“机器学习算法不太懂……很会用机器学习解决问题”？

这就是所谓的 ppt 架构师吧

学数学，尤其是学最优化的吧

@northisland 其实背后的数学不太复杂，多花点时间就可以弄明白，我自己就写了一个机器学习算法系列： http://www.libinx.com/categories/机器学习

我觉得他的“不懂”和你的“不懂”可能不是一个概念……

好像是这样，saraj 在介绍 tensorflow 中建议每个节点最好使用线性函数，所以微观到黑箱里节点的算法不太复杂，而是递归的算法有几个方式，他们的效率各不相同，根据需求进行选择。

门坎太低，很正常。

V2 不懂造苹果电脑，但用苹果电脑很溜的人很多
同样
这世界上，不懂神经网络算法原理，却能用现成的神经网络模型处理问题的人也很多

然后，其实你和做推销的，可以谈“很深”的话题，他也能和很多人谈不同的话题，这是另一种理解

玄学调优还是挺难的吧

机器学习数据不同，算法不同，没有通用算法。需要根据分析数据不断修正最适合此类数据的算法。95%以上人连有价值数据都找不到，不要说什么学习了。

@lightening 怎么说呢？一个从学术角度一个从工业角度？
@eccstartup 还是有门槛的，如果不是非 cs 科班出身的，想要吃机器学习这碗饭还是需要点不同的地方
@imn1 “能用”和“用好”是两个不同的层次，把数据洗干净，然后往模型里边一扔，一般会有一个结果，这是“能用”。至于“用好”，是在“能用”的基础上提高性能，并能够跟其他人解释，有复用的可能。这两者的发挥的价值是不一样的。

@swordspoet
这微博（是微博吧？）上面写的只言片语，其实还是要看语境的
你已经把他这几句话加深了理解到“用好”了

在现实中，搞技术的，其实也不仅搞技术的，举例而已，往往被一些框框圈住
例如，我早年在导师指导下，做了一个正交分析的工具
我们当时是在化学成分分析的场景下写出来的，想到的用途最多只是扩展到医疗的药品分析和血液微量元素分析
结果，另一个系的学长，了解到这个工具的用途后，大致了解了数据结构和使用方法，他却把这个工具用在了机械零件的分析上，他后来跟我们说，解决了他们单位一个长期难题，他把得到的奖金分了 50%给我的导师，也给了我一点。他就是一个典型不懂原理，却“用好”的例子，已经不能说是能用这个级别了，而且开阔了我对机器学习（以前我们叫“多因素分析”，Multi-Factor Analysis ）认知的视野，这也对得上微博上面写的“很有收获”

@swordspoet 是吧。有的人觉得理解原理就是懂了。有的人觉得不会证明不算懂。有的人觉得不能根据自己需要改进算法不算懂。