我这种资历能找到机器学习方面的工作嘛？

机器学习

数学

NET

资历

81 条回复 • 2018-11-12 17:14:07 +08:00

1

yunkchen

2017-08-17 11:18:25 +08:00

2

数学可能真的会是硬伤。
建议补基础的同时，看看李航的《统计学习方法》，对上面的公式跟着推导，看能不能吃得消。
这样过一段时间，你自己心里会有进一步的答案。

2

Rice

2017-08-17 11:23:53 +08:00 via iPhone

应该不行。

3

Bigears

2017-08-17 11:25:57 +08:00

继续学习

4

knightdf

2017-08-17 11:26:20 +08:00

你这太难了。。就看了两天数学书

5

stackpop

2017-08-17 11:26:41 +08:00

走 web 后端路线比较适合。

6

enenaaa

2017-08-17 11:27:53 +08:00

1

最近在参加阿里天池的数据分析比赛，真的是有差距。
楼主可以先试试。

7

Rice

2017-08-17 11:35:23 +08:00

有个做机器学习的网友说他在实验室用到的数学问题难度比考研数学还难十倍，是不是真的你自己体会

8

justtery

2017-08-17 11:39:19 +08:00 via Android

专业性太强了，放弃吧。

9

jmc891205

2017-08-17 11:50:33 +08:00

当然有机会又不是所有人都是做算法的
那些做算法的也需要有搬砖的

10

diydry

2017-08-17 11:53:10 +08:00

放弃吧。

11

introom

2017-08-17 11:59:49 +08:00 via Android

6

可以的，大部分机器学习就是这个样子的，尖端的就是找找 edge case 说自己厉害，或者改改数据。真正懂的太少，楼主别怕。大家都是装出来的。

12

Morriaty

2017-08-17 12:09:43 +08:00

就算说大数据，目前也是大概分两个方向，一个数据平台开发，另一个才是算法研发。

数据平台开发依旧倾向于开发和架构，说白了就是经验，怎么把传统算法并行化，怎么合理调度 hadoop 集群的 Job 等等。

13

rocksolid

2017-08-17 12:16:14 +08:00

不是资历问题，而是你吃不吃得起苦

14

tongyang

2017-08-17 12:58:42 +08:00

想多啦。

15

liyuandashabi

2017-08-17 13:17:26 +08:00

别想太多,成功是 99 的汗水加 1 的天赋,但是没了 1 的天赋,你永远就那样,所以,你自己问问自己,有没有那 1 的天赋.还有,天赋是与生俱来的,是从小到大一直伴随着你,不会说后天能学习出来,培养出来,那样也不叫天赋.如果你只是打打下手,干干基层,想学什么都可以,真要到金子塔的顶端那一层,对不起,你没有这个天赋,这辈子是不可能的,这就是普通人和爱因斯坦的区别.

16

Jimrussell

2017-08-17 13:22:48 +08:00

做是可以做的，自己做。找工作就别想了。

17

congeec

2017-08-17 13:23:23 +08:00 via iPhone

@Rice 能举个例子么？
我学 machine learning, 用到的数学都是本科的知识。当然，我只是在学，不做研发

18

daimao

2017-08-17 13:28:47 +08:00 via iPhone

就算进去了，也就是天天洗数据而已

19

jccg90

2017-08-17 14:04:21 +08:00

机器学习也需要打杂的啊。。。又不是非要入行就要搞算法是吧

20

tjxjj

2017-08-17 14:11:11 +08:00

严格意义上，你看了机器学习的资料还在问这个问题，说明差的不是一点半点。

但是避开算法，做点工程性质的事情还是可以的

21

badttt

2017-08-17 14:12:46 +08:00

不能

22

realwol

2017-08-17 14:14:04 +08:00 via iPhone

@congeec 梯度下降算法 softmax

23

hanangellove

2017-08-17 14:16:32 +08:00

还是不要进入的了，可能就算你会了很多工具，工作也不好找。

24

congeec

2017-08-17 14:18:07 +08:00 via iPhone

@realwol 矮油，刚把这块儿搞定，会求导就能推出公示。真没用到高深的数学

25

realwol

2017-08-17 14:30:55 +08:00 via iPhone

@congeec 什么叫高深数学？你的原话是本科的知识，本科你学习这些了吗？会求导就能推出来是不是可以说会加减乘除就可以推导出相对论？不要矮油看着恶心

26

congeec

2017-08-17 14:48:16 +08:00 via iPhone

@realwol 真喷子
你要是觉得大一学的微积分都叫高深数学, 那我没话说。
softmax 我本科没学，但是推导公式用的知识都是大一学的微积分里的。加减乘除推相对论，这啥逻辑？你这钓鱼手段有点次了，相对论我推不出来我能从你说的话推出你是个喷子，明显是来打嘴仗的

