机器学习,深度学习的普通岗位除了调包,调参还能做啥

p1: 啊,你看到的是深度学习入门,在tensorflow,mxnet等出来之前想实现一个dnn那可不容易,更轻松的算法落地是没有错的,有了他们,你可以像玩积木盒子一样玩dnn。p2: 但是dnn的最大特点就是入门门槛低,拔尖门槛高。想学好是要看本事的哦~p3: 机器学习也有很多又难有有用的啊!比如现在普遍的dnn计算框架都会用到一门技术叫做:自动微分,你可会?不仅你要会神经网络算法,还要求你的数据结构能力,编程能力;还有随便一个小问题,比如:请详细阐述一下KKT条件;难一点,HMM的参数估计,用EM算法;LR模型为何使用sigmoid函数,它跟最大熵模型有何渊源等等,不再详述,我也还在学习……p4: 想做一个优秀的机器学习算法工程师,你得是一个优秀的程序员,熟悉至少常用的数据结构,高等数学不能差。实际工作中,可能70%的工作在需求分析和数据组织,还有20%的工作是有理论指导、有优化方向的调包,再有10%看你能不能创新了。p5: 会调包的,有能力解决问题,为公司带来效益的绝对是优秀的应用型工程师。你想要走得更远,比如你百度一下,吴恩达,就要抓紧时间把算法能力,数学能力,编程能力都提上去!
■网友
世一大调包协会对此表示强烈谴责

■网友
题主可以试试数据可视化,把调参的过程直观的反映出来。
■网友
题主耐心做,慢慢地去了解底层,将来肯定是会有收获的
■网友
【机器学习,深度学习的普通岗位除了调包,调参还能做啥】 看追求了,大部分人活着并不需要太难的技能。

■网友
世一大调参协会表示坚决反对


    推荐阅读