雷鋒網(wǎng) AI 科技評論按：免費、開放，是機器學(xué)習(xí)領(lǐng)域內(nèi)的知識和工具的一大特點。這種特點不僅便于許多從未接觸過機器學(xué)習(xí)的人加入到這一領(lǐng)域參與工作和科研，同時也大大加速了領(lǐng)域自身的交流和進步。

不過也有一些人的心態(tài)比較保守。社交 App「meetup」的機器學(xué)習(xí)東京團隊負責(zé)人 Suzana Ili? 就表示自己遇到了這樣一個人，聲稱自己不會雇傭機器學(xué)習(xí)技能來自在線課程學(xué)習(xí)的求職者。這相當于拒絕了大批半路出家加入到機器學(xué)習(xí)領(lǐng)域的人。

Suzana Ili? 在推特上發(fā)帖說了這件事，希望大家都參與討論，說說各自的觀點。雷鋒網(wǎng) AI 科技評論覺得這個討論很有趣，下面我們摘錄展示一些討論。

Suzana Ili? 首先說了自己的想法?！肝矣X得我們應(yīng)該關(guān)注問題本身，而不是針對特定的人。我們現(xiàn)在看到的所有和機器學(xué)習(xí)相關(guān)的職位簡介都會需要一定的技術(shù)背景，很多情況下就體現(xiàn)為博士學(xué)位要求（這甚至還只是對工程人員的要求，而不是科研人員）。如果沒有合適的學(xué)歷，求職的人可能連簡歷篩選那一關(guān)都過不了。但其實我自己就是非理工科出身的，而且也在使用機器學(xué)習(xí)，對我來說有在線學(xué)習(xí)的機會簡直是最棒的事情了，我有充足的機會構(gòu)建自己的想法、和別人合作、做實驗、失敗但是從失敗中學(xué)習(xí)，而且不害怕、不感到焦慮。所以我會愿意招沒有對應(yīng)學(xué)歷的人做機器學(xué)習(xí)嗎？當然愿意了！」

Keras作者、谷歌大腦高級研究員 Fran?ois Chollet 評論說：「這種觀點很過時，而且很精英主義。教育不分在線和離線，也不分正式和非正式。最優(yōu)秀的那些人有 90% 的知識都來自自學(xué)，而不在于他們有沒有在斯坦福念過書。計算機科學(xué)領(lǐng)域的學(xué)歷切切實實增加價值也越來越不明顯?！?/p>

網(wǎng)友 Jason Antic 說：「我自己就參與招聘過一些工程師，我的感受是，學(xué)校教育和工作表現(xiàn)之間的關(guān)系并不像我們一般期待的那樣。所以我都是根據(jù)他們實際上提交的代碼質(zhì)量來評價?！?/p>

谷歌 AI 研究員 Hector Yee 評論道：「說到這兒，我也從來沒有參加過任何線上線下的機器學(xué)習(xí)課程，除了在天文課上學(xué)過一次如何檢測脈沖星。我在做機器學(xué)習(xí)圖像搜索系統(tǒng)和自動駕駛系統(tǒng)的時候?qū)W習(xí)了機器學(xué)習(xí)，我開發(fā)的推薦系統(tǒng)還得過一個技術(shù)獎，但我就是從來都沒有上過任何機器學(xué)習(xí)課程?！?/p>

網(wǎng)友 Nicholas Guttenberg 說：「如果他們能夠拿出一個項目，其中展示了自己能夠獨立為一個新問題（比如超出課程作業(yè)的范圍，不論在線課程還是學(xué)校學(xué)習(xí)）設(shè)計好的解決方案，那我也就并不會關(guān)心他們的教育背景如何了?！惯@個觀點也得到了 Suzana Ili? 的贊同。

也有網(wǎng)友表示支持教育背景的要求。

比如 Rubens Zimbres 表示：「我覺得在線課程的教學(xué)內(nèi)容并不夠好，比較表面化。數(shù)據(jù)科學(xué)家們需要良好的理論基礎(chǔ)，這意味著他們需要讀大量書籍，以及做許多 MNIST、IRIS、貓狗識別之外的實際項目，還需要考慮如何給現(xiàn)有的解決方案繼續(xù)增加更多的價值。你們用在線課程學(xué)機器學(xué)習(xí)的，誰能解釋清楚 SVM 里面的拉格朗日乘數(shù)是什么意思？」

