1樓：Francis Lancelot
怎麼說呢，我之前和lz一樣，覺得演算法就是無腦用model，眼緣調參+feature engineer，在學校快樂摸魚加嘲諷。
結果後來打了個比賽，發現不同的model如何調參很難，如何使用更新的工具更難（RL,GAN），或者不同的資訊如何融合，新的特徵如何新增，這些都是需要對任務和資料集足夠了解才能做到的。最後用上覆雜的model和有效的引數還是超級暢快的
當然啦，看了上文的描述，感覺lz智商肯定不低，但是如果我上面說的這些快樂lz覺得無感的話，那就說明不太適合這個領域嘍
2樓：Bruce·Jin
難！難！難！
簡單地了解乙個演算法很簡單。但是了解乙個演算法為什麼能稱之為乙個演算法，或者簡單點說，為什麼能學習，則很難！
舉個例子，比如說knn，你覺得沒什麼技術含量啊！很簡單啊！但是基本上所有了解ml原理：
可學習性、收斂性以及樣本複雜的的人都知道，想要說明白為什麼knn可以成功滴學習很難，需要幾張紙的證明。（這就是統計學家往往要幹的事情，寫一些實踐人士認為毫無用處的事情。）這樣的收斂性包括：
是否隨著樣本的增加，train loss和validation loss都會越來越小（理論證明），需要多少的樣本才能讓k已知的knn演算法一定會達到好的效果，k與loss之間的關係，以及其他非常實用的部分。（不像計算機學者：做實驗！
做模擬！理論多困難啊！證明不做！
做實驗不就知道幾個引數和loss之間的關係了嘛！484傻啊！...雖然可能他們連train和validation的loss都分不清...
）Plus，演算法收斂性的定義，以及knn以及其他一些演算法的收斂性你可以從這個裡面管中窺豹：https://www.
cs.huji.ac.il/~shais/Lectures2014/lecture5.pdf
3樓：
傳統的機器學習還是很有技術含量的；
現在Deep Learning, 視覺那一塊堆架構的確實沒啥含量。沒含量到了什麼程度呢，到了Google AutoML組可以自動生成的地步。。
機器學習模型在工業界的應用？
哈哈哈 參照另乙個回答 基於神經網路的現實中的應用？哈哈哈的回答 知乎 基於神經網路的現實中的應用？機器學習大多是應用在影象 語音和文字，也能用於旋轉機械故障診斷。在本質上，旋轉機械故障診斷是乙個分類的問題。例如，常見的機械故障包括軸承滾動體故障 外圈道故障 內圈道故障，齒根裂紋 齒麵點蝕 缺齒故障...
《海賊王》在講故事 人設方面有什麼值得學習的技巧？
海賊王裡面有乙個經常用到，而且應該被那些創作超能力設定作品的作者學習的技巧。就是對超能力在劇情中的使用，有很多作品裡超能力都只是用來戰鬥，並且在脫離了戰鬥劇情之後超能力就像消失了一樣。但是海賊王裡有這些劇情。使用果實能力冒充麥哲倫讓路飛一行人能夠成功出逃的馮克雷 被童趣果實變成鐵皮玩具之後，被所有人...
機器學習在腫瘤基因組研究的應用？
簡佐義 了解機器學習不多，只說我接觸過的 腫瘤大panel單樣本的體細胞變異檢測。我們知道，大panel一般都是配對樣本，即腫瘤樣本與正常樣本配對，腫瘤樣本通常是患者的血漿或腫瘤組織 手術組織 胸水沉渣等 正常樣本通常用患者的白細胞。但有時候卻只有腫瘤組織，沒有配對樣本，比如患者已死，只留下了組織，...