本文为整理作者阿萨姆在知乎“未来 3~5 年内，哪个方向的机器学习人才最紧缺？”问题下的回答，对机器学习有兴趣的朋友不妨参考看看。
既然身在业界，那么我就谈谈业界未来几年需要什么样的机器学习人才。不谈学界主要还是因为大部分人最终不会从事研究，而会在应用领域奋斗。相较而言，业界对人才的需求更保守，这和学界不同。这受限于很多客观因素，如硬件运算能力、资料安全、算法稳定性、人力成本开支等。
这个答案可能更适合两类人：1. 在校学生。2. 工作不久想转行的朋友。
特别厉害的技术大腕建议探索适合自己的路线，而我只能谈一谈适合大部分人的路线。在回答前，我还是忍不住吐槽那种简单回答 “深度学习”、“大数据”、“NLP”、“机器视觉”的人。以上领域的小方向多如牛毛，以自然语言处理（NLP）为例，细分有自然语言生成、自然语言理解，还有不同语言的语言模型。任一个方向花几十年研究也不为过，只给几个字答案和买彩券有什么差别……
因此大部分机器学习实践者还是脚踏实地吧。盲目追逐热点很容易跌进陷阱，而巩固基础、寻找自己擅长的领域和机器学习交叉点，可帮助你在就业市场保持炙手可热，成为业界最想要的人才。
0. 背景
工业界未来需要什么样的机器学习人才？老生常谈──能将模型用于专业领域的人，也就是跨领域让机器学习落地的人。有人会问现在不就需要这样的人吗？答案是肯定的，我们需要并也长期需要这样的人才，现阶段机器学习落地还有各种各样的困难。这种需求不是昙花一现，这就跟 web 开发是同样道理，从火热到降温也过了十年。一个领域的发展有特定周期，机器学习的门槛比 web 开发高且正在日出期，所以大家致力于成为“专精特定领域”的机器学习专家不会过时。
什么是特定领域的机器学习专家？举个例子，我以前曾回答 “人工智能会否取代财务工作者” 时提到，我曾在某个公司研究如何用机器学习自动化一部分稽核工作，但遇到的最大困难是我自己对稽核的了解有限，而其他稽核师对我的工作不是非常支援，导致进展缓慢。所以如果你有足够的机器学习知识，并对特定领域理解良好，职场供需中你肯定站在优势方。以一个问题“阿萨姆：反欺诈（Fraud Detection）用到的机器学习模型有哪些？”回答为例，特定领域的知识帮助我们更能解释机器学习模型的结果，得到老板和用户的认可，这才可说是算法落了地。能写程式码、构建模型的人千千万万个，但理解自己在做什么，并结合自己的领域知识，提供商业价值的人少之又少。调侃一句，哪个方向的机器学习人才最缺？答：每个领域都需要专精的机器学习人才，你对特定领域的理解就是你的武器。
当然，给鸡汤不给汤匙很不厚道，所以我会再给一些具体建议。再次申明，这里我仅建议以就业为主的朋友，走研究路线有不同建议，本文不再赘述。
1. 基本功
说到底机器学习还是需要一定的专业知识，这可以透过学校学习或自学完成。但有没有必要通晓数学，擅长最佳化呢？我的看法是不需要，大前提是要了解基本的数学统计知识即可，更多讨论可看我在“阿萨姆：如何看待‘机器学习不需要数学，很多算法封装好了，调个包就行’这种说法？”的答案。最低程度我建议掌握五个小方向，对于现在和未来几年内的业界够用了。再次重申，我对算法的看法是大部分人不要造轮子、不要造轮子、不要造轮子！只要理解自己在做什么，知道选什么模型，直接呼叫 API 和现成的工具包就好了。
- 回归模型（Regression）。学校课程其实讲更多分类，但事实上回归才是业界最常见的模型。比如产品定价或预测产品的销量都需要回归模型。现阶段比较流行的回归方法是以数为模型的 xgboost，预测效果很好，还可以自动排序变数重要性。传统的线性回归（一元和多元）也还会继续流行下去，因为良好的可解释性和低运算成本。如何掌握回归模型？建议阅读《Introduction to Statistical Learning》的 2-7 章，并看一下 R 里 xgboost 的 package 介绍。
- 分类模型（Classification）。老生常谈，但应该对现在流行并继续流行下去的模型有深刻了解。举例，随机森林（Random Forests）和支援向量机（SVM）都属于现在业界常用的算法。可能很多人想不到的是，逻辑回归（Logistic Regression）这个常见于大街小巷每本教科书的经典老算法，依然占据业界半壁江山。这个部分建议看李航《统计学习算法》，挑着看相对应的那几章即可。
