有哪些关于机器学习的真相还鲜为人知？

在不少互联网产品中，机器学习的应用，比如信息流中的排序算法、推荐系统等，已经成了最重要的产品体验。好的推荐系统对应好的产品体验，差的推荐系统对应糟糕的产品体验。

然而，哪怕作为最重要用户体验的基石，绝大多数公司对于它的开发和迭代都是一团浆糊。

由于不能直接观测一个人的对于推荐系统的喜好，而要同时观测一百万、一千万用户的体验，所有传统的对于产品体验评价的手段，都是毫无意义的。深入了解海量用户体验需要大量精细化数据支撑，同时理解机器学习模型的特性。整个行业都非常缺乏对用户体验直接负责的机器学习产品经理。

不仅如此，机器学习的产品迭代有一种完全不同的方法论，传统的瀑布流或者敏捷开发在这里都无能为力。不论是特征的选择，还是模型的改变，都有大量的不确定性，线下指标和线上指标往往也没有一定的定量关系。花多少精力，带来多少提升，一切都是在不确定的风险中迭代。能够为机器学习项目进度而直接负责的项目经理也少之又少。

既没有明确的产品目标，也没有确定的项目进度，只有一团乱麻与由上到下的混乱不堪。每个季度的交付只需要做做 PPT，放上一些华丽的高大上的词藻堆叠，比如深度学习、强化学习，就能交差完事。

之前写了些关于机器学习职位面试的小感，不少同学看起来项目经历非常丰富，但对于其背后的产品逻辑几乎没有思考，这也是受整个行业的影响。因此，对于有志在这个领域有所建树的同学，加入一个在机器学习领域有成体系方法论的公司，对于职业生涯至关重要！