27

Revenant

2017-08-17 14:48:37 +08:00

找工作，应届生拼学历，社招拼经验。
公司是以盈利为目的的，所以首先你要有机器学习方面的上线项目或者开源项目，公司才能知道你是否了解及熟悉相关工作的大体流程，除非公司打算招技术储备，不然你学得怎样公司并不关心。
现在机器学习方面的算法比较成熟了，只是距离大规模应用，相对来说力度还不够，如果你想找相关机器学习工作，不如先自己用业余时间实现一些中小型项目，理论和工程相结合才是王道。

28

realwol

2017-08-17 14:53:13 +08:00 via iPhone

@congeec 我帮你理理逻辑，求导是高中学的，可是会求导只是个基本知识，你现在用到的基本知识通过某种组合方式就会产生高级的表现形式，比如加法累计衍生出乘法，加减乘除也是你学过的非高深基础知识，按照你的说法，由加减乘除推导出的相对论也就不是高深了？

29

shikimoon

2017-08-17 14:57:50 +08:00

不能，下一个

30

realwol

2017-08-17 15:01:16 +08:00 via iPhone

@congeec 我是喷子开始从就事论事到发泄个人情绪我脱离事实开喷的。我的逻辑都理解不了，你这逻辑能力就不用谈了。你自己也是刚刚搞定，推导公式里的知识都是大学里学过的你就有自信说简单了？照你的逻辑你小学学过的汉字够写长篇小说了你有出版作品吗？刚看完这两个算法最多就是入门而已有什么资格大放厥词？简直不知所谓。
想喷你继续我看着但是不会再回复了

31

congeec

2017-08-17 15:08:11 +08:00 via iPhone

@realwol 能好好说话了，给你个赞
加减乘除能推出相对论，这帽子真扣大了
我不敢装逼立这种 flag，步子迈太大会扯着蛋
我的意思是，比如说你要推“随机变量 X 服从正态分布，y = 2x, 那么 y 也服从正态分布”用特征函数能推出来，用卷积也能推出来。我没学过卷积，但学过特征函数，所以能推出来。大兄弟稍安勿躁，别上火了

32

xuchen

2017-08-17 15:23:21 +08:00

这已经不简单是代码层面的事情了

33

congeec

2017-08-17 15:26:06 +08:00 via iPhone

@realwol 照你的逻辑，你能看出我“会求导能推出公式” -> “会加减乘除能推出相对论”。你用我的话解释出一个错误的论点，然后批评这个论点。不好意思，我跟你想法一样，也不认同后者。我实在不能理解你能用前者推出后者的逻辑，我是推不出来，我也没那意思。

34

Biggoldfish

2017-08-17 15:29:10 +08:00

@realwol 这俩算法有大二的数学水平就能挺轻松地推导吧。。。

35

gladuo

2017-08-17 15:34:53 +08:00

一定不能，下一个。

36

mpich

2017-08-17 15:38:28 +08:00

@realwol 这两个大二确实就能轻松推导…大一微积分学完，大二学完矩阵知识就可以了…

37

Madkill

2017-08-17 16:04:43 +08:00

数学要求确实高

38

bzzhou

2017-08-17 16:10:20 +08:00

看是偏向于工程呢，还是算法
如果是工程，实现一个分布式 LR 算法试试
如果算法的，去搞搞 kaggle 试试
先坚持下来再说适不适合

39

yemenchun1

2017-08-17 16:17:06 +08:00 via iPhone

哦数学。比如神经网络的 WX+b 做 backprop 的时候需要对矩阵求梯度。这个肯定不是本科学的了，除非我读了个假本科。因为线性代数的老师会觉得微积分老师教了，微积分老师则觉得这应该是线性代数的老师教的，最后他们就谁都没教。我第一次求这个梯度的时候就懵逼了。现在懵逼的是求 norm regularization 的 back prop gradient，已经懵逼好几天了，到今天还在外面闲逛想不出来办法。

