对于神经网络，硕士博士不需要弄明白原理，只需要应用，是这样吗？
▍对于神经网络，硕士博士不需要弄明白原理，只需要应用，是这样吗？
锐英源软件有专业高端人工智能开源服务，支持实战开发服务，有技术问题请联系锐英源软件。
▍对于神经网络，硕士博士不需要弄明白原理，只需要应用，是这样吗？
神经网络的知识种类太多太多了！
对于研究生来说，不需要研究太深，只需要知道网络架构，分层，然后知道应用的场景即可，带入网络训练就可以把网络应用到实际的项目中，可以完成论文，顺利答辩毕业走人！
对于博士生就没那么简单了，理论应用都是研究生干的活，博士就需要详细的研究网络的每一层，需要研究原理，才能去修改，更新，迭代以及应用自己的考研项目中，博士偏重于算法，不是简单的几个应用就能顺利毕业！所以要更加细致的剖析，理解数学原理，模型，并要完成自己的算法，产生比原有的算法更好更优秀的效果。这才是一个合格的博士生的工作。
所以要看好自己的位置，合理去分析研究！不要沦为代码的堆砌者！
▍对于神经网络，硕士博士不需要弄明白原理，只需要应用，是这样吗？
你好，这个跟我的研究方向一样，所以我就来回答一下。仅供参考。
首先声明，我认为，需不需要主要还是看你个人的具体需求。
如果你就是想弄个硕士毕业，研究深度学习，神经网络在图像分割方面的应用，我认为还是比较简单的，其实你也没有必要把它研究的多么透彻，原理什么的差不多就行了。就像很多人都说，神经网络就是配台电脑，然后调参数，只要你把各种模块都叠加上，效果好了，我相信发篇论文不成问题，如果你英语比较好，故事讲的比较好，或者是你的应用场景很新，发个SCI都没问题，也足够硕士的毕业标准了。
可是如果你想继续读博士，那么我认为你还是有必要继续把他弄懂的，其实神经网络能发展到今天，远不止于调参。我们都说是调参，其实是因为大多数人没有进行深入的研究，都是在搞应用，应用当然就得调参了。可是，纵观整个深度学习，神经网络发展，你会发现，远不是这么回事，比如刚开始用神经网络去拟合异或运算，用神经元代替函数，这完全是创新。到后来的GAN，胶囊网络等等，这些都不是调参得来的，都是在机制上，进行了创新，或者是至少是在组合上进行大得重组，这些算法的由来，都是需要对神经网络低层的逻辑进行深入研究和理解的。换句话说，如果你想深入研究某个点，或者是真的在这方面做出的东西，底层原理还是要明白的。比如我们现在正在从凸优化的角度去考虑损失函数怎么样设计，这些如果你不懂原理，是很难处理的。
希望所说的能够给您有所帮助，没有特别认真的组织语言，欢迎继续深入交流。
▍对于神经网络，硕士博士不需要弄明白原理，只需要应用，是这样吗？
原创性的科研成果都是来自美欧国家。在国内的神经网络方面，基本都没有什么原创性的科研成果。这是中外在人工智能原创性研究方面的差距。
当然，即使在国外，也只是极少数大师级的神经网络专家才会真正去研究神经网络技术的核心原理。而更多的硕士博士这样的年轻人而言，在神经网络方面，最多就是调参侠而已。就是针对一些已经被研究出来的深度学习模型比如GPT-3, 对其中的部分参数做一些调整，然后去观察该模型的行为结果。然后把这些调参的过程和结果，形成论文发表，或者去作为一些应用的核心基础。
有志于从事深度学习科研工作的硕士和博士，应该将深度学习各个模型以及算法的原理弄清楚。唯有如此才能基于这些原理来做优化甚至启发而提出原创性的算法或者模型。
▍对于神经网络，硕士博士不需要弄明白原理，只需要应用，是这样吗？
原理的话不光你不懂，大牛们也不懂，它就是实践先行的东西，至于为什么会那么好需要慢慢研究
------------------
推荐阅读：
我五十多岁农民单身倒插门去女方家，有个儿子，双方一起抚养值得吗？
