別嚷嚷要學機器學習了，搞不好就破產。

來自專欄數據應用學院4 人贊了文章

我想給你說個秘密：

當人們談起機器學習時，聽起來感覺好像只是一門學科。其實，這是計算機科學和統計學兩個科目的結合。如果企業不了解其中的差異，他們可能會遇到不少的麻煩。

1.關於機器學習的故事

想像一下，你聘請一位大廚來給你打造一個烤箱，或者僱用工程師來烤麵包。同樣地，在機器學習的領域，這是不同企業一直重複犯的錯誤。

如果你想要經營一家麵包店，那麼聘請一位有經驗的麵包師傅很重要。他能準確地分辨出不同麵包和糕點的細微差別。同時，你或許也需要一個烤箱。雖然這烤箱是一個重要的工具，但我敢打賭，你不會期望頂級糕點廚師會知道如何製造烤箱。既然如此，為什麼你們公司在機器學習上要抱有同樣期盼呢？

你是做麵包的？還是製作烤箱的？

這些是不同的業務！ 不幸的是，太多的機器學習項目失敗了，因為他們不知道是應該「製作烤箱，還是調試配方或是製作麵包」。

2.機器學習研究

可是，並沒有人告訴你，所有這些機器學習課程和教科書都是關於如何從零開始製造烤箱（以及微波爐，攪拌機，烤麵包機，水壺......廚房水槽！），而不是告知你如何烹飪，給你創新配方的。

如果你想要創建一個演算法，那麼你的注重點一定是通用工具。（廚房用具，如果您更喜歡這種類比。）這項業務稱為機器學習研究 ，學術界和谷歌等都做過相關研究。

你需要接受很多教育才能完成這項工作，因為這其中涉及悠久的歷史，一些流行的演算法已經存在了幾個世紀。 例如，回歸的最小二乘法發表於1805年 。 相信我，在這200年里，人類走過了漫長的道路。

如今，我們還發明了一些非常精密的電器......如果你不知道這個電器是如何工作的，你怎麼能建造一個更好的微波爐？ 當然，你需要完全沉浸式學習！ 成為一名研究人員需要數年時間，而從微積分的基礎開始是一個不錯的方向。

3.機器學習應用

現實是，大多數企業只是想通過「做飯」來解決他們的業務問題。 他們沒有興趣銷售微波爐，但往往犯了試圖從頭開始構建這些設備的錯誤。 不過，這並不能怪他們 -－當今的趨勢主要集中在研究上而不是應用上。

如果你想在食譜上進行創新，請不要嘗試重新發明微波爐。微波爐的存在已被廣泛證實，而你也可以輕易地使用它們。 如果建立自己的機器學習廚房聽起來像家務活，谷歌雲平台等供應商可以讓你使用它們來製作電器 ， 配料和食譜。

對於大多數應用來說，你的團隊並不需要懂得神經網路中反向傳播的數學演算法，像主廚並不需要懂得微波爐的電路圖一樣。可是，如果你計劃經營一個工業規模的廚房，那麼，你需要知道的東西就更多了，從挑選食材到檢查菜肴成品是否符合之前的規定都需要了解一遍。

4.機器學習崩潰和燃燒

不幸的是，現在的許多企業未能從機器學習中獲得有價值的東西，因為他們還沒有意識到應用和演算法研究是兩個截然不同的學科。 然而， 領導者試圖通過僱用那些一直在製造微波爐部件但對做飯一竅不通的人來打理他們的廚房。 為什麼不可以這樣做？ 如果你堅持這樣，那可能是你很幸運地僱用了一位精通廚藝的工程師。

然而，通常你並沒有那麼幸運。 一生中的時間有限，如果你讓他們把時間放在學習如何連接微波爐電路板，那他們在學習糕點或商業藝術上的時間就會少很多。 你培訓出來的人工智慧博士是否已獲得應用機器學習所需的技能了？ 如果你覺得他應該同時精通兩者，那麼就不怪你會經常抱怨人才短缺！

如果你僱用那些一直在製造微波爐零件而對做飯一竅不通的人來開餐館......會有什麼問題嗎？

所以，你應該僱傭誰呢？這就像在工業廚房中一樣，你需要一個具有領導能力的跨學科團隊來理解和掌握這個領域。 否則，你的項目永遠不會成功。

5.僱用合適的團隊來完成工作

如果你正在銷售尖端設備，請聘請研究人員。 如果你計劃改進食譜來大規模銷售食品，你需要找出做飯的人。你的目標是什麼（決策者和產品經理）;了解供應商和客戶的人（領域專家和社會科學家）;能夠處理大規模數據的人（ 數據工程師和分析師）;能夠在短時間內裝置組合以產生潛在解決方案的人（應用機器學習工程師）;可以檢查解決方案是否最合適的人（統計學家）;將潛在解決方案轉化為多種有效服務的人（ 軟體工程師）;保持跨學科團隊走在正軌上的人（項目/項目經理）;以及確保你的最終結果質量的人，比如說送貨卡車給你送來的是土豆，而不是大米（可靠性工程師）。

以上提到的雖然不一定是以個人為單位，但清楚地列出了每個角色的作用。 在你把腐爛的西紅柿扔給我之前，我會坦然承認，對於應用機器學習的招聘還有很多話要說。 我把它外包給其他帖子，包括這個帖子。

說到外包，如果你的團隊已經嘗試了所有現有工具還無法制定解決方案，那麼，考慮提升研究人員的技能是有必要的。 你要選擇僱用一位全職員工，還是將工作外包給經驗豐富的演算法研究公司，都取決於你公司的運營規模和成熟度。

6. 決策智能

專家不是應該談論決策智能嗎？但很遺憾他們不是。 他們沒有意識到機器學習是兩個學科，所以當今世界大家都忙於構建所有這些演算法而不是合理地使用它們。

我們的團隊正在努力解決這個問題。 我們已經創建了一個涵蓋應用方面的新學科並已經培訓過超過15,000名員工。 我們稱之為決策智能工程 ，它涵蓋了機器學習和數據科學所有應用。換句話說，如果研究機器學習是在構建微波爐，而應用機器學習是在使用微波，那麼決策智能工程的工作就是安全地使用微波來完成任務，並且在你不需要微波爐的時侯用其他工具代替。

祝好運，玩得開心！

在應用機器學習方面，最困難的部分是要了解你想要做什麼，以及該如何跟客戶解釋。 然而，實際上它並沒有那麼難 ，只要你不要忘了這件事 。