- 神经网络（Neural Networks）。我没有把神经网络归结到分类算法还是因为现在太红了，有必要学习了解一下。随着硬件能力的持续增长和资料集愈丰富，神经网络在中小企业的发挥之处肯定有。三、五年内，这个可能会发生。但有人会问，神经网络内容那么多，比如架构，比如正则化，比如权重起始化技巧和触发函数选择，我们该学到什么程度呢？我的建议还是抓住经典，掌握基本的三套网络：a. 普通的 ANN。b. 处理影像的 CNN。c. 处理文字和语音的 RNN（LSTM）。对每个基本网络只要了解经典的处理方式即可，具体可参照《深度学习》的 6~10 章和吴恩达的 Deep Learning 网络课程。
- 资料压缩／可视化（Data Compression & Visualization）。业界常见的就是先可视化资料，比如这两年很红的流形学习（manifold learning）就和可视化有很大的关系。业界认为做可视化是磨刀不误砍柴工，把高维资料压缩到 2 维或 3 维，可很快看到一些有意思的事，能节省大量时间。学习可视化可以使用现成的工具，如 Qlik Sense 和 Tableau，也可用 Python 的 Sklearn 和 Matplotlib。
- 无监督学习和半监督学习（Unsupervised & Semi-supervised Learning）。业界另一个特点就是大量资料缺失，大部分情况都没有标签。以最常见的反诈骗为例，有标签的资料非常少。所以一般都需要使用大量的无监督或半监督学习，来利用有限的标签学习。多说一句，强化学习在大部分企业使用基本为 0，估计未来很长一阵子可能都不会有特别广泛的应用。
基本功的意义是当你面对具体问题时，很清楚可用什么武器对付。上面介绍的很多工具都有几十年历史，依然历久弥新。所以 3~5 年的跨度来看，这些工具依然非常有用，甚至像 CNN 和 LSTM 之类的深度学习算法还在继续发展。无论你还在学校或已工作，掌握这些基本技术，都可以透过自学在几个月到一两年内完成。
2. 秘密武器
有了基本功只说明你可以汇出了，怎么才能使基本功不是屠龙之术？必须结合领域知识。这也是为什么我一直劝很多朋友不要盲目转机器学习、从零做起。学生可以多关注自己感兴趣的领域，思考如何把机器学习运用在这个领域。比如我对历史和哲学很感兴趣，常在思考机器学习和其他文科间的关联，也写过一些开脑洞的文章如《带你了解机器学习（一）：机器学习中的 “哲学”》。
已有工作／研究经验的朋友，要试着利用自己的工作经历。举例，不要做机器学习里最擅长投资的人，而要做金融领域中最擅长机器学习的专家，这才是你的价值主张（value proposition）。最重要的是，机器学习的基本功没有大家想的那么高不可攀，没有必要放弃自己的专业全职转行，沉没成本太高。透过跨领域完全可做到曲线救国，化劣势为优势，你们可能比只懂机器学习的人有更大的产业价值。
举几个我身边的例子。一个朋友是做传统软件工程研究，前年他和我商量如何使用机器学习以 GitHub 上的 commit 历史来辨识 bug，这就是一个结合领域的好知识。如果你本身是金融出身，在你补足基本功同时，就可以把机器学习交叉用于你擅长的领域，做策略研究，我已经听说无数个“宣称”使用机器学习实现交易策略的案例。虽不可尽信，但对特定领域的深刻理解往往就是捅破窗户的最后一层纸，只理解模型但不了解资料和背后的意义，导致很多机器学习模型只停留在好看却不实用的阶段。
换个角度思考，不同领域的人都理解机器学习更能促进技术落地、打破泡沫传言。对大众而言，不再担心自己会失业，还能找到自己的角度，在这个全民深度学习的时代找到“金饭碗”。所以我建议各行各业的从业者，不必盲目转行到电脑或机器学习，而应该加深对专业的了解，并自学补充上面提到的基本功，自己成为这个领域的机器学习专家。
3. 弹药补给
没有什么不会改变，这个时代的科技更新速度很快。从深度学习开始发力到现在也不过短短十年，所以没有人知道下一个红的是什么。以深度学习为例，这两年非常红的对抗生成网络（GAN）、多目标学习（multi-lable learning）、迁移学习（transfer learning）都还在飞速发展。关于深度学习为什么有良好泛化能力的理论猜想文章，在最新的 NIPS 听说也收录了好几篇。这都说明了没什么产业可以靠吃老本潇洒下去，我们需要追新的热点。但机器学习的范围和领域真的很广，上面所说的都还是有监督的深度学习，无监督的神经网络和深度强化学习也是现在火热的研究领域。所以我的建议是尽量关注、学习了解已成熟和已有实例的新热点，不要凡热点必追。
如果你有这些基本功和良好的领域结合能力，3、5 年绝不是职业的瓶颈期，甚至十年都还太早。科技时代虽然给我们很大的压力，但也带给我们无限可能。技术总会过时，热点总会过去，但不会过去的是不断追求新科技的热情，和对自己的挑战。
欢迎加入机器学习的世界！
（本文由 雷锋网 授权转载；首图来源：shutterstock）
