全文共1871字，預計學習時長5分鐘

越來越多的推特博主、領英網紅大肆宣揚學習機器學習的好處以及入門後有多簡單。儘管灌點兒雞湯也沒什麼壞處，但我喜歡從不同的角度看問題。我不想讓你們覺得我過於悲觀，也不想打擊任何人，分享拙見，僅此而已。

瀏覽這些機器學習專家帖時，我就感到很疑惑，為什麼有很多人從一開始就想學習機器學習？主要原因可能是他們並不瞭解機器學習工程師的實際工作內容。大多數機器學習工程師並不從事通用人工智慧或自動駕駛汽車等工作。

機器學習也不像那些營銷號說的那麼容易掌握。在當前大的經濟環境下，“樣樣通但樣樣不精”可沒什麼前途。那為什麼有那麼多人想學呢？

我上大學的時候，夢想成為一名機器學習工程師。聽起來好像很難、很有挑戰性，但很有意思。上大學之前，我的夢想是成為一名iOS遊戲研發人員。

如果那個時候有人告訴我ML工程師的一天是如何度過的，可能我就去研發iOS遊戲了。別誤會，我對自己的職業非常滿意，但現在的職業選擇並不像以前那樣非好即壞。

為什麼呢？因為寫一個iOS遊戲程式碼和訓練一個機器學習模型、開發一個後端應用程式或前端應用程式一樣，都很有趣，也都很有挑戰性，去問問頂級科技公司的工程師你就知道了。

大學期間，我是這樣想的：機器學習看起來很難，所以找工作應該會更容易、工資也應該更高，未來更有保障（網路開發很快就會自動化），而且很有趣。事實證明我想錯了。我來給大家挨個解釋一下。

1.機器學習很難

大多數網際網路營銷號宣揚：機器學習真的很容易！只需下載一個巨大的資料集，從教程中複製10行Python程式碼，你就入門啦！話雖然不假，但很難想象有人會花錢僱你做這種工作。所以你需要更深入的學習。

深入學習才是最難的。有個優秀的老師至關重要，這樣你遇到問題的時候能有個幫手。獲得好的實習機會也是一個成為ML工程師的好途徑。我希望有人能在我初入職場時就告誡我，我需要投入大量的時間來追趕計算機科學其他領域的同行們。

為什麼？因為前端（後端或移動）研發員太多了，真是一抓一大把。

2.和機器學習相關的工作更好找

這個問題我有發言權，因為我在這上面吃過不少苦頭。找一份機器學習工程師的工作比找一份前端（後端或移動）工程師的工作更難。

規模較小的初創公司通常沒有財力聘請ML工程師，他們也沒有資料，因為公司才剛剛起步。那他們需要什麼呢？需要前端、後端和移動工程師來保證業務正常執行。那你就只能去稍大一點的公司了。

3.工資更高

高階機器學習工程師掙的錢並不比其他高階工程師多。美國有一些機器學習超級明星，但他們自己認為只是運氣好，生逢其時。在美國肯定有一些軟體工程師的工資更高。

4.機器學習不會過時

雖然機器學習短時間內不會被淘汰，但前端、後端和移動開發也是如此。如果你是一名前端開發人員，並且對自己的工作很滿意，那就堅持下去。如果需要製作機器學習模式網站，就找相關領域的人合作完成。

5.機器學習不枯燥

雖然機器學習很有趣，但並不總是那麼有趣。許多人認為他們以後會在通用人工智慧或自動駕駛汽車領域工作，但其實他們更有可能從事合成訓練集，或基礎設施建設相關的工作。

許多人認為他們會接觸高大上的深度學習模型、調整神經網路架構和超引數。確實有些人有機會接觸這些領域，但也只是鳳毛麟角。

事實上，ML工程師大部分時間都在研究“如何恰當地整合出類似現實世界問題分佈的訓練集”。一旦成功，在大多數情況下，你都可以訓練一個經典的機器學習模型，而且運轉良好。

就像我開頭說過的那樣，我沒有勸退任何人的意思。如果你覺得機器學習適合你，那麼就放手去學，我全力支援。但是機器學習並不適合每個人，也不是每個人都需要了解。如果你是一名成功的軟體工程師，並且熱愛你的工作，那就堅持下去。一些基本的機器學習教程對你的職業生涯沒有多大的幫助。

本文就是給大家提供一個看待問題的新角度，這是營銷號不會告訴你。

我們一起分享AI學習與發展的乾貨