当你招聘时，这属于机器学习;当你执行时，这属于线性回归;当你调试时，这属于printf()。

以上只从某个侧面简要描述了人工智能、机器学习和深度学习的关系，更全面的信息请读者参考相关资料。
 

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

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。

（编辑：通化站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!