我这种资历能找到机器学习方面的工作嘛？

[can126]

本人成人教育大专毕业，学的物流管理，兴趣爱好接触到软件行业，入门是 C#，做了两年.net ，现在从事前端开发已经两年多了，最近对机器学习方面比较感兴趣，由于数学基础比较差，买了些数学书籍看了看，个人认为还过的去。
但是有个问题，在网上搜索相关机器学习的职位要求都是博士 /研究生之类的，以后会不会找不到相关工作？

[linw1995]

可以去 kaggle 练练手

[Phariel]

不行，放弃，你做不了

[ivechan]

@yemenchun1 雅可比矩阵不是跟这个差不多吗？我记得属于微积分的内容吧，只是老师不强调而已。

做机器学习的数学基础：微积分，线性代数，概率论和统计，凸优化
也就凸优化是稍微难的知识，对比其他“科研”领域，比如物理，已经是不讲究数学的了。
我倒觉得机器学习的难度不在数学上（除非你做科研），也不过是理工科本科数学的知识而已。
数学好的有数学好的思考方式， 数学不好的也有数学不好的思考方式。
很多机器学习的大牛也不一定是传统 CS 或者 Math 出来的， 入行的困难在于这是个比较新的领域
没有人带着走， 会走非常多的弯路。（除非你是大神）

[ivechan]

搜索 cs229，能看得下去， 我觉得完全可以从事机器学习领域。
不过机器学习英语要求比数学还更高，因为几乎没有靠谱的中文资料。（有些名词根本没中文翻译）

[liuzhiyong]

我也觉得楼主应该放弃，别人要求这么高的学历，是有原因的。

[neoblackcap]

做什么都可以，只要你愿意付出对应的努力，若是学历是硬伤，那读一个博士不就行了。世界本没有什么行还是不行，倒是你现在要去找对应的工作比较难，你要付出比较大的努力，而且是非常大，若是别人本科 2 年能找到这样的工作，你怕是要 4 年

[xylitolLin]

绝对不是歧视，毕竟人家读到博士、研究生，肯定不是看两天书可以达到的水平

[gclove]

数学是硬伤 +1

只能说你需要补充的知识比较多.
不过你能够学习的时候充足的话， = = 那也不好说啊!

毕竟机器学习这个方向就是偏向 统计，数学的。

虽然原理上看起来好说、 但需要研究的地方还真不少.

[nullcoder]

www.kaggle.com 上面经常会组织一些竞赛可以试试手。
如果能拿到考前的排名应该问题不大

[minvacai]

@yemenchun1 这个确实是本科学的，看你什么专业。以前我专业有本很薄的数学书叫《矢量分析与场论》，就讲了方向导数和梯度。

[Shura]

@congeec 一维随机变量求分布函数用不到积分吧，如果求二维的函数随机分布，不会卷积也可以用定义法，二重积分求解。

[Shura]

@minvacai 他说的是对矩阵求梯度吧，普通工科本科阶段确实没有学过，不过我感觉可以先把矩阵化为二次型然后求解？对函数求梯度，方向导数，本科应该学过，至少数学一要求掌握。

[staticor]

如果我面 ML 在校实习生的话. 一般情况下先考一下推导 LR 或者讲几种决策树, 然后讲一下自己过去的一个分类或回归模型的项目.

一是看理论功底; 二看项目, 结合代码.

[janxin]

为什么是机器学习？因为赚钱多吗？

[menc]

@yemenchun1 DL 中使用矩阵形式表示数据纯粹是为了表示方便，实际上思想上还是标量的。

数学比较难的地方，一个是共性的凸优化随机过程这种，本科是不学的。
第二个是具体问题中的偏难的数学问题：比如 LDA 中的狄利克雷分布和 Gibbs 采样，比如广义线性模型的指数分布族，可能研究生的数理统计才会学。

事实上，不是我黑，CNN RNN 这种 deep learning 的东西，没啥可说数学基础的。包括 GAN，公式都是人家脑袋拍出来的。

learning theory 跟不上发展速度了，所以模型解释性都差很多，现在的 ML/DL 偏向实践学科，不再是一个严谨的偏统计和数学的学科了，越来越像 CS 人搞得事情。

传统机器学习模型数学上倒还更重视一些。

[can126]

@janxin 俗

[zhidian]

我们实验室不能写代码的都在搞科研，就是据说数学要很好才能看懂别人论文的那种。而我是搬砖写代码的。

[tyrealgray]

人云亦云的回复好多，试一下不会怎么样，不尝试就说做不到的话，永远是失败者

[changwei]

你可能需要一本 21 天精通高等数学

[snnn]

@yemenchun1 这个绝对是。。