1樓：Dr.Jack
個人認為完全沒有飽和，機器學習領域急缺高素質人才。 所有的高科技公司都在用高額薪水搶奪機器學習人才，在矽谷乙個機器學習領域的應屆畢業生可以拿到將近20萬美元的年薪。儘管現在經濟情況不好，很多公司在進行裁員，但是大部分都明確表示在機器學習領域要繼續擴招。
這種供需不平衡也恰恰說明機器學習領域，起碼在工作機會方面遠沒有飽和。現在的主要問題是，很多人可能只上過一門網課做過乙個簡單的專案就聲稱自己是搞機器學習的, 可能給人一種全民都學機器學習的錯覺。
2樓：2240萬平方公里
應該不會很快，巨人們很關注這領域創造的東西
機器學習的部分成果目前被很多巨人所關注，他們在不停收購一些演算法和技術領域的公司/專利，著手將這些內容像低階的日常辦公領域轉化，比如巨硬在堅持給他的office系列軟體做這方面改造，那些做OA系統的公司更虎視眈眈啊。
3樓：唐先生2
豈止是飽和，我看就是泡沫
你要說CS是泡沫，起碼還能轉行的5人搶3個飯碗
你要說DS怕不是mo中之mo，轉行+本行的怕不是5人搶乙個飯碗吧？
4樓：
前面好些個答案都說機器學習是未來的方向，一直缺人，沒要你那是你不夠高階，不夠優秀。
其實我也不否認，但感覺這個答案對任何不好找工作的專業都適用。
5樓：6g3y
外行人就說一句:群體AI都還沒開始？怎麼算飽和？
rt:群體AI或許是下乙個轉折點，排程問題np-hard求解方式，元胞自動機以及馮譯漫的自我複製體等一系列並行並行計算，分布式的機器學習還沒有成熟。。。談何飽滿(以上是外行人發言，如果有歧義請輕噴)
6樓：阿達
不喜歡長篇大論，簡單的說就是，沒有。
一大堆只會調包的人，談何飽和？
現在開始學不遲，但我的建議是，以興趣為導向，力求追根究底，這樣才可能有所建樹。
7樓：Badboyshi
就算有一天機器學習飽和了,你在學習和研究過程中學到的程式設計技巧,數學統計學知識是很容易遷移到其它行業的。很容易重新找到工作的。這是生化環材這種勞動力密集型產業完全不能具備的特質。
8樓：路平糜坤良旭
按最容易飽和的程度排序：用傻瓜式或一站式分析軟體的(比如各種生物資訊)> 調包俠 > 調參俠 > 統計建模俠 > 機器邏輯類人化的大俠。
9樓：luckystarufo
個人觀點：
市場有需求，不會飽和；但是泡沫會有，熱度會降低。真正解決踏實下來做問題的人不多。你不能說把簡歷上寫著」會機器學習「的人都算作「做機器學習」的人。
按著網上的教程跑乙個神經網路就叫會機器學習了？記得有個朋友和我說過，他看乙個人的研究興趣一般都是從第二個或者第三個看起，因為第乙個第二個往往都是」機器學習「，」人工職能「，」模式識別「什麼的。所以看似「很多人都在做機器學習的相關研究」，但其實能滿足企業招人要求的並不太多。
知道乙個東西和把乙個東西做出來差十萬八千里。
除此以外，資料科學火起來並非偶然，是有內在動因的：簡單地說，就是計算能力的提公升以及由於網際網路的發展，每天會產生海量的資料。機器學習的應用場景很廣，可以廣泛應用到各行各業。
有一些領域，例如醫療衛生，並不像機器視覺、自然語言處理等領域，它們只是剛剛處於智慧型革命的「萌芽期」，還有很長的路要走；更有一些傳統行業，它們甚至還沒有步入智慧型革命的階段。所以說「人才需求」是很大的。
我想這一點不用太細說：當熱錢持續湧入到乙個領域，那裡必然會有「機會」。有「機會」就會有大量人員湧入，隨之而來的就是「躁動」。
「躁動」會讓很多的人失去理性，忘記初心，最後使得整個群體「被汙染」。投資人就會逐漸失去興趣，熱度也就降下來了。
10樓：
飽和?你逗我嗎？我現在團隊*人，我這還有50+社招缺口。
乙個3.1，p6+左右的中級候選人，offer談好，錢給夠，入職日期定好之後還要時不時去聯絡感情，不然就給別的公司挖跑了。還有很多堅持談心的也跑了，或者給領導留住了，或者……，反正就是不來了。
還好今年UC涼了，去年更難搞。
事太多，底下的人壓力太大，發脾氣對慫我，我還得哄著。管個機器學習團隊我容易嗎? 不想給下屬看到，匿了
11樓：MiiDK
機器學習，乙個是要讓機器能對發生的情況進行自主處理，乙個是希望機器能衍生出無中生有的能力。