Aditya Kaushik 評論：「我覺得這挺公平的，機器學(xué)習(xí)是數(shù)學(xué)與統(tǒng)計的一個分支，這相關(guān)的知識技能最好的學(xué)習(xí)和訓(xùn)練環(huán)境就是在大學(xué)。大多數(shù)機器學(xué)習(xí)/AI 的在線課程都是入門級別的，在這樣的課程里他們根本沒辦法顧及到這些更深入更重要的知識?！?/p>

Dominic Monn 留言：「我覺得 HR 總是需要某種能力證明的，這種證明的表現(xiàn)形式可以是一個高等教育文憑，可以是好看的代碼庫，也可以是復(fù)雜項目的開發(fā)經(jīng)驗。我自己就沒有這樣的高校文憑，我覺得學(xué)一個短期的在線課程顯然是無法取代文憑的價值的。但是對于真正想做機器學(xué)習(xí)的人來講，學(xué)在線課程起碼是補齊這全部三個方面的開始?！?/p>

而對于身在其中的人，他們更想討論清楚真正的區(qū)別在哪里。

親身經(jīng)歷者 Dylan Djian 留言：「我自己的機器學(xué)習(xí)/數(shù)學(xué)知識是 100% 自學(xué)的，我自己就遇到過這樣的困境（科研崗位以及應(yīng)用研發(fā)），即便我有很強的動力和扎實的應(yīng)用技能，我也還是沒能拿到那個實習(xí)崗位。我覺得其中的距離是對書本知識的掌握程度，而不是我寫代碼寫得如何?！?/p>

Sijun He 也說了自己的感受：「在線課程目前還是無法做到學(xué)校課程一樣的嚴謹和深入。比如我自己就親身在斯坦福大學(xué)的教室里上過吳恩達的機器學(xué)習(xí)課程，也在 Coursera 上學(xué)了他的課程，兩者間的區(qū)別非常大。對于在線課程來說，為了讓普通大眾也能學(xué)得下去，大多數(shù)講數(shù)學(xué)的內(nèi)容都被去掉了，課程的重點也不再是知識本身，而是直覺式的感受。不過話說回來，在求職終面里面需要考慮的不應(yīng)該是求職者的學(xué)歷如何，而應(yīng)該是他實際的工作表現(xiàn)?！?/p>

網(wǎng)友 Derek 說：「我覺得要看應(yīng)聘的角色。如果要招機器學(xué)習(xí)的研究科學(xué)家，那博士學(xué)歷可能是必需的。但是對于數(shù)據(jù)工程師、數(shù)據(jù)分析師和程序員，在線學(xué)習(xí)課程對于這樣偏重實踐的崗位來說簡直再適合不過了。這個領(lǐng)域一直在快速發(fā)展，我們需要所有人的力量！」

谷歌 AI 研究員 David Ha 進一步拓展了這個想法：對于篩選機器學(xué)習(xí)研究人員，也許我們還可以嘗試走另一個極端，那就是完全放棄學(xué)校、頭銜、學(xué)歷這些條件，然后完全根據(jù)他的 H-index 和作為第一作者的頂會論文數(shù)量判斷他的水平。不過同時也要注意，當科研領(lǐng)域過于強調(diào) H-index 和引用數(shù)量這樣的指標的時候，也會有一些投機取巧的事情發(fā)生。

機器學(xué)習(xí)專家 Hamel Husain 評論：「有很多人的態(tài)度是，『要成為某個領(lǐng)域的大拿，你必須要經(jīng)過和我自己一樣的學(xué)習(xí)歷程，或者有類似的背景才能得到我的認可』，其實他們說這樣的話的出發(fā)點是深深的不安。實際上，這種（不正確的）信念對領(lǐng)域的多樣化一點都沒有好處，最終也會傷害到這個領(lǐng)域。」

你的觀點如何？一起來談?wù)劊?/p>

討論原帖見 https://twitter.com/suzatweet/status/1078446189593321472，雷鋒網(wǎng) AI 科技評論摘錄編譯

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。