机森林、支持向量机等。

但这些方面取得的进步相比于2020年以后更成熟的机器学习技术相比仍然还有很多欠缺的地方。

如果一个很擅长机器学习方面的技术人员带着您带着全部的记忆从2020年回到2015年以前，

其实是很容易在很多方面有所作为的。

譬如说在机器学习应用这方面：

在2015年，机器学习的应用领域还比较局限，大部分应用都集中在语音识别、推荐系统等领域。

那么一个来自于往后几年的机器学习技术人员无疑可以考虑探索更多的机器学习应用场景。

比如说智能客服、金融风控、医疗诊断等新领域，为这些领域的发展做出贡献。

再比如说，深度学习算法方面，在2015年前深度学习算法刚刚开始得到重视和应用，而且只是应用于少量领域。

如果一个后世的技术人员带着全部的记忆来到2015年前，

毫无疑问，他可以在这个时期推广和优化深度学习算法，并将其应用于更广泛的领域。

包括但不限于自然语言处理和推荐系统等等。

此外，还有许许多多的方面。

但现在的问题是，以上都是正常的情况下回到2015年以前能够做的事情，

但问题出在这个时空不知道出现了什么情况。

机器学习乃至是人工智能方面的研究整体都面临一定的滞后性。

即便国最前沿的机器学习方面研究成果照前世同一时期也有一定的滞后性。

一般来说，这种滞后性对重生人士是友好的，

此消彼长之间，这意味着重生者重生之后的信息优势被进一步放大。

但这同样也是不好的，

如果一个时空研究的基础内容已经铺就，

那