本文轉(zhuǎn)載自公眾號“讀芯術(shù)”(ID：AI_Discovery)

越來越多的推特博主、領(lǐng)英網(wǎng)紅大肆宣揚學(xué)習(xí)機(jī)器學(xué)習(xí)的好處以及入門后有多簡單。盡管灌點兒雞湯也沒什么壞處，但我喜歡從不同的角度看問題。我不想讓你們覺得我過于悲觀，也不想打擊任何人，分享拙見，僅此而已。

[[360920]]

瀏覽這些機(jī)器學(xué)習(xí)專家帖時，我就感到很疑惑，為什么有很多人從一開始就想學(xué)習(xí)機(jī)器學(xué)習(xí)?主要原因可能是他們并不了解機(jī)器學(xué)習(xí)工程師的實際工作內(nèi)容。大多數(shù)機(jī)器學(xué)習(xí)工程師并不從事通用人工智能或自動駕駛汽車等工作。

機(jī)器學(xué)習(xí)也不像那些營銷號說的那么容易掌握。在當(dāng)前大的經(jīng)濟(jì)環(huán)境下，“樣樣通但樣樣不精”可沒什么前途。那為什么有那么多人想學(xué)呢?

我上大學(xué)的時候，夢想成為一名機(jī)器學(xué)習(xí)工程師。聽起來好像很難、很有挑戰(zhàn)性，但很有意思。上大學(xué)之前，我的夢想是成為一名iOS游戲研發(fā)人員。

如果那個時候有人告訴我ML工程師的一天是如何度過的，可能我就去研發(fā)iOS游戲了。別誤會，我對自己的職業(yè)非常滿意，但現(xiàn)在的職業(yè)選擇并不像以前那樣非好即壞。

為什么呢?因為寫一個iOS游戲代碼和訓(xùn)練一個機(jī)器學(xué)習(xí)模型、開發(fā)一個后端應(yīng)用程序或前端應(yīng)用程序一樣，都很有趣，也都很有挑戰(zhàn)性，去問問頂級科技公司的工程師你就知道了。

大學(xué)期間，我是這樣想的：機(jī)器學(xué)習(xí)看起來很難，所以找工作應(yīng)該會更容易、工資也應(yīng)該更高，未來更有保障(網(wǎng)絡(luò)開發(fā)很快就會自動化)，而且很有趣。事實證明我想錯了。我來給大家挨個解釋一下。

1.機(jī)器學(xué)習(xí)很難

大多數(shù)互聯(lián)網(wǎng)營銷號宣揚：機(jī)器學(xué)習(xí)真的很容易!只需下載一個巨大的數(shù)據(jù)集，從教程中復(fù)制10行Python代碼，你就入門啦!話雖然不假，但很難想象有人會花錢雇你做這種工作。所以你需要更深入的學(xué)習(xí)。

深入學(xué)習(xí)才是最難的。有個優(yōu)秀的老師至關(guān)重要，這樣你遇到問題的時候能有個幫手。獲得好的實習(xí)機(jī)會也是一個成為ML工程師的好途徑。我希望有人能在我初入職場時就告誡我，我需要投入大量的時間來追趕計算機(jī)科學(xué)其他領(lǐng)域的同行們。

為什么?因為前端(后端或移動)研發(fā)員太多了，真是一抓一大把。

2.和機(jī)器學(xué)習(xí)相關(guān)的工作更好找

這個問題我有發(fā)言權(quán)，因為我在這上面吃過不少苦頭。找一份機(jī)器學(xué)習(xí)工程師的工作比找一份前端(后端或移動)工程師的工作更難。

規(guī)模較小的初創(chuàng)公司通常沒有財力聘請ML工程師，他們也沒有數(shù)據(jù)，因為公司才剛剛起步。那他們需要什么呢?需要前端、后端和移動工程師來保證業(yè)務(wù)正常運行。那你就只能去稍大一點的公司了。

3.工資更高

高級機(jī)器學(xué)習(xí)工程師掙的錢并不比其他高級工程師多。美國有一些機(jī)器學(xué)習(xí)超級明星，但他們自己認(rèn)為只是運氣好，生逢其時。在美國肯定有一些軟件工程師的工資更高。

4.機(jī)器學(xué)習(xí)不會過時

雖然機(jī)器學(xué)習(xí)短時間內(nèi)不會被淘汰，但前端、后端和移動開發(fā)也是如此。如果你是一名前端開發(fā)人員，并且對自己的工作很滿意，那就堅持下去。如果需要制作機(jī)器學(xué)習(xí)模式網(wǎng)站，就找相關(guān)領(lǐng)域的人合作完成。

5.機(jī)器學(xué)習(xí)不枯燥

雖然機(jī)器學(xué)習(xí)很有趣，但并不總是那么有趣。許多人認(rèn)為他們以后會在通用人工智能或自動駕駛汽車領(lǐng)域工作，但其實他們更有可能從事合成訓(xùn)練集，或基礎(chǔ)設(shè)施建設(shè)相關(guān)的工作。

許多人認(rèn)為他們會接觸高大上的深度學(xué)習(xí)模型、調(diào)整神經(jīng)網(wǎng)絡(luò)架構(gòu)和超參數(shù)。確實有些人有機(jī)會接觸這些領(lǐng)域，但也只是鳳毛麟角。

事實上，ML工程師大部分時間都在研究“如何恰當(dāng)?shù)卣铣鲱愃片F(xiàn)實世界問題分布的訓(xùn)練集”。一旦成功，在大多數(shù)情況下，你都可以訓(xùn)練一個經(jīng)典的機(jī)器學(xué)習(xí)模型，而且運轉(zhuǎn)良好。

就像我開頭說過的那樣，我沒有勸退任何人的意思。如果你覺得機(jī)器學(xué)習(xí)適合你，那么就放手去學(xué)，我全力支持。但是機(jī)器學(xué)習(xí)并不適合每個人，也不是每個人都需要了解。如果你是一名成功的軟件工程師，并且熱愛你的工作，那就堅持下去。一些基本的機(jī)器學(xué)習(xí)教程對你的職業(yè)生涯沒有多大的幫助。

本文就是給大家提供一個看待問題的新角度，這是營銷號不會告訴你。