机器学习领域是否已经达到饱和？

2019独角兽企业重金招聘Python工程师标准>>>

这个话题很有意思，我想从个人和公司两个方面谈点自己粗浅的感受。

先说个人:
机器学习人才大致可以分为两类:一类是研究型人才，侧重在发明算法; 另一类为应用型人才，着重于使用算法。

研究型人才自不必说，这个领域的很多博士被疯抢，就能看出端倪，至少远没有到饱和的地步。其实不止机器学习，任何领域的创新型人才，恐怕都是很抢手的。

绝大部分人恐怕属于应用型人才，当然，这里应用其实就是指垂直领域的综合性应用，而不是mnist这类samples。如果只是调用机器学习的包(比如sklearn)做一些简单的例子; 或者在caffe或tensorflow跑几个例子，设计(修改)一下网络，调整一下超参数，拿数据训练及测试一下，这类人才将来肯定会饱和的。工作量不大，又没有太多创新的话，可替代性就高了。

那么哪种人才不容易被淘汰呢？以我个人的经验看，大致有这么三种:
1.一种是具有一定的机器学习基础，又对某个领域具有深刻认识的人才。这类人在某个行业扎根很深很久，熟知其痛点和需求，尤其清楚有哪些坑。既可以在公司里做产品经理，时机成熟也可以创业，可谓进可攻退可守。
2.另一种是技术基础扎实，学习能力强，具有一定的理论基础。尤其是算法实现能力强，甚至可以对框架进行优化，而且速度快的人，老板最喜欢了。你可以打听一下，有多少公司在讨(zhuang)论(bi)AI，但就是不知道怎么做。数一数，恐怕有一大堆吧。
3.第三种是产品开发型人才，这类人可能不一定很懂算法，但很清楚怎么做机器学习应用，怎么把产品做到极致，好用。比如人脸识别系统，算法只是一小部分，更重要的是整个系统架构，做一个demo当然容易，但一个端到端的人脸识别系统包括视频采集，解码，人脸检测，特征提取与人脸数据库(检索)，业务逻辑，联动报警，分布式多级部署等等。

以上第一类人才侧重于"我们要做什么，哪个方向"，第二类人才侧重于"怎么做"，第三类人才负责"怎么把产品做好"。

再谈公司:
一个公司从立项到交付，也需要这三类人的通力协作: 第一类人协助管理层做决策，比如，根据多年的金融领域经验，决定做一套股市分析预测系统，第二类人赶紧跟上，先研究国内外有没有相关的论文和研究成果，包括开源实现，然后快速实现一个原型，至少验证技术大致可行性，后期慢慢优化，这一步过了之后第三类人出场，做一套完整的股票分析预测系统……

机器学习在垂直领域里的需求非常多，如果能把需求跟技术很好地结合，个人感觉，对企业来说，很长一段时间里都不会饱和。

机器学习只是工具，解决问题才是最终目的。机器学习也需要跨界。举个例子，机器学习与IOT结合就会产生很多的应用。比如:通过设备运行数据，预测其故障可能性，使用寿命。

最近参加了日本最大的AI和IOT展，感触很深。一方面，各行各业对机器学习的需求非常旺盛，里三层外三层，简直围的水泄不通，另一方面，脚踏实地才能保持企业甚至整个产业链的健康持续发展。另外，日本这些企业生意是真的很好，我很嫉妒。

更对技术文章请关注作者

转载于:https://my.oschina.net/u/3731401/blog/1586888