联系我们
- 地 址:北京市海淀区北四环西路9号 ,主 营:人脸识别,活体检测,身份证识别,银行卡识别,名片识别,车牌识别,OCR识别等及智能识别技术。
- 电 话:13146317170 廖经理
- 传 真:
- 邮 箱:398017534@qq.com
AI深度学习入行门槛低吗?
AI深度学习入行门槛低吗?
很长一段时间以来,我留意到很多自称深度学习专家、大咖的人,其实名不副实。这些人没有机器/深度学习的教育或者研讨背景,只是装上TensorFlow运转了一些GitHub上搞来的代码,然后就自认专家,写博客、写教程、以至出书。
这让我很搅扰,这毁坏了深度学习的名声。大多数公司不晓得如何区分这些所谓的“专家”,面试官也不懂深度学习,不在乎NIPS、ICML。所以当这些“专家”的深度学习处理计划不行时,这些公司就会以为一切只是一场炒作。
随着这种状况越来越多,持疑心态度的人就越来越多,连内行都开端议论泡沫了。大家怎样看这个问题?你们同意我的见地么?以后应该怎样办?
640?wx_fmt=jpeg
不少人跟帖反对上面这个论点,中心思想能够大约总结为:多研讨些问题,少谈些主义。
与po主的观念相反,开放性或者说“门槛低”是机器学习社群最好的局部之一。这个社群不会由于身份而把人拒之门外,对一切人都持欢送态度。
大多数公司更需求的是工程师,而不是研讨员。如今大局部工作都是基于规范技术,然后应用到特定的业务中。不用搞什么新研讨。
依据我的经历,一个优秀的教授能够提供很多好主见,让20多个优秀的工程师繁忙起来。这个搭配是适宜的。通常至少需求一个(可能也只需求一个)优秀的教授,以及一个聪明的工程师团队来支持他。
谁晓得如何应用机器学习来处理业务需求?谁定义了模型的输入和输出?谁保证了数据的可用性?谁剖析了却果?谁处理了问题?
假如是工程师完成了这一切,那就不是一个简简单单的工程师。你永远需求那些可以洞察业务需求,将其映射到正确的问题和答案上,并转化为牢靠消费代码的人。
反对这种分类和对立。许多研讨员也很擅长在理想世界中应用这些学问。不过有才能用机器学习来处理问题,和说本人的机器学习专家是完整不同的。
这个争论很大水平上,源于工程师缺乏必要的认可,招致一些人不得不“伪装”成科学家。不往NIPS、ICML投论文,并不意味着他们不理解深度学习的根本原理。诚然,即便进入门槛比拟低,依然没有足够的深度学习工程师来满足需求。
这个范畴急需有经历的机器学习工程师。
这让我很搅扰,这毁坏了深度学习的名声。大多数公司不晓得如何区分这些所谓的“专家”,面试官也不懂深度学习,不在乎NIPS、ICML。所以当这些“专家”的深度学习处理计划不行时,这些公司就会以为一切只是一场炒作。
随着这种状况越来越多,持疑心态度的人就越来越多,连内行都开端议论泡沫了。大家怎样看这个问题?你们同意我的见地么?以后应该怎样办?
640?wx_fmt=jpeg
不少人跟帖反对上面这个论点,中心思想能够大约总结为:多研讨些问题,少谈些主义。
与po主的观念相反,开放性或者说“门槛低”是机器学习社群最好的局部之一。这个社群不会由于身份而把人拒之门外,对一切人都持欢送态度。
大多数公司更需求的是工程师,而不是研讨员。如今大局部工作都是基于规范技术,然后应用到特定的业务中。不用搞什么新研讨。
依据我的经历,一个优秀的教授能够提供很多好主见,让20多个优秀的工程师繁忙起来。这个搭配是适宜的。通常至少需求一个(可能也只需求一个)优秀的教授,以及一个聪明的工程师团队来支持他。
谁晓得如何应用机器学习来处理业务需求?谁定义了模型的输入和输出?谁保证了数据的可用性?谁剖析了却果?谁处理了问题?
假如是工程师完成了这一切,那就不是一个简简单单的工程师。你永远需求那些可以洞察业务需求,将其映射到正确的问题和答案上,并转化为牢靠消费代码的人。
反对这种分类和对立。许多研讨员也很擅长在理想世界中应用这些学问。不过有才能用机器学习来处理问题,和说本人的机器学习专家是完整不同的。
这个争论很大水平上,源于工程师缺乏必要的认可,招致一些人不得不“伪装”成科学家。不往NIPS、ICML投论文,并不意味着他们不理解深度学习的根本原理。诚然,即便进入门槛比拟低,依然没有足够的深度学习工程师来满足需求。
这个范畴急需有经历的机器学习工程师。
上一条:企业营业执照OCR
下一条:H5 OCR证件识别