前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >算法工程师当前选哪个方向好?

算法工程师当前选哪个方向好?

作者头像
机器学习AI算法工程
发布2020-08-21 16:26:59
1.9K0
发布2020-08-21 16:26:59
举报
文章被收录于专栏:机器学习AI算法工程

向AI转型的程序员都关注了这个号???

机器学习AI算法工程 公众号:datayx

1,计算机视觉;2,自然语言处理;3,风控;4,推荐系统?

当前2020年 ,算法工程师哪个方向好?

看了很多回答,模棱两可、模糊不清,给岀一番没有意乂的解释,最终也没有给岀自己的意见。

我首先给出自己明确的答案:选择推荐系统。

不要说什么“根据不同岗位、不同公司、不同能力而定",我所说的都是针对普遍的大众情况

目前在商业中有所应用,而且能够创收的只有搜索推荐和计算机视觉,因此,这两个方向的人力缺口很大,尤其是计算机视觉。前两年校招时可以看到,互联网、IT、生物医药、汽车安防等等行业,几乎都会有计算机视觉的岗位。所以,很多其他方向的同学开始纷纷转向,随着大潮流投入计算机视觉这个方向,为什么这么多人投入计算机视觉方向?我认为有以下几个原因:

  • 入门容易
  • 模型成熟
  • 人才缺口大
  • 热度高,名气大

目前入门CV的常用套路就是:

  1. 看吴恩达《机器学习》《深度学习》课程,学一点机器学习的知识。
  2. 读几篇CV模型的文章,了解一下经典的Alexnet、R-CNN系列、YOLO等。
  3. 在github上找几个tensorflow、pytorch实现上述模型的开源代码。
  4. 下载VOC、ImageNet、COCO、kaggle等数据集。
  5. 按照开源代码中的Readme准备一下数据集,跑一下结果。

学了两个月、跑了几次结果后就认为已经入行CV了。

看过吴恩达课程的人,有的应该记得他在课里面说过"深度学习是一个基于经验的领域",我们该怎么针对不同领域的图像设置不同的参数?其中包括卷积核大小、网络架构、初始权重等等,不可能拿到一个模型,既适合医学图像,又适合人脸识别,这其中就需要n次从70%的精度调到95%以上中积累出经验。

此外,CV方向目前阶段依然存在着制约这项技术创造更多商业价值的弊端,虽然每年顶会、期刊上面关于CV的文章依然很多,但是绝大多数都是拼拼凑凑,很多模块和思想并不新颖,在关键问题方面并没有太大起色。

我认为在2020年,计算机视觉的状况不仅没有好转,反而更差。曾经狂热吹捧计算机视觉的,现在也基本鸟悄的待着了。因为时间已经逐渐验证,当下计算机视觉所能创造的价值非常有效。而且,受限于数据、准确性要求,它目前很难大展拳脚。

其次是NLP,曾在2015年,我在做计算机视觉之前就做过一段时间的NLP,我认为NLP是一种非常有价值但是地位却很尴尬的存在。

它很有价值,在语音、OCR、人机交互、推荐系统等方面都有对№LP的大量应用,但是,它却很难直接的创造大规模的价值,更多的是作为一种附属能力,结合其他算法为一个系统提供能力支撑。

风控是我目前接触较多的,首先,它应用面比较局限,仅限于金融场景。而且,目前的风控模型是比较成熟稳定的,要么基于规则、要么基于传统机器学习,短时间之内不会有特别大的改动。毕竟涉及资金,银行也不会那么沖动的选择那些不可解释的模型和算法。

目前在互联网行业常用的算法有:

但是,推荐,搜索,广告投放是互联网公司最普及也是最能产生现金流的三个方向。 无论是目前火热的头条系产品(抖音、今日头条),还是阿里系(淘宝、天猫),百度(广告推荐),腾讯(QQ音乐、腾讯新闻),乃至手机行业(应用市场)都是由推荐系统带来的商业价值。

其中,比较知名且成功的当属字节跳动。

我认为优秀的产品设计+强大的推荐算法成就了目前的字节跳动,今日头条的个性化新闻推荐,抖音的个性化视频推荐。

我们会发现,当下我们看到的、听到的都是互联网公司想让我们看到的,我们似乎生活在一个被设计的圈子里,这些背后的所有支撑力都来自于推荐系统。

我认为,推荐系统目前已经产生了很大的商业价值,在接下来的3-5年里,它还有很多场景、很多价值会被进一步挖掘,在短暂的几年里,NLP、CV、风控和推荐还是无法相提并论。

原文地址https://www.zhihu.com/question/398876586/answer/1325993716

阅读过本文的人还看了以下文章:

TensorFlow 2.0深度学习案例实战

基于40万表格数据集TableBank,用MaskRCNN做表格检测

《基于深度学习的自然语言处理》中/英PDF

Deep Learning 中文版初版-周志华团队

【全套视频课】最全的目标检测算法系列讲解,通俗易懂!

《美团机器学习实践》_美团算法团队.pdf

《深度学习入门:基于Python的理论与实现》高清中文PDF+源码

特征提取与图像处理(第二版).pdf

python就业班学习视频,从入门到实战项目

2019最新《PyTorch自然语言处理》英、中文版PDF+源码

《21个项目玩转深度学习:基于TensorFlow的实践详解》完整版PDF+附书代码

《深度学习之pytorch》pdf+附书源码

PyTorch深度学习快速实战入门《pytorch-handbook》

【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》

《Python数据分析与挖掘实战》PDF+完整源码

汽车行业完整知识图谱项目实战视频(全23课)

李沐大神开源《动手学深度学习》,加州伯克利深度学习(2019春)教材

笔记、代码清晰易懂!李航《统计学习方法》最新资源全套!

《神经网络与深度学习》最新2018版中英PDF+源码

将机器学习模型部署为REST API

FashionAI服装属性标签图像识别Top1-5方案分享

重要开源!CNN-RNN-CTC 实现手写汉字识别

yolo3 检测出图像中的不规则汉字

同样是机器学习算法工程师,你的面试为什么过不了?

前海征信大数据算法:风险概率预测

【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目,让你掌握深度学习图像分类

VGG16迁移学习,实现医学图像识别分类工程项目

特征工程(一)

特征工程(二) :文本数据的展开、过滤和分块

特征工程(三):特征缩放,从词袋到 TF-IDF

特征工程(四): 类别特征

特征工程(五): PCA 降维

特征工程(六): 非线性特征提取和模型堆叠

特征工程(七):图像特征提取和深度学习

如何利用全新的决策树集成级联结构gcForest做特征工程并打分?

Machine Learning Yearning 中文翻译稿

蚂蚁金服2018秋招-算法工程师(共四面)通过

全球AI挑战-场景分类的比赛源码(多模型融合)

斯坦福CS230官方指南:CNN、RNN及使用技巧速查(打印收藏)

python+flask搭建CNN在线识别手写中文网站

中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程

不断更新资源

深度学习、机器学习、数据分析、python

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-08-20,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 机器学习AI算法工程 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
图像处理
图像处理基于腾讯云深度学习等人工智能技术,提供综合性的图像优化处理服务,包括图像质量评估、图像清晰度增强、图像智能裁剪等。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档