机器学习与计算机视觉是否真的必要

笔者可以简单给出结论，机器学习以及传统的计算机视觉在大多数时候并不会起到什么作用，或者说这些内容已经通过理论完善，并且具有一定的上限。尽管有的时候可以为你设计新的算法带来启发，但是并不在我们学习的最短路线中，不过这里给出参考资料。

对于系统学习机器学习的书籍，相较于网络较火的西瓜书，笔者更加推荐李航老师的《统计学习方法》。而传统的计算机视觉相关的内容，则推荐冈萨雷斯的《数字图像处理》。

同时，尽管这些内容有的时候依然实用，但是多半在实际的使用中，我们都是以使用者的需求而非创新性的追求来看待。好消息是 Python 的众多库，如机器学习的 scikit-learn 以及计算机视觉的 OpenCV，其实都支持了这些算法，因此往往只需要简单向大模型进行提问，并且调动这些就可以实现对应的功能。

一些反对者或者保守主义者不免担心，跳过了这些打基础的环节，是否会导致将来自己学习一些东西的时候不太牢靠。尽管在笔者的视野中并没看到这样的案例，但是进行适当的学习倒也无所谓，只是看到互联网上繁多的课程，没有必要因此看花了眼，选中几个课程并且进行快速的学习即可。想当初笔者在视频网站中比较不同视频合集介绍算法的异同点并且都看了一遍，如今回过头来看，除了浪费时间，没有得到任何的帮助。

尽管传统机器学习与计算机视觉方法在当下并非主流，但在实际工程应用中依然有着广泛的使用，例如工业检测、图像处理、边缘设备部署等场景；而在理论研究领域，它们更是构建现代 AI 的基础。如果你对工程落地或算法原理感兴趣，这些内容仍然值得系统学习。