1樓：chadui123
第一，你說的AI傳統方法肯定不能放棄，它同樣屬於巨大複雜的現象空間中可能有效的方法路徑。
但第二，用於AI可能的方法並非除了DL就是傳統方法了。（你和你的導師）思考過應該還存在更廣泛的方法路徑麼？
所以答案是：會有前景因此值得堅持，但也要吸收來自大概三個方向的發展，其一是你具體領域的具體經典方法，其二是解決你領域問題的DL方法，其三是你領域及拓展領域裡經典和DL之外的更加底層新正規化的方法探索。當幾十年以後大家殊途同歸之時，自己這一路不要沒有特殊的貢獻，也不要對其它路完全不了解就好了。
2樓：Rock
機器學習的實用空間很大，想象空間更大，而滲透率非常低。
DL是乙個正規化轉換，如果與網路科學對照看的話，它們有一種微積分式的美感。
但它們是刀尖，好像刺破了什麼，而刀身是可砍可切的。
1、因為DL的低解釋性，很多敏感度高些的行業不敢用，即使他們知道DL有更好的效果，比如金融。
2、現在數位化浪潮是要席捲全部領域的，而其中大部分行業應用用DL是一種浪費，部署難，資料難。
許多回答已經提了很多應用建議，我沒有他們了解的深且廣。只好用個比喻：魚塘裡扔一塊麵包，1000條魚都去搶那塊麵包了，那剩下的整個魚塘就屬於沒去搶那塊麵包的魚。
3樓：
我覺得傳統演算法你的優勢在於數學，傳統演算法做的好，數學底子不可能差。
其次你完全可以加強一下coding的實力，這一點其實對於企業非常重要。比如HW，你如果能夠在機試拿到250+的成績，你想工資低都難。
你欠缺的可能只是DL軟體棧的熟練程度。如果真的想玩DL，大型網路玩不轉，結合你的演算法應用場景，就往lite的看看唄。
最後，你多去實習啊！現在的AI還真的要指望工業界。
4樓：電光幻影煉金術
我認為是有的，事實上我們企業真的招不到人的，反而是做傳統演算法的人才。
而且現在深度學習需要的算力也在下降，很多自己筆記本就能跑實驗，實驗室花個幾萬塊買煉丹裝置並不過分。
什麼是人工智慧？人工智慧 機器學習 深度學習三者之間有什麼關係嗎？
祩徍徍 人工智慧是乙個很寬泛的概念，各種定義都有，機器學習是人工智慧的一種實現方法，深度學習是機器學習的一種實現方法，是在機器學習的基礎上建立起來的，深度學習最基本的形式就是神經網路。 王易諾 人工智慧 英語 artificial intelligence，縮寫為AI 是指由人製造出來的機器所表現出...
人工智慧和人工智慧深度學習是通過怎樣的原理實現的？
C飛花逐夢 人工智慧實際上是乙個很大的概念，而深度學習是其中的乙個重要分支，或者說是一種重要方法。實際上深度學習背後的神經網路概念很早就有提出，隨著算力的提高，以及BP等理論的提出，過去認為不太可行的做法現在變得可行了，深度學習近年來的大熱離不開這樣的背景，而深度學習的成功應用也一下子把AI再次推向...
哪個廠商的GPU適合人工智慧深度學習領域呢？
13324050245 其實只有英偉達顯示卡叫GPU，其他的都叫顯示卡。儘管說有些顯示卡也能用於計算。但是真正意義上的GPU是指通用計算，GPU這個名字就是從英偉達開始這麼叫的。 詹姆斯林 首選是NVIDIA，顯示卡架構豐富，高效穩定，不斷迭代公升級，學生黨一般GTX1080 GTX3060就夠了，...