随着机器学习领域理论的成熟，自从“阿尔法狗”等一系列的热门爆点话题之后，被推到了人前，受到越来越多人的关注。越来越多的相关技术被应用于生活。很多计算机行业也开始纷纷踏入机器学习岗。工业智能相机

但是每个人在涉足这个领域的时候，个人的知识积淀和教育背景不一样，同样，他们对于未来发展的心理预期不一样，这也导致了需求的多样化。
很多工作了几年后，重新选择方向的程序员，他们拥有扎实的代码基础，丰富的业务经验。
但是对机器学习的很多理论知识非常苦手，甚至连机器学习的入门逻辑回归等涉及到的简单公式都有些吃力。
这就需要我们在真正入行之前，能够对自己进行一个深度的剖析，发现自己的优缺点，从而能够查漏补缺，才能在这个行业走的更远，同时，也能从心底对自己的选择更有底气。
我们很容易在学习中发现，机器学习方向对代码的要求，要远远小于传统的IT行业，比如前端、后台，甚至一些更底层层面的业务需求。对于脱离学校不久，理论知识底子还有，但是实际代码能力和项目经验不足的人来说是一个好的方向。
人工智能领域发展到现在，机器学习已经远远不能满足我们的日常需求了。计算机这个行业，从来都是活到老学到老，人们眼中的高薪，也就决定了它残酷的竞争性和知识迅速的更替性。
机器学习入门以后，就需要你根据自己的需求来制定个性化的路线了。比如大数据分析、图模型、深度学习、自动驾驶、机器人、自然语言处理、图像识别、语音识别等等，既有应用方向，也有理论方向。