前者，需要大型資料庫，超複雜的行為樹，海量的資訊處理和資料反饋，同時還需要機器能為自己的行為樹新增新的節點，產生新的行為結構。
後者，需要機器能擁有自主創造能力，這不包括寫詩、寫歌等內容，因為這些是可以計算的。機器擅長的是分析、計算，能從這裡演化出自主創造的能力的機器目前還乙個都沒有。
所以，如果以前者為目標，那還是洗洗睡了，很多打著旗號的都是大忽悠，而類似阿狗的機器模型已經有成熟的樣本了。如果以後者為目標，那需要很長時間的努力，這方面還遠沒有達到終點，才剛剛開始而已。
12樓：Ledamtrus
學界沒幾個像樣的團隊，業界AI都是初創公司，資料科學這麼大的蛋糕，連個本科專業都沒設定，研究生很少搞，只有博士生摸的東西，你跟我談飽和？
13樓：灰質
遠遠沒有，判斷的標準就是經典的理論體系，技能體系，產品體系，市場格局是否大局已定。
很明顯沒有，機器學習領域還在進化之中，眾多人還在參與摸索究竟是什麼，為什麼，怎麼做等等問題，以及在各個行業場景的落地。
當一致公認，眾所周知的經典著作，理論，技術，工具，產品，大神塵埃落定之後，可以說，這個領域已經成熟飽和。
還有乙個分析的角度，就是商業的邏輯，利潤率越低的行業競爭越充分，技術越成熟。機器學習好像連公司都還跟年幼，談不上成熟。
14樓：李文哲
在大資料時代，之前只有那些專業人員才會接觸到的工具比如SQL已經逐漸成為每個崗位必備的技能； 目前來看，資料分析也有類似的趨勢，不懂資料分析的產品經理、市場、運營、招聘、甚至CEO都很難再適應時代的發展；在人工智慧時代，作為AI領域最基礎的科學-機器學習，會離我們很遙遠嗎
15樓：想當乙個勇者
題主對機器學習的了解可能還有所片面
現在網際網路行業最火的人工智慧就是依靠機器學習來完成，但是機器學習並不是最近才出現的，之所以以前沒有普遍運用，是受到了計算機運算能力的限制。而機器學習的本質是通過大量的資料擬合模型。可以是說自打科學誕生以來，人們就在用資料擬合各種模型。
比如在上古時代人們普遍認為地球是平的，因為他們所得到的現象（資料）過於簡單，而且缺乏基礎知識的人類也只能考慮極少的現象（粗糙的擬合方法擬合少量資料），所以得到的結果是地球是平的（最簡單的模型）。直到技術發展，人們觀測到更多現象，比如船從遠處過來總是先看到帆，才開始懷疑地球是否可能不是平的（懷疑曾經的模型欠擬合）。直到再後來的發展。
就是乙個獲得資料不斷擬合的過程。而機器學習，則是給了這個擬合過程提供了乙個可靠的方法。至於擬合的結果本質還是在於資料本身。
如果要將機器學習和曾經已經成熟的技術模擬的話，我想那就應該是微積分，同樣身為數學的分支，同樣作為解決問題的工具。我所認識的朋友中，各行各業都開始研究機器學習。因為這並不是乙個產業而是乙個基礎方法。
個人認為在未來，機器學習可能會和高數一樣成為一門必修的基礎學科。
16樓：
看題主答案，好有意思啊。機器學習只是個工具罷了，就像C語言一樣，需要結合到具體的地方應用才行。這個問題就像是說C語言現在飽和了麼？
汽車現在飽和了麼一樣。我舉個例子，在AUV向量推進器中用機器學習的演算法來控制向量推進選擇最優軌跡轉動，這個就沒有飽和甚至沒幾個人來做，他不值得麼？還是挺值得研究的。
難麼？理論力學，流體力學，機器學習，控制策略，底層實現都需要知道才能完成這個。所以題主應該結合具體領域來問這個問題。
回答的有些混亂抱歉
17樓：
所有行業都是容易飽和的，人才是永遠不會飽和的。開飯店存在了幾千年，你說到底飽和不飽和？只是門檻越來越高對人的要求越來越高，不是看兩本書就能忽悠進去的而已。
門檻高其實更有助於行業的發展，驅逐劣幣。不要想走捷徑，腳踏實地成為真的人才。
18樓：IT獵頭fancyfrees
答案肯定是大寫的NO！
我們獵頭手上什麼職位最多，肯定是機器學習演算法的職位最多，家家都缺！
就跟2年前大資料市場是一樣的，不過大資料現在也缺，就稍微好一些，每個新領域出來了，其實都是人才緊缺的時候，大部分院校也是根據市場需求會多開幾個相關專業的班級，新的應屆生來緩解人才緊缺的壓力。
19樓：昂刺魚
乙個處在爆發前夜的朝陽行業，你問是不是已經飽和？
