机器学习大牛很少有数学专业，甚之应用数学专业的都少见。为什么？

[huzhikuizainali]

这是一个纯开放问题，希望听听大家各自的看法。

看了一下吴恩达，周志华，李飞飞的学历北京都是工科专业（偏计算机），不是数学，甚之不是应用数学专业背景。看了一下机器学习，神经网络都是以数学为基础的(当然实现是靠代码)。那么为什么少见数学专业背景的人成为这个领域的大牛呢？

那么是不是具有深厚的数学知识，不足以让一个人在机器学习领域的研究具有优势。就如同“计算机科学”专业在算法也用到离散数学的知识。但是那只是数学大海中的一碗水。数学专业的主要是探索海洋的，用这碗水去做点什么并不一定比非数学专业的人更强。同理，物理，金融，各个专业都用到数学，但都是用一碗水。所以数学专业的人在这些专业也不具备优势。

进一步说，哪些基础知识扎实的人更容易在人工智能领域取得成就呢？机器学习很多大牛都是偏计算机专业的应该也不是巧合吧。

[jones2000]

大家都是工具人就调调参数，要什么数学专业呢。 又不是像谷歌一样发表机器学习前沿论文。

[Coeus999]

蹲

[huzhikuizainali]

@jones2000 谢谢留言。我觉得你的看法算是一个理由。这样，我们把“取得成就”这个概念划分为两种：
1 、是像吴恩达、Ian Goodfellow 这样提出了某种机器学习方法。
2 、实际工作中使用 tensorflow 这种包调参的工程师。

我认为前一种成就似乎更应该需要深厚的数学功底。但实际上这些人基本都不是应用数学专业出身。我想这种表面现象背后一定有其必然性，有深层次原因吧。

[bstjanced555]

你说的 1 是算法工程师，2 是应用工程师，我觉得算法工程师就像是造芯片的，研究芯片架构，应用工程师就是拿芯片造商品，比如手机汽车电脑，讲求的是实际落地。数学我认为是一种通用工具，计算机出身的人如果需要这个工具就可以去学，他们也不需要像数学家一样在数学领域有所新的突破，他们只要在数学领域见多识广就可以把这个工具用到自己的算法架构里。对于学数学出身的人，因为数学是通用工具，所以他们有很多方向可以发展，ML 只是其中一个方向分支。我也见过数学专业出身的搞 ML 的，他搞 ML 带些数学思维，专业出身确实会对思考方式有所影响。

[kilasuelika]

深度学习偏工程一些，数学可能用处不大。我自己就有感觉，学的那些数学基本用不上。