两个相同平台，智力，学习能力，努力程度的机器学习（算法）程序员和其他程序员相比

[xilixjd]

5 年以后的差别会很大吗？ 其他程序员如前后端，客户端，游戏开发等

差距我觉得还是有的，毕竟机器学习门槛要高一些，通常企业会青睐于一些名校的硕士博士

机器学习这一块即使有培训班的加入，学校的平台资源也是培训班不可比拟的

而虽然非 AI 程序员也有不少名校硕士，博士都很少了吧，但是与培训班或者非科班比起来优势不大

虽然不懂这一块，个人觉得未来还是机器学习的天下，所以想听各位懂行的分析一下计算机各个领域的前景和未来 差距会有多大 ？

[jmc891205]

机器学习和其他方向也没什么大区别
都是一小部分人创造库 一大部分人使用库

[Morriaty]

想多了，都是调库工程师

[zhengxiaowai]

5 年后肯定会相差很大，和自己本身的努力和接触的东西很有关系

机器学习需要很强专业知识和领域知识，培训班只能出调库工程师

非名校出身的 AI 工程师和培训班相比，他们有强大的自学能力，优势超级大

未来肯定是机器学习的天下，但那是数学家和计算机专家的事情，作为程序员写好代码才是真的。

[menc]

主要是用脑的多少，
坦诚地说，写业务积木代码大部分时候很机械的，不怎么用脑，
而机器学习岗位调库都是要用脑的，
一般而言，用脑多的，脑子会退化的越慢。

[menc]

说未来是数学家的天下的，百多年了，数学家一直都认为统计学不是数学，即使统计学在金融领域赚钱转的风生水起，远比今天 IT 行业刺激多了，数学家都不为所动。

而且统计学还是相对而言基础很扎实的学科。

碰上机器学习这种炼丹学科，除了少数脑子灵活愿意变通的数学家，大部分还是冥顽不化的，嗤之以鼻而已。

[wentian]

平台很重要，可以改变人，

努力是重要的，但不一定是决定因素

[sampeng]

你让做算法的去撸个 app。不是不可以，需要很多学习成本。
你让做 app 的去撸个算法。也不是不可以，需要很多学习成本。

其实一回事。。看人。。看平台

[gunshot]

你知道 DQN，TRPO 或者 A3C 要多少 iter 才能有 state of the art 么？

[ZzFoo]

我不是很 understand 楼上的 reply，可能需要去 search 一下

[flyingghost]

平台不是重点，
平台的成熟度才是重点。
越成熟越火的平台，低级开发者就越多。
越荒无人烟的开创性平台，高手就越多。

我来帮你分析机器学习：
这个平台里面全是博士硕士，本科进去只能做调库工程师。专科以下的装逼都不敢用这个词。
2 年后，北大青鸟开班。
1 年后，谈机器学习就跟当下谈 ios 开发一样。被骗进来的中专充斥行业。
然后又有人来 v2 发帖，觉得机器学习已经毫无竞争力，未来是人机结合技术的时代。你看，那个平台里都是博士哎！

[xilixjd]

@flyingghost 始终觉得这一块门槛比较高，当下也算比较火了吧，培训班也没怎么介入

[Antidictator]

@xilixjd 加了一个群没两天就看到两种不同的培训广告。。

[Morriaty]

再认真回复一下

普通 developer 要积累的是 debug 的经验，目标是对于架构的熟悉和应用。
MLer 要积累的是调参的经验，目标是能够合理定义 loss 并优化。

就目前工业界而言，基本上是逻辑回归和决策树相关，能调的参数无非那么多，公式级别的推导，也只是提供调参方向，最后那还是靠经验，deep learning 的调参更是玄学。

假设有个交易系统，某个 Data Scientist 搞出了个完美的模型，这也需要一个 senior developer 扣字节级别的优化架构和程序，这个系统才能真正成型。

所以说，五年内大家都是调库工程师，能撑过五年的，一边成了架构师，一边成了 Data Scientist。

[xilixjd]

@Morriaty 好的，明白一些了