机器学习难吗？为什么难？

机器学习已经被广泛应用，教程、文章、开源代码到处都是，有些时候只需要你对机器学习算法稍有了解就可以在实际中很好的应用。很多人说机器学习很难，那么为什么难学?

机器学习难吗？

机器学习还是非常难：

• 推动机器学习研究进步的科学本身很困难，需要创新、实验和坚持;
• 把已知的机器学习模型应用到实际工作中也是一件困难的事情;
• 市场上的机器学习工程师比普通的软件工程师也要昂贵一些。

困难并不是来自于数学，因为机器学习的相关实现并不要求很高的数学基础。困难来自于：

1、选择什么样的机器学习工具

这要求对每个算法和模型的优劣势都了如指掌，这个技能可以通过学过这些模型(课程、教程、Paper等)来获得。当然这类知识构建的困难是计算机所有领域都存在的，不仅仅是机器学习。

2、机器学习很难调试

这种困难表现在两方面：

• 算法不work;
• 算法work，但并未足够好。

机器学习独有的特征是：查找上面问题的原因是“指数”难度的。通常，机器学习算法的Debug都需要很长的时间，很多bug用小数据量很难重现，而且往往在迭代的后期才能出现。很少有算法可以一次成功，所以更多的时间花在调模型上。

免费分享一些我整理的人工智能学习资料给大家，包括一些AI常用框架实战视频、图像识别、OpenCV、机器学习、计算机视觉、深度学习与神经网络等视频、课件源码、国内外知名精华资源、AI热门论文、行业报告等。

为了更好的系统学习AI，推荐大家收藏一份。

下面是部分截图，点击文末名片关注我的公众号【AI技术星球】发送暗号 321 领取（一定要发暗号 321）

一、人工智能课程及项目【含课件源码】

二、国内外知名精华资源

三、人工智能论文合集

四、人工智能行业报告

学好人工智能，要多看书，多动手，多实践，要想提高自己的水平，一定要学会沉下心来慢慢的系统学习，最终才能有所收获。

点击下方名片，扫码关注公众号【AI技术星球】发送暗号 321 免费领取文中资料