问：
职业专家在机器学习中脱颖而出的一些基本方式是什么？
A：机器学习的成功通常需要技能和经验的结合。 详细介绍其中一些原则和技能集有助于个人更好地了解公司在聘用机器学习专业人员时正在寻找的东西。
从最基本的意义上讲，您可以说机器学习的成功通常取决于三重原则：编程，数学和洞察力。 这三件事在本质上是不同的，但是它们在培养作为机器学习专家的职业方面都发挥着作用。
从编程的角度来看，了解Python和R之类的语言变得非常有用，但是从COBOL，Perl和Ruby on Rails等语言中获得的交叉技能也可能具有一定的价值。 部分原因是由于编程的基本性质–您正在将操作和值路由到需要的地方。 然后还有一些利用遗留代码的机器学习项目。
第二个基本原理是数学。 具有高级数学技能或敏锐度的人通常在机器学习世界中获得更多的成功。 当他们查看神经网络或其他模型时，他们能够分解得出网络输出的数学方程式。 人们经常说神经网络甚至对技术人员来说都是“黑匣子”-但是，如果您精通数学，则可以开始对程序的工作有了更好的了解。
这引出了第三个原则，即洞察力。 了解概率统计确实有助于机器学习的成功。 这是因为在机器学习中，项目正从纯粹的确定性或线性编程区域转移到新的概率区域。 对概率更精明的个人可以查看加权输入并更好地预测结果可能是什么。 但是，换句话说，对机器学习有直觉的人会理解如何将其应用限制在有意义的事情上。
当今机器学习的五个最大陷阱之一是机器学习在企业应用程序中的泛滥和不加区别的应用。 在很多情况下，机器学习都不是一个好的解决方案–无论是由于系统复杂性，过拟合，前面提到的黑匣子问题还是其他原因。 机器学习领域中一些最有价值的专业人员将是那些知道如何很好地选择项目-如何策划机器学习应用程序-以及如何以熟练的顾问的身份接受购买和程序的人。