40

yemenchun1

2017-08-17 16:19:53 +08:00 via iPhone

哦说错了是 batch norm

41

linw1995

2017-08-17 16:21:16 +08:00

可以去 kaggle 练练手

42

Phariel

2017-08-17 16:27:28 +08:00 via Android

不行，放弃，你做不了

43

ivechan

2017-08-17 17:23:46 +08:00

1

@yemenchun1 雅可比矩阵不是跟这个差不多吗？我记得属于微积分的内容吧，只是老师不强调而已。

做机器学习的数学基础：微积分，线性代数，概率论和统计，凸优化
也就凸优化是稍微难的知识，对比其他“科研”领域，比如物理，已经是不讲究数学的了。
我倒觉得机器学习的难度不在数学上（除非你做科研），也不过是理工科本科数学的知识而已。
数学好的有数学好的思考方式，数学不好的也有数学不好的思考方式。
很多机器学习的大牛也不一定是传统 CS 或者 Math 出来的，入行的困难在于这是个比较新的领域
没有人带着走，会走非常多的弯路。（除非你是大神）

44

ivechan

2017-08-17 17:25:58 +08:00

搜索 cs229，能看得下去，我觉得完全可以从事机器学习领域。
不过机器学习英语要求比数学还更高，因为几乎没有靠谱的中文资料。（有些名词根本没中文翻译）

45

liuzhiyong

2017-08-17 17:29:14 +08:00 via iPad

我也觉得楼主应该放弃，别人要求这么高的学历，是有原因的。

46

neoblackcap

2017-08-17 17:30:59 +08:00

做什么都可以，只要你愿意付出对应的努力，若是学历是硬伤，那读一个博士不就行了。世界本没有什么行还是不行，倒是你现在要去找对应的工作比较难，你要付出比较大的努力，而且是非常大，若是别人本科 2 年能找到这样的工作，你怕是要 4 年

47

xylitolLin

2017-08-17 17:50:19 +08:00

绝对不是歧视，毕竟人家读到博士、研究生，肯定不是看两天书可以达到的水平

48

gclove

2017-08-17 19:53:12 +08:00

数学是硬伤 +1

只能说你需要补充的知识比较多.
不过你能够学习的时候充足的话， = = 那也不好说啊!

毕竟机器学习这个方向就是偏向统计，数学的。

虽然原理上看起来好说、但需要研究的地方还真不少.

49

nullcoder

2017-08-17 20:06:12 +08:00

www.kaggle.com 上面经常会组织一些竞赛可以试试手。
如果能拿到考前的排名应该问题不大

50

minvacai

2017-08-17 20:16:08 +08:00

@yemenchun1 这个确实是本科学的，看你什么专业。以前我专业有本很薄的数学书叫《矢量分析与场论》，就讲了方向导数和梯度。

51

Shura

2017-08-17 20:17:56 +08:00 via Android

@congeec 一维随机变量求分布函数用不到积分吧，如果求二维的函数随机分布，不会卷积也可以用定义法，二重积分求解。

52

Shura

2017-08-17 20:25:21 +08:00 via Android

@minvacai 他说的是对矩阵求梯度吧，普通工科本科阶段确实没有学过，不过我感觉可以先把矩阵化为二次型然后求解？对函数求梯度，方向导数，本科应该学过，至少数学一要求掌握。

53

staticor

2017-08-17 21:42:22 +08:00

如果我面 ML 在校实习生的话. 一般情况下先考一下推导 LR 或者讲几种决策树, 然后讲一下自己过去的一个分类或回归模型的项目.

一是看理论功底; 二看项目, 结合代码.

54

janxin

2017-08-17 21:44:25 +08:00

为什么是机器学习？因为赚钱多吗？

55

menc

2017-08-17 22:16:43 +08:00

2

@yemenchun1 DL 中使用矩阵形式表示数据纯粹是为了表示方便，实际上思想上还是标量的。

数学比较难的地方，一个是共性的凸优化随机过程这种，本科是不学的。
第二个是具体问题中的偏难的数学问题：比如 LDA 中的狄利克雷分布和 Gibbs 采样，比如广义线性模型的指数分布族，可能研究生的数理统计才会学。

事实上，不是我黑，CNN RNN 这种 deep learning 的东西，没啥可说数学基础的。包括 GAN，公式都是人家脑袋拍出来的。

learning theory 跟不上发展速度了，所以模型解释性都差很多，现在的 ML/DL 偏向实践学科，不再是一个严谨的偏统计和数学的学科了，越来越像 CS 人搞得事情。

