1樓：jRONI
所謂CS主要是三撥人在玩，做計算理論的，做系統的，做智慧型的。
做計算理論接受的教育主要是代數，做系統的也更多是代數。基本上，如果一直研究這些領域，微積分可能一輩子都用不到了。
做智慧型的多半做的是統計相關的，統計模式識別，有監督的學習，這樣需要幾何，有了幾何就需要數學分析，然而結果又沒有確定性，更沒有嚴密邏輯支援。
教育背景的差別產生了歧視。
大部分有優越感的程式設計師在這三撥都粘不上邊，可以直接忽略
2樓：
一大堆資料怎麼挖都會有結果好不好。可是計算機和數學需要理論證明啊，收斂性你要證明吧？魯棒性你要驗證吧？同行間還要比較吧？
最後你們是拿去賣錢的，計算機和數學的同志們就賺兩本雜誌，有些還要自己掏版面費…
能不黑麼？
3樓：
可能是有些東西的確沒有正規的理論吧，但跑出來就是能work。
另...感覺周圍黑寫「增刪改查」、做MIS的比Macine Learning 更多呀~
4樓：「已登出」
因為現有機器學習的成果是你女朋友在你電腦上買過一次衛生巾，從此以後你電腦上的廣告都是推薦衛生巾，甚至偶爾同事的電腦也在推薦衛生巾。
5樓：Shisoft
不光是學 CS 的喜歡黑機器學習，物理和數學的也特別喜歡黑。尤其是人工神經元的分支，因為大部分時候模型用對結果就這麼出來了，你都不用 reasoning。現在 tensorflow 這類框架出現後訓練乙個手寫數字識別的模型猶如搭積木一般，導致各種並不了解背後工作原理的人都能做乙個像模像樣的 demo.
而實際要工程應用，基本還是要把坑都踩一遍的，繞不開數學和 CS。
6樓：
不接受ML的人中確實有一部分人這麼黑ML，尤其是CS背景的，我以前認識的院長的博士（做體系結構的）也是這樣麼認為的，他總是覺得不是100%正確的結果難以接受，不靠譜。
我感覺他們沒有理解統計，目前ML主要還是以統計為基礎的，不接受統計的人，自然不太願意接受ML。
7樓：SimonS
如果說 CS 專業學生還認為程式就是用來完成 1+1=2 工作的，那麼自然就無法認可 Machine Learning 的所作所為。
舉個簡單的例子，就好比當經典物理遇到「第二朵烏雲」——黑體輻射時，人們無法從經典物理去解釋，於是物理界出現了「紫外災難」。再然後，量子力學的誕生使我們發現更大的世界，然而在這個新世界中，一切都是不確定的，譬如薛丁格的貓是死還是活、雙縫干涉中電子究竟穿過哪條縫…… 你說，要不要燒死量子力學這個不按套路出牌的異教徒？
Machine Learning 將會是我們生活的這個時代中發現更大世界的最有力工具。如果你站出來點名道姓地說 Machine Learning 無用論，就好比是舉著雙手看著布魯諾因支援日心說而被釘在十字架上活活燒死的人。
這個宇宙的本質，本來就是玄學，因為上帝在擲骰子。
8樓：
還有乙個原因是因為ml被捧的太神了，但是生產中又不好落地。比如可疑使用者識別吧，從測試資料來看，精確度已經能到90%了，但實際中總有那麼一些正常使用者行為模式太不正常了，把他們分到可疑使用者處理了，他們一申訴，就會給人感覺這分類太不靠譜了，怎麼分錯這麼多。
再說自己感覺到的，在學ml的時候大多用的是準備好的資料集，所以演算法搞明白了一跑結果都很漂亮。但是真的工作了想用，發現整數據搞特徵就是在做試驗啊，一輪一輪的嘗試…遠沒有搞個能得到確定結果的演算法，然後噼里啪啦寫出來就能用的快感。
所以現在老會覺得機器會學個鬼啊，還不如我自己學了告訴機器靠譜 …
9樓：馬澤鋒
平心而論，ml還是有價值的，至少在解決nlp/cv方面的問題上體現了它的價值。只不過被一些只懂皮毛的人整天掛在嘴邊，把這個方向搞臭了。
10樓：意廣才疏
我不同意「純CS背景的人適應不了不確定性」的說法。隨機和不確定性無論作為研究物件還是作為工具，在複雜性理論、密碼學等「位於鄙視鏈頂端」的領域裡都扮演著重要角色，更不用說量子計算這種整個建立在不確定性基礎上的方向了。
現有答案裡，@Richardkwo 的答案比較接近我的認知。再說得透一點，評價乙個人研究工作的高度一般是兩個方面：1.
