本文為整理作者阿薩姆在知乎「未來 3~5 年內，哪個方向的機器學習人才最緊缺？」問題下的回答，對機器學習有興趣的朋友不妨參考看看。
既然身在業界，那麼我就談談業界未來幾年需要什麼樣的機器學習人才。不談學界主要還是因為大部分人最終不會從事研究，而會在應用領域奮鬥。相較而言，業界對人才的需求更保守，這和學界不同。這受限於很多客觀因素，如硬體運算能力、資料安全、演算法穩定性、人力成本開支等。
這個答案可能更適合兩類人：1. 在校學生。2. 工作不久想轉行的朋友。
特別厲害的技術大腕建議探索適合自己的路線，而我只能談一談適合大部分人的路線。在回答前，我還是忍不住吐槽那種簡單回答 「深度學習」、「大數據」、「NLP」、「機器視覺」的人。以上領域的小方向多如牛毛，以自然語言處理（NLP）為例，細分有自然語言生成、自然語言理解，還有不同語言的語言模型。任一個方向花幾十年研究也不為過，只給幾個字答案和買彩券有什麼差別……
因此大部分機器學習實踐者還是腳踏實地吧。盲目追逐熱點很容易跌進陷阱，而鞏固基礎、尋找自己擅長的領域和機器學習交叉點，可幫助你在就業市場保持炙手可熱，成為業界最想要的人才。
0. 背景
工業界未來需要什麼樣的機器學習人才？老生常談──能將模型用於專業領域的人，也就是跨領域讓機器學習落地的人。有人會問現在不就需要這樣的人嗎？答案是肯定的，我們需要並也長期需要這樣的人才，現階段機器學習落地還有各種各樣的困難。這種需求不是曇花一現，這就跟 web 開發是同樣道理，從火熱到降溫也過了十年。一個領域的發展有特定週期，機器學習的門檻比 web 開發高且正在日出期，所以大家致力於成為「專精特定領域」的機器學習專家不會過時。
什麼是特定領域的機器學習專家？舉個例子，我以前曾回答 「人工智慧會否取代財務工作者」 時提到，我曾在某個公司研究如何用機器學習自動化一部分稽核工作，但遇到的最大困難是我自己對稽核的了解有限，而其他稽核師對我的工作不是非常支援，導致進展緩慢。所以如果你有足夠的機器學習知識，並對特定領域理解良好，職場供需中你肯定站在優勢方。以一個問題「阿薩姆：反欺詐（Fraud Detection）用到的機器學習模型有哪些？」回答為例，特定領域的知識幫助我們更能解釋機器學習模型的結果，得到老闆和用戶的認可，這才可說是演算法落了地。能寫程式碼、構建模型的人千千萬萬個，但理解自己在做什麼，並結合自己的領域知識，提供商業價值的人少之又少。調侃一句，哪個方向的機器學習人才最缺？答：每個領域都需要專精的機器學習人才，你對特定領域的理解就是你的武器。
當然，給雞湯不給湯匙很不厚道，所以我會再給一些具體建議。再次申明，這裡我僅建議以就業為主的朋友，走研究路線有不同建議，本文不再贅述。
1. 基本功
說到底機器學習還是需要一定的專業知識，這可以透過學校學習或自學完成。但有沒有必要通曉數學，擅長最佳化呢？我的看法是不需要，大前提是要了解基本的數學統計知識即可，更多討論可看我在「阿薩姆：如何看待『機器學習不需要數學，很多算法封裝好了，調個包就行』這種說法？」的答案。最低程度我建議掌握五個小方向，對於現在和未來幾年內的業界夠用了。再次重申，我對演算法的看法是大部分人不要造輪子、不要造輪子、不要造輪子！只要理解自己在做什麼，知道選什麼模型，直接呼叫 API 和現成的工具包就好了。
- 回歸模型（Regression）。學校課程其實講更多分類，但事實上回歸才是業界最常見的模型。比如產品定價或預測產品的銷量都需要回歸模型。現階段比較流行的回歸方法是以數為模型的 xgboost，預測效果很好，還可以自動排序變數重要性。傳統的線性回歸（一元和多元）也還會繼續流行下去，因為良好的可解釋性和低運算成本。如何掌握回歸模型？建議閱讀《Introduction to Statistical Learning》的 2-7 章，並看一下 R 裡 xgboost 的 package 介紹。
- 分類模型（Classification）。老生常談，但應該對現在流行並繼續流行下去的模型有深刻了解。舉例，隨機森林（Random Forests）和支援向量機（SVM）都屬於現在業界常用的演算法。可能很多人想不到的是，邏輯回歸（Logistic Regression）這個常見於大街小巷每本教科書的經典老演算法，依然占據業界半壁江山。這個部分建議看李航《統計學習算法》，挑著看相對應的那幾章即可。