传统机器学习模型数学上倒还更重视一些。

56

can126

OP

2017-08-18 00:13:02 +08:00

@janxin 俗

57

zhidian

2017-08-18 00:24:34 +08:00

我们实验室不能写代码的都在搞科研，就是据说数学要很好才能看懂别人论文的那种。而我是搬砖写代码的。

58

tyrealgray

2017-08-18 00:58:33 +08:00 via iPhone

人云亦云的回复好多，试一下不会怎么样，不尝试就说做不到的话，永远是失败者

59

changwei

2017-08-18 04:35:33 +08:00 via Android

你可能需要一本 21 天精通高等数学

60

snnn

2017-08-18 06:01:03 +08:00 via Android

@yemenchun1 这个绝对是。。

61

snnn

2017-08-18 06:02:07 +08:00 via Android

@minvacai 你说的这两个东西大一的数学课本上就有。书我一直留着呢

62

yemenchun1

2017-08-18 08:19:05 +08:00 via iPhone

@ivechan 思想倒是一致的，凡是有贡献的分量，就要加进去。

63

yemenchun1

2017-08-18 08:19:52 +08:00 via iPhone

@minvacai 那个都讲过啊，我是说对矩阵求

64

yemenchun1

2017-08-18 08:22:13 +08:00 via iPhone

@menc 还没学到您说的这些，正在完成 NN 的探索过程中，希望后面数学少一点，哈哈哈，反正我觉得挺难的，看的烦了就去开一局文明五，哈哈

65

can126

OP

2017-08-18 08:28:33 +08:00

@changwei 是的，哈哈。

66

bmy

2017-08-18 09:01:09 +08:00

我的研究生专业就是模式识别与智能系统，工作后一直做前端开发，今年在优达学城学完了 deep learning 的课程，现在在公司的项目里做一些机器学习相关的概念研究，打算自己做了一些东西之后再考虑转行

67

fanhaipeng0403

2017-08-18 09:10:17 +08:00

不能，下一个

68

tonfy

2017-08-18 09:16:46 +08:00

万一实现了呢

69

Suddoo

2017-08-18 09:30:12 +08:00

我记得很多招机器学习算法岗的企业都要求：发表过高质量论文的优先。　不是说没发表过就不行，我觉得楼主这种情况不太现实。

70

wohenyingyu01

2017-08-18 09:39:30 +08:00

看了两天想超过那些看了 8 年的，有点难。

71

minvacai

2017-08-18 10:06:26 +08:00

@Shura
@yemenchun1 翻了一下神经网络笔记没发现 bp 哪里特别需要对矩阵求梯度的部分，都是用前面的公式推推推，可能是因为我理解还不够透彻吧

72

wzha2008

2017-08-18 10:38:33 +08:00

算法方面的东西，学过相关的数学知识并不代表就能够真正看懂和理解，亲身体会。对于数学基础不好或者天赋差的人来说，真的要付出加倍的努力，特别还是在没有人指导的情况下。很多时候只是弄个一知半解，知其然不知其所以然。

73

CastleBUPT

2017-08-18 10:56:23 +08:00

是不是人人都开始做机器学习了，貌似现在培训班也是机器学习的班最火

74

viator42

2017-08-18 10:59:53 +08:00

个人觉得这玩意太新了也太高端,现阶段找个码农能干的职位不太现实.不过可以先学着做技术储备,过几年普及了之后你起点不就比别人高了吗

75

tonyleu777

2017-08-18 11:28:49 +08:00

3

无意引战. 但是如果下列两个基本工作你做得到, 那么你可能能够找到工作:
1: ML 相关的顶会的论文, 你都能看懂. 能够理解并推导出来.
2: 能够实现 ML 的算法. 你可以基于 matlab 来做, 进而减少工作量. 但是原理必须实现.

我认为以上两个工作能够证明你真的在做 ML 方面的工作, 并接触到了其内核.
但是, 我个人认为, 你没戏. 你的教育背景还是能证明部分你的智力; 自学数学在理解深度和引用广度上都是很吃亏的; 现在走算法设计优化, 基于贝叶斯, 认为 DL 是白盒的路, 我认为你基本走不了. 当然也许你可以走调参的路, 不过我认为那条路是死路.
或者你也可以走开发, 那你的竞争力就比较弱.

现在是 AI 的风口, 是头猪都能被吹飞起来. 但是收敛到个人, 最好还是对自己的能力有点数. 你感觉不到智力差距和压制, 也许只是你还不够努力而已.
前端对于外行人来说是个进 IT 业的好入口. 好找工作, 薪水也过得去. 为什么不继续往下走?

76

yemenchun1

2017-08-18 11:39:19 +08:00 via iPhone

@minvacai WX+b 求 dW