研究的問題是否重要，結果是否足夠好。2. 工作在技術上是否有難度，是否具有智力上的挑戰性。
這兩方面都過硬的工作，大家就認帳；反之，則大家都鄙視。那麼具體到機器學習這個領域，正如 @Richardkwo 所說，這個領域裡濫用現成方法隨便找乙個問題往上簡單一套的外行特別多，研究的問題雞毛蒜皮，工作本身毫無技術含量，甚至就是拿現成的工具跑一遍資料然後隨口胡扯一堆分析 —— 於是機器學習的名聲就這麼被拖累了。
11樓：
正統CS教育的人都有一點機械論的心理存在
有1 有2 有3 那麼結果必須是他媽的4！
所以碼農最崩潰的就是BUG每次結果都不同，這不科學！BUG也得每次執行結果都一樣！
ML是個什麼狀態呢，我們知道它有用，但他媽大部分情況下我們都不知道為什麼有用。
這是任何碼農心理上都接受不了的。心理上能接受的不是碼農群體，是混進來的渣滓。
當然了，為了吃飯我們還是會用的，這是兩回事。
12樓：
ML只配稱作計算機應用，
System、Architecture、Compiler、Computer Language相關的才叫Computer Science.
13樓：代宣神諭之人
面對科學難題的時候，現階段的人類是一群不知所措等待掛科的學渣。這時候Machine Learning和Big Data出現了，就像新東方之於GRE，告訴學渣們，根據以往的真題，不用管為什麼，我也不知道，但是選項裡出現Every的都是錯誤選項。一小批深得此法的學渣取得了旁人暫時無法取得的好成績。
ML也因此深得人心，逐步繁榮於各個領域。
via人人-路鷺
這大概就是為什麼CS專業的喜歡黑ML了，大概是因為他本質上沒有提取出證據集中的定律，只是找到了小規模的規律。
14樓：
從技能難度來說鄙視鏈的雙方是交換過來的很多ml的對cs的都有一種觀點程式設計我也會但是數學你會嗎你會嗎
就是這樣
15樓：野合菌
您別說，machine learning核心思想還就是和星座中醫有幾分相似。
在現在如果有人願意去做，machine learning完全有能力取代中醫。
我毫無貶義。
為什麼要讀電腦科學與技術專業？
負四 知乎首答，希望大家多支援 高考拿到了不錯的分數，所以擺在面前的選擇很多。父親的意願是讓我選擇上海交通大學醫學院，或是其他一些醫學比較出眾又不至於浪費分數的學校，不選擇學醫的話也盡量選離海南近一點的學校 沒錯就是中山大學 作為乙個死讀書12年的學生，我最喜歡的事情還是打英雄聯盟了 開玩笑我可是高...
電腦科學與技術專業，逐漸發現對計算機程式設計提不起興趣，每天也在認真上課，但感覺啥也沒學到，怎麼辦
Zuuu 聽你的描述感覺你是太焦慮了，焦慮會導致難以集中注意力，最終導致思維水平下降。睡飽覺，放鬆一點。計算機專業當下非常熱門，畢竟來錢快，人才自然往這個領域聚集了，競爭壓力大。簡單判斷自己在這行的前景怎樣，可以看看演算法和資料結構學怎麼樣，數學學怎麼樣，如果感覺沒什麼壓力，後面還是有發展潛力。如果...
本人現在電腦科學與技術專業的大二學生，喜歡vr 動漫和設計，不知道未來該選什麼樣的工作，很迷茫？
picooc 我是和你同屆的舞蹈生，我喜歡vr，所以我在大一做足功課後選擇最容易入門的unity，但學精很困難，一入xx深似海，這輩子算是填不滿這個坑了。至於選什麼工作和每個職位需要什麼技能，自己下個Boss直聘或者拉鉤看看職位需求什麼你就學什麼 盡快確定個方向研究，想做vr遊戲還是想做VR軟體，又...