※ 引述《popo14777 (草草)》之铭言：
: 以前硕士有做过机器学习，用的语言是Matlab(LIBSVM)、Python(scikit-learn)
: 都是用监督式学习来做预测(y's=实数)，
: 算法大多都用SVR、随机森林、回归树、整体式学习等
这让我想到
我之前问我在大鬼岛的上司，他在机器学习领域工作了很长一段时间
我问我想从大数据转机器学习这条路有没有什么办法
他劝我死心，那些大厂已经把机器学习的产品包的太好了你阿骂都会用
除非真的进入那些领航的大厂
否则当SE起码还有饭吃，现在跟风投入机器学习领域几年后就会没饭吃了
诸如此类
我不是这方面的行家也没办法说啥
有没有神人出来说说看法

老实说，我同意他的看法

大鬼岛?

我觉得ML和AI在市场上已经被炒作得太过火了迟早有天会走上.com的老路，大爆炸重整只是到时候市场上会留下来的是哪家现在还是个问号极有可能还是G社就是了

这个逻辑好像套用到任何领域也都通..结论 鬼岛死路一条?

悲观一点来说，是死路一条没错啊也不想想看那几家世界级的大厂在这领域已经投入几千个博士花了几年的时间和几亿的研发经费下去搞

我是领域内的人，我赞同他讲的

现在才想切入去做早就已经太慢了台湾的产业问题一直都是这样——跟风这种企业与政府文化不改，死路一条有啥好意外的这年代的科技业要成功，就是要当议题的主导者台湾在这方面真的是非常弱当人家已经在思考下个世代的产业与议题时台湾是才刚要跟风这个世代当红的东西

想跟风又不想花钱 这个领域人才就是一切 然后又想尽办法打压劳工，花两悠买设备不手软，加两千薪水就唉唉叫

目前状况就是这样....除非做的东西很新

说要能研发出三小我是不信啦

同意啊，就哪个老板会想请你去重写里面的数学模型...现有的都是一堆强者写出来的，你能应用的很漂亮才是重点了

我工作上有碰到一点点ML 同意大鬼岛上司讲的

你老板是对的 美国也是这样 除了少数几家愿意养研究员现在DS有慢慢往OR靠的趋势 公司内部internal consulting不是除搞ML 一般人现在搞这个是死路一条

我觉得现在一堆人把kernel讲得太神，好像不会数学去写就会没有未来，其实反而是调整或者研发数学模型的工作难找啊

...包的好是不用自造轮子，为什么这样就没得发展？你只需要轮子就能当车开吗

这个领域跟风感觉能吃的很少，连汤都没得喝到最后又变成单纯的养人给老外用

LAMP非常成熟了 所以大家来做WEB已经没前途了???重点是你要怎么把KERNEL用在不同的产业DATA上 改进产能开发出原本做不到的附加价值 应用KERNEL创造新的商机不是吗?那又何必去想做不出新的LAMP(KERNEL)这件事呢?目前各个产业经过WEB CLOUD的后的转型或多或少都有DATA怎么去用这些AI KERNEL开发出新的自动化价值 就有新的需求新的工程师职缺出来 这不就是新领域的未来吗?

SVM的kernel应该是指投射到特征空间?

大致上是指投射到超平面没错，有RBF、poly等等，更高维度有可能将 data 分开