为什么说人工智能领域20%的理论基础往往决定了你80%的上升高度？

在人工智能领域内，我们往往重视项目和实战，大多数初级入行者总是享受完成一个项目带来的成就感和快感，简历上写的满当当的项目经历。

但一旦在工作中遭遇复杂问题，就发现自己处处有短板，同样的问题，别人花费一周就能达到90%的精准度，自己用一个模型跑了快1个月，才70%，问题在哪？

在于理论扎实与否。一个看似简单的线性回归模型，就有3-4种不同的解法，而你却只会一种。高低效率的工作，其差别并不在于实战经验的多少，而在于在动手前，知道选择什么样的模型是最优解。

仅仅只会调参未来你的竞争力将会越来越低，或许理论者上手没有有经验的那么快，但一旦熟悉，他的成长空间是巨大的，这也是为什么很多大厂考察面试员工，更多的是对算法细节的理解程度，而不仅仅是项目经验。