- 神經網路（Neural Networks）。我沒有把神經網路歸結到分類算法還是因為現在太紅了，有必要學習了解一下。隨著硬體能力的持續增長和資料集愈豐富，神經網路在中小企業的發揮之處肯定有。三、五年內，這個可能會發生。但有人會問，神經網路內容那麼多，比如架構，比如正則化，比如權重起始化技巧和觸發函數選擇，我們該學到什麼程度呢？我的建議還是抓住經典，掌握基本的三套網路：a. 普通的 ANN。b. 處理影像的 CNN。c. 處理文字和語音的 RNN（LSTM）。對每個基本網路只要了解經典的處理方式即可，具體可參照《深度學習》的 6~10 章和吳恩達的 Deep Learning 網路課程。
- 資料壓縮／可視化（Data Compression & Visualization）。業界常見的就是先可視化資料，比如這兩年很紅的流形學習（manifold learning）就和可視化有很大的關係。業界認為做可視化是磨刀不誤砍柴工，把高維資料壓縮到 2 維或 3 維，可很快看到一些有意思的事，能節省大量時間。學習可視化可以使用現成的工具，如 Qlik Sense 和 Tableau，也可用 Python 的 Sklearn 和 Matplotlib。
- 無監督學習和半監督學習（Unsupervised & Semi-supervised Learning）。業界另一個特點就是大量資料缺失，大部分情況都沒有標籤。以最常見的反詐騙為例，有標籤的資料非常少。所以一般都需要使用大量的無監督或半監督學習，來利用有限的標籤學習。多說一句，強化學習在大部分企業使用基本為 0，估計未來很長一陣子可能都不會有特別廣泛的應用。
基本功的意義是當你面對具體問題時，很清楚可用什麼武器對付。上面介紹的很多工具都有幾十年歷史，依然歷久彌新。所以 3~5 年的跨度來看，這些工具依然非常有用，甚至像 CNN 和 LSTM 之類的深度學習演算法還在繼續發展。無論你還在學校或已工作，掌握這些基本技術，都可以透過自學在幾個月到一兩年內完成。
2. 祕密武器
有了基本功只說明你可以匯出了，怎麼才能使基本功不是屠龍之術？必須結合領域知識。這也是為什麼我一直勸很多朋友不要盲目轉機器學習、從零做起。學生可以多關注自己感興趣的領域，思考如何把機器學習運用在這個領域。比如我對歷史和哲學很感興趣，常在思考機器學習和其他文科間的關聯，也寫過一些開腦洞的文章如《帶你了解機器學習（一）：機器學習中的 「哲學」》。
已有工作／研究經驗的朋友，要試著利用自己的工作經歷。舉例，不要做機器學習裡最擅長投資的人，而要做金融領域中最擅長機器學習的專家，這才是你的價值主張（value proposition）。最重要的是，機器學習的基本功沒有大家想的那麼高不可攀，沒有必要放棄自己的專業全職轉行，沉沒成本太高。透過跨領域完全可做到曲線救國，化劣勢為優勢，你們可能比只懂機器學習的人有更大的產業價值。
舉幾個我身邊的例子。一個朋友是做傳統軟體工程研究，前年他和我商量如何使用機器學習以 GitHub 上的 commit 歷史來辨識 bug，這就是一個結合領域的好知識。如果你本身是金融出身，在你補足基本功同時，就可以把機器學習交叉用於你擅長的領域，做策略研究，我已經聽說無數個「宣稱」使用機器學習實現交易策略的案例。雖不可盡信，但對特定領域的深刻理解往往就是捅破窗戶的最後一層紙，只理解模型但不了解資料和背後的意義，導致很多機器學習模型只停留在好看卻不實用的階段。
換個角度思考，不同領域的人都理解機器學習更能促進技術落地、打破泡沫傳言。對大眾而言，不再擔心自己會失業，還能找到自己的角度，在這個全民深度學習的時代找到「金飯碗」。所以我建議各行各業的從業者，不必盲目轉行到電腦或機器學習，而應該加深對專業的了解，並自學補充上面提到的基本功，自己成為這個領域的機器學習專家。
3. 彈藥補給
沒有什麼不會改變，這個時代的科技更新速度很快。從深度學習開始發力到現在也不過短短十年，所以沒有人知道下一個紅的是什麼。以深度學習為例，這兩年非常紅的對抗生成網路（GAN）、多目標學習（multi-lable learning）、遷移學習（transfer learning）都還在飛速發展。關於深度學習為什麼有良好泛化能力的理論猜想文章，在最新的 NIPS 聽說也收錄了好幾篇。這都說明了沒什麼產業可以靠吃老本瀟灑下去，我們需要追新的熱點。但機器學習的範圍和領域真的很廣，上面所說的都還是有監督的深度學習，無監督的神經網路和深度強化學習也是現在火熱的研究領域。所以我的建議是盡量關注、學習了解已成熟和已有實例的新熱點，不要凡熱點必追。
如果你有這些基本功和良好的領域結合能力，3、5 年絕不是職業的瓶頸期，甚至十年都還太早。科技時代雖然給我們很大的壓力，但也帶給我們無限可能。技術總會過時，熱點總會過去，但不會過去的是不斷追求新科技的熱情，和對自己的挑戰。
歡迎加入機器學習的世界！
（本文由 雷鋒網 授權轉載；首圖來源：shutterstock）