建議題主去了解一下化工、機械等傳統行業，從秦始皇煉仙丹，三國雲梯攻城就存在，幾千年了，他們都沒說飽和，每年還有大批優秀畢業生，你讓他們情何以堪？
20樓：freddy
。。。。
並不所有計算機graduate level以上的領域機器學習神經網路資料庫高等演算法這一類的領域一直缺人。
可惜也沒多少人會這些東西。。。
21樓：
就目前，人工智慧已經成為一種趨勢，而且機器學習才剛剛起步，還沒有到飽和的地步，不過切記盲目的跟風，個人建議還是要看自己的整體規劃
22樓：Black
飽和。。。這個問題是不是提的有點早。50年後回答合適。這個領域只是幼兒園級別，還有大發展。就現在的一些演算法，能叫人工智慧嗎，根本算不上。
23樓：「已登出」
還早呢。
早期人工智慧一堆if else，條件都是寫死的。現在機器學習通俗粗暴講，就是判斷條件變活了，有了權重這個概念，至於權重比就涉及到一堆演算法了。但是本質上離我們真正的人工智慧還有很大差距，所以不用擔心會飽和。
24樓：David Dong
其實大家會有這種疑惑是非常正常的，因為實際上，人工智慧/機器學習還不能作為乙個單獨的行業，沒有單獨的通用商業模型。更簡單來說，就是如果要針對機器學習投資，對於大多數公司來說，要投多少錢，期待的回報能有多少，如何變現，如何衡量價值，這些都是不確定的。
目前來說，真正使用機器學習產生直接價值的可能就是一些IT公司，搜尋，推薦等提供的精準廣告。
現在主要的機器學習需求還是在IT行業，還有一些高新技術行業的探索性的嘗試。因為一方面這些行業和公司本身已經從機器學習中收益了，另一方面接觸前沿科技比較多，可以想象其中含有的潛力。對於大多數的傳統行業，公司和人來說，連IT行業是如何運營賺錢的都搞不明白呢，怎麼去理解IT行業都在探索的新的方向呢。
現在機器學習方向飽和了嗎？如果完全按照現在的招聘情況來看，高階的肯定是供不應求的，各大公司即使現在還沒有明確的專案和變現途徑，出於戰略發展也肯定需要屯人的。低端的，大部分公司都不明白怎麼在自己的業務裡使用機器學習，就不會有太多招聘渠道，招幾個程式設計師就算不錯的了。
但這不是說機器學習飽和了，而是整個行業都在剛剛起步的階段，甚至行業還沒有單獨分離開來。就像你不會覺得在新城區剛剛開發，只有一兩家店面的時候覺得這個新城區就只需要招那麼十來個服務員一樣。
談點具體的吧，機器學習如何變現，如何創造新的價值? 我給個大概的可能性期待吧: 現存的所有行業，所有方向，但凡想象力所及，都有應用機器學習並且創造實際價值的可能性。
當然，由於資本的關係，大部分最優秀的人才都無法平均進入所有行業。缺乏了最優秀人才去拓荒，除了少數行業和公司以外，機器學習真正創造的價值還無法顯示，架子沒搭起來，工作自然不算太多。
等等吧，等到一些大公司的人才儲備差不多滿足了和一些人機緣巧合下各種不同緯度的發展，溢位的資源自然會哺育各個行業，帶動產生大量職位需求。
網文是否已經達到了飽和狀態？
只要中學寢室的同學們還會在臥談會上八卦某人和某人是不是好上了這樣的訊息，網文就不會飽和。難道現在的初中生睡覺的時候都乖乖的不夜聊麼？本人不信。上初中的同學說說。 能想到的劇情 創意 點子似乎都已經被用光了。這點就不贊同了，大家都知道，網文就是乙個個段子組成。所以只要自己編段子就是了。不是段子少，是因...
室內設計這個行業是否已經達到飽和狀態？
bee 請問你提問的目的是？希望入行？如果是，我覺得你不應該問是否飽和，每個行業只要時間一長，人肯定多，競爭力肯定會大一點。你應該去了解 1.自己是否對該行業感冒 取決於你是否能堅持，而我是因為學的環藝，不清楚想做什麼，才一直堅持，目前我覺得我還挺慶幸做的該行業，但不可否認室內確實是有點亂 業務型家...
機器學習領域有哪些適合新手學習的 GitHub 專案？
星空 請點開看，絕對好教程。Hands on Machine Learning with Scikit Learn,Keras and TensorFlow 上面是今年5月份剛出的第二版，新增加了keras,並用了最新的tensorflow2.0，你也知道的，前幾天谷歌才發布了tensorflow2...