一、机器学习从业方向
从事机器学习的从业人员大致分为以下三类：
1.“重造轮子”学派：入百度的PaddlePaddle
2.“参数调教”学派：入一些研究院或学校，为了发表文章而过于注重参数调优，从而导致了模型过拟合。
3.“拳打脚踢”学派：研发人员都分散在业务组，他们都不会在参数调优上浪费时间，而是更注重实际业务的处理。
二、机器学习模型选择。
机器学习有监督学习和非监督学习两类。
1. 监督学习有：决策树、K近邻、贝叶斯决策、SVM、逻辑回归等。
2.非监督学习有：K means,PCA等。
进来深度学习得到了飞速的发展，但是由于其模型的复杂与不好解释等特性，其在实际中的应用还是有应用限制，并且由于深度学习需要大量的数据来训练庞大的神经网络，因此它更使用与有数据的应用场景：图片，语音，广告推送等。
扫描二维码关注公众号，回复：
4866793 查看本文章
如果数据量小，稀疏的数据不足以支撑复杂神经网络的训练的时候，深度学习的表现就不是那么理想，反而传统的机器学习方法，或更进一步说一些简单的线性分类器反而能表现出非常卓越的性能。
三、对自身的要求。
1.掌握机器学习的理论只是：传统机器学习及深度学习（实际场景可能对机器学习的要求不同）
2.掌握特征处理方法。
3.使用现有的模型入sklearn /tensorflow/…………等进行训练，基于先用应用的一些基础，解决自己的问题。
4.在掌握好基本机器学习方法的情况下，可以参加几次比赛验证自己的水平。
5.将机器学习模型进行移植，解决自己的问题。