每個行業都有自己高階和中低端人才的需求，這個並不是機器學習和人工智慧領域的獨有特點。糰子認為規律是這樣的，如果一個行業屬於新興行業，行業前景和方向充滿各種不確定性的時候，那麼對高階人才的需求是最主要的，這個時候不怎麼需要中低端人才，因為不太幫的上忙。如果一個行業已經逐漸趨向成熟，開始了大規模資金湧入，啟動大規模開發的時候，這個時候對中低端的人才需求將開始凸顯，因為需要大規模的開發的人力需求。
機器學習和人工智慧行業現在還是處於黑暗叢林之中。有很多方向，各種不確定性，需要科學家和研究員的基礎研究，來揣摩正確的方向，探索未知的可能，並且未來大規模開發引路，避免無謂的投入。這種研究並非不具備高等數學能力的人可以做得到的。所以現在在機器學習和人工智慧領域要求的都是高階人才，薪水也比其它領域高上數倍。
機器學習面前已知演算法可以簡單描述一下，看看你是不是具備這個能力最佳化或者引入新的演算法。普通的碩士，如果不是有數學天賦或者人工智慧演算法專業領域的也不一定合適。所以即使是碩士，也是百裡挑一，才能進入這個領域。
①迴歸演算法
②基於例項的演算法
④決策樹學習
⑤貝葉斯方法
⑥基於核的演算法
⑦人工智慧網路
9⃣ ，還有很多等你研究
糰子認為，面前沒有哪一種演算法可以真實描述這個世界。每種演算法都是儘量模擬，試圖接近這個世界真實的本源。但是以我們目前的能力。往往每種演算法都有它的侷限性，都只適合特定的場景，並沒有找到一種通用型的演算法。通用型的演算法，他是要和物理學結合起來。比如愛因斯坦畢生的精力都投入在統一場論，想找到一個統一的方程來描述這個世界四種的力場。人工智慧也是這樣，他想找到一個統一的演算法來描述這個世界所有的因果關係。這個非常燒腦的領域。也許畢生的精力投入，都未必會有產出。
未來當人工智慧逐漸成熟起來，有了具體方向的具體描述，需要很多具體性的工作的時候，那麼就需要更多碩士，本科甚至專科的開發工程師介入進來，因為大規模的開發工作，並不太需要人工智慧的高階知識，只需要瞭解和培訓別人已經研究好的演算法，具備一些基本的程式碼知識，比如python，就可以進行開發工作。那時候就是人工智慧領域真正成熟，可以大規模改變世界的時候。
每個行業都有自己高階和中低端人才的需求，這個並不是機器學習和人工智慧領域的獨有特點。糰子認為規律是這樣的，如果一個行業屬於新興行業，行業前景和方向充滿各種不確定性的時候，那麼對高階人才的需求是最主要的，這個時候不怎麼需要中低端人才，因為不太幫的上忙。如果一個行業已經逐漸趨向成熟，開始了大規模資金湧入，啟動大規模開發的時候，這個時候對中低端的人才需求將開始凸顯，因為需要大規模的開發的人力需求。
機器學習和人工智慧行業現在還是處於黑暗叢林之中。有很多方向，各種不確定性，需要科學家和研究員的基礎研究，來揣摩正確的方向，探索未知的可能，並且未來大規模開發引路，避免無謂的投入。這種研究並非不具備高等數學能力的人可以做得到的。所以現在在機器學習和人工智慧領域要求的都是高階人才，薪水也比其它領域高上數倍。
機器學習面前已知演算法可以簡單描述一下，看看你是不是具備這個能力最佳化或者引入新的演算法。普通的碩士，如果不是有數學天賦或者人工智慧演算法專業領域的也不一定合適。所以即使是碩士，也是百裡挑一，才能進入這個領域。
①迴歸演算法
②基於例項的演算法
④決策樹學習
⑤貝葉斯方法
⑥基於核的演算法
⑦人工智慧網路
9⃣ ，還有很多等你研究
糰子認為，面前沒有哪一種演算法可以真實描述這個世界。每種演算法都是儘量模擬，試圖接近這個世界真實的本源。但是以我們目前的能力。往往每種演算法都有它的侷限性，都只適合特定的場景，並沒有找到一種通用型的演算法。通用型的演算法，他是要和物理學結合起來。比如愛因斯坦畢生的精力都投入在統一場論，想找到一個統一的方程來描述這個世界四種的力場。人工智慧也是這樣，他想找到一個統一的演算法來描述這個世界所有的因果關係。這個非常燒腦的領域。也許畢生的精力投入，都未必會有產出。
未來當人工智慧逐漸成熟起來，有了具體方向的具體描述，需要很多具體性的工作的時候，那麼就需要更多碩士，本科甚至專科的開發工程師介入進來，因為大規模的開發工作，並不太需要人工智慧的高階知識，只需要瞭解和培訓別人已經研究好的演算法，具備一些基本的程式碼知識，比如python，就可以進行開發工作。那時候就是人工智慧領域真正成熟，可以大規模改變世界的時候。