※ 引述《popo14777 (草草)》之銘言：
: 以前碩士有做過機器學習，用的語言是Matlab(LIBSVM)、Python(scikit-learn)
: 都是用監督式學習來做預測(y's=實數)，
: 演算法大多都用SVR、隨機森林、迴歸樹、整體式學習等
這讓我想到
我之前問我在大鬼島的上司，他在機器學習領域工作了很長一段時間
我問我想從大數據轉機器學習這條路有沒有什麼辦法
他勸我死心，那些大廠已經把機器學習的產品包的太好了你阿罵都會用
除非真的進入那些領航的大廠
否則當SE起碼還有飯吃，現在跟風投入機器學習領域幾年後就會沒飯吃了
諸如此類
我不是這方面的行家也沒辦法說啥
有沒有神人出來說說看法

老實說，我同意他的看法

大鬼島?

我覺得ML和AI在市場上已經被炒作得太過火了遲早有天會走上.com的老路，大爆炸重整只是到時候市場上會留下來的是哪家現在還是個問號極有可能還是G社就是了

這個邏輯好像套用到任何領域也都通..結論 鬼島死路一條?

悲觀一點來說，是死路一條沒錯啊也不想想看那幾家世界級的大廠在這領域已經投入幾千個博士花了幾年的時間和幾億的研發經費下去搞

我是領域內的人，我贊同他講的

現在才想切入去做早就已經太慢了台灣的產業問題一直都是這樣——跟風這種企業與政府文化不改，死路一條有啥好意外的這年代的科技業要成功，就是要當議題的主導者台灣在這方面真的是非常弱當人家已經在思考下個世代的產業與議題時台灣是才剛要跟風這個世代當紅的東西

想跟風又不想花錢 這個領域人才就是一切 然後又想盡辦法打壓勞工，花兩悠買設備不手軟，加兩千薪水就唉唉叫

目前狀況就是這樣....除非做的東西很新

說要能研發出三小我是不信啦

同意啊，就哪個老闆會想請你去重寫裡面的數學模型...現有的都是一堆強者寫出來的，你能應用的很漂亮才是重點了

我工作上有碰到一點點ML 同意大鬼島上司講的

你老闆是對的 美國也是這樣 除了少數幾家願意養研究員現在DS有慢慢往OR靠的趨勢 公司內部internal consulting不是除搞ML 一般人現在搞這個是死路一條

我覺得現在一堆人把kernel講得太神，好像不會數學去寫就會沒有未來，其實反而是調整或者研發數學模型的工作難找啊

...包的好是不用自造輪子，為什麼這樣就沒得發展？你只需要輪子就能當車開嗎

這個領域跟風感覺能吃的很少，連湯都沒得喝到最後又變成單純的養人給老外用

LAMP非常成熟了 所以大家來做WEB已經沒前途了???重點是你要怎麼把KERNEL用在不同的產業DATA上 改進產能開發出原本做不到的附加價值 應用KERNEL創造新的商機不是嗎?那又何必去想做不出新的LAMP(KERNEL)這件事呢?目前各個產業經過WEB CLOUD的後的轉型或多或少都有DATA怎麼去用這些AI KERNEL開發出新的自動化價值 就有新的需求新的工程師職缺出來 這不就是新領域的未來嗎?

SVM的kernel應該是指投射到特徵空間?

大致上是指投射到超平面沒錯，有RBF、poly等等，更高維度有可能將 data 分開