为什么人工智能工程师被戏称为“可以参加培训的人”？
以我自己为例。我在cv方向工作(计算机视觉)，参数调整在日常工作中并不占很大比重。
在CV中，除了超参数之外，影响模型效果的主要因素是网络结构、数据和损失函数。这三个方面确定之后，调整参数的时间就不多了。
回到正题！
调进去，调什么？在人工智能中，参数大致可以分为两类:
为什么叫“调参数的人”？有两个主要原因:
如何避免成为“训练人”目前AI人才的竞争越来越激烈，“训练人”的时代已经慢慢过去了。其实这些事情根本不需要AI工程师，未来的R&D工程师就可以承担！几年前，如果你精通TensorFlow，掌握了基本的AI算法，就能轻松找到高薪工作。但现在不同了。对AI岗位的要求越来越高，知识深度也更高。
想跟上时代，就得武装自己，才不会被淘汰。
对于真正的人工智能工程师来说，往往是从数据和特征入手，也需要丰富的行业经验。一定要记住一句行业谚语，数据和特征决定了算法的上限，选择的算法和参数只决定了接近这个上限的速度。
调整参数并不可耻。好的参数调整男很厉害。技术上，算法工程师只处理数据和模型。模型是一个黑色的魔盒，这个黑盒来自数据和参数。
模型中有两种参数，一种叫权重，可以学习；一种叫超参数，需要不断实验才能确定。所谓调音，就是调音的后者。当然，这些实验需要专业的设计技巧，不在本文讨论范围之内。感兴趣的同学可以找找吴恩达的书。
很多人说算法工程师是侦探，没什么技术含量。都是xgb，为什么有的人能夺冠有的人只能是弱者？也许你会说特征工程做得好。但在图文领域，模型的基础是积木，积木也可以看作是超参数，模型的层数，模型的维数。
在一次超分辨率比赛中，来自韩国的一支队伍获得了冠军，拿走了所有人都认为理所当然的批量标准化，意外夺冠。
练习很重要，调参数也不丢人。调教好了，就能拿冠军。你甚至可以写一篇关于参数调整经验的论文。当时谷歌有一篇论文暴力尝试各种功能，发表了一篇论文。
有时候理论是先实践，然后猜测或推断。对吗？别管黑猫白猫。会抓老鼠的猫是好猫。目标导向。
不是所有的调音师都能超越美妙的音乐。虽然只有几个音符。如果参数调整的技巧做的好，可以发表论文，可以提高业务指标，可以带来利润。
可能有两条路:从理论到实践，或者从实践到理论。可惜大部分人都做不到。
做一个厉害的侦探不是那么容易的。关键是思维。善于思考和反思的人，无论是理论还是实践，都会比机械的重复进步更快，更容易成为英雄。
其实“刁申侠”的意思和写节目的“码农”差不多，是对从事这个行业的人的嘲讽。比如写程序的，一开始会接触到增删改查的业务，做多了会说凝乳。人工智能还有很多其他的名字，比如宝霞，指标奴隶。
人工智能的技术和知识还是很广泛的，不仅仅是调参数。还有数据与特征工程，数学算法知识等等。
专业搬砖二十年
这...
第一次看到这个名字，但是人工智能领域确实有这个问题。
举个简单的例子，就拿现在比较热的人工智能方法来说吧:深度神经网络。
那么什么是深度神经网络呢？先说神经网络。顾名思义，神经网络是科学家通过模拟人类神经元的协调工作来实现人工智能的理论算法。
我在这里解释一下，所谓的神经元是人类思维活动的承载部分，大脑中的一些思维活动需要神经元的参与。
那什么是深度神经网络呢？说白了就是几层神经网络的叠加。更具体的原理，这里我就不赘述了，这种深度神经网络的简单说法，我们可以举一个更生动的例子来说明:
现在我们需要解决一个问题，就是如何识别照片中的动物，是人还是其他一些动物。我们现在用深度神经网络的方法来识别这张图片。
那么一个人的显著特征是什么呢？
最常见的是有头有躯干有四肢。但是这里有一个问题，就像日常生活中常见的小猫一样，小狗也有头，有躯干，有四肢。所以，我们深度神经网络的1层的问题，就是把这个人的轮廓和猫狗的轮廓区分开来。这里要介绍一个轮廓相似度的概念，这是一个简单的拓扑意义。这里就不赘述了。有兴趣可以自行搜索拓扑学的相关内容。当用这个深度神经网络的1层来区分人和猫狗时，就会出现神经网络的一个参数问题，我们需要把这个参数调整到一个合适的程度来区分人和动物。
当然，有了1层，我们可能会有第二层甚至更多层，比如这个人有没有穿衣服，这个人的肤色，比如这个人的头发长在头上，而不是长在全身。这时候这层神经网络就会涉及到一个参数调整的问题。只有将参数调整到合适的值，机器才能正确识别是否穿衣服、头上是否长头发等等。
总之，从这个深度神经网络识别的过程中我们可以看出，这些人工智能其实就是对现有模型中的一些参数进行调整的过程，所以楼主问题中的参数调整侠真的是名副其实。
本来就几个人想出新模式新点子太难了。他们都是炼金术士，很难解释为什么。
做人工智能的人，基本都是和数据模型打交道。除了数据，数据模型还有模型参数，这些参数是可调的。我们通常所说的超参数就是调整它们以适应数据。当然，调整参数也需要数学功底和对算法的理解。所以简单的说人家在调参数是不礼貌的。别人能做到的，你不一定能做到。
有效的模型很少，剩下的工程师真的只要调参数找数据训练就行了！[笑]
只会用别人模型的人，其实是外界和那些对人工智能肤浅的人的一种误解和偏见。当然，人工智能不能只使用别人的模型。
因为算法封装之后，唯一留在上面的就是调参数了。什么数据清洗，特征选择，特征工程都不是技术活，有能力的人多的是。你需要知道算法来调整参数。