谈谈自己对机器学习如何学习以及未来职业方向的理解（不断更新中）

朱雀 2023-07-10 14:22 97阅读 0赞

> 背景：数据分析在读研究生，目前研一，对自己未来的学习方向和职业方向没有清晰的认知。疫情在家学习，突然顿悟，要给自己一个明确的学习方向和职业方向。以下是我通过查找多方面资料自己的一些简介。

参考资料链接：

*  [如何看待「机器学习不需要数学，很多算法封装好了，调个包就行」这种说法？][Link 1]

学习链接：

*  [kaggle数据学习/比赛/数据集平台][kaggle]
 *  [和鲸数据分析学习/比赛/数据集平台][Link 2]
 *  [天池机器学习/比赛/平台][Link 3]

#### 更新于 2020年3月3日 ####

1.  首先明确倾向于研究员还是工程师
2.  如果倾向于研究员，在学习已有机器算法的基础上，需要深入学习数据、概率论、矩阵论等相关数学知识。注意，研究员考虑的问题是如何使已有的算法效率更高，或通过改造算法或发明一种新的算法（尽管这很难，但也必须有人做。）这一部分人对于这个行业的发展非常非常重要。同时，门槛比较高，对于数据功底要求非常高。我的理解是这一部分人通常具有一些常人不具备的天赋。比如超强记忆力或者空间想象能力。
3.  工程师的话，就更倾向于实际的项目和问题了。这样的话，我们关注点就不再是算法的优化问题了，而是算法与实际问题的匹配和调整问题。也就是平常我们所说的对于模型结果不理想，我们需要去调整模型参数。所以，我们不需要太多的数学基础（当然，最底线也要有大一大二的高数基础），但是需要了解更多的算法。我们需要对这些算法的原理有大致认识，应用范围场景要有清楚的认识。我觉得这个比较适合平凡的我，一个普通的机器学习者。
4.  最近两天我有去了解一些数据分析的网站和竞赛，也会去看那些竞赛题目和解决方法。给我感觉在遇到实际需求的时候，最终要的就是对当前需求进行特征分析，选取合适的一种模型或多个模型来解决问题。
5.  有时可以会把一些算法看作一个黑盒，只需要关注输入和输出即可，具体里面是怎么运作的。

所以，目前我计划的学习路线就是：  
了解机器学习算法->例子实战->比赛强化

#### 更新于2020年3月13日 ####

差不多现在开始入门paddlepaddle深度学习框架了，相较于之前接触的tensorflow来讲，我认为paddlepaddle用起来更加舒服。最近有在看飞浆官网免费课程，其中有讲到学习路径。我觉得挺好的，就截了一下图贴出来。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6eDE1OTk1MQ_size_16_color_FFFFFF_t_70]  
文字描述：

1.  打好前置基础，包括基础的高数、线性代数、机器学习概念。
2.  学会用好demo，包括上手部署demo，试着调参数，再更换自己的数据集跑一下。
3.  尝试参加一些经典的比赛。从往届比赛开始，每做完一个比赛，就总结，多去看看人家怎么想的，怎么做的。
4.  积累实战经验，有机会多去参加工业级项目。

#### 更新于2020年3月18日 ####

今天在上完英语网课，突然间产生了一种危机感，就是对未来有些担忧。然后打算去知乎搜一搜关于人工智能和机器学习就业相关东西。

*  [2019 秋招的 AI 岗位竞争激烈吗？ - 知乎][2019 _ AI _ -]
 *  [2019 校招各互联网大厂的算法岗是否存在供大于求的现象？ - 知乎][2019 _ -]

说真的，看完之后，我发现自己完全就是个弟中弟。里面有许多大佬分享的事情，无论是作为面试官还是面试者的。

总的看下来就是目前这个行业，很火爆，参与的人很多，但是，真正和企业匹配的人很少。

对于非常优秀的学校和很好的实验室，能够在导师的带领下做出一些有价值的东西，周围有很厉害的同学和学长学姐，自然成长很快，未来也是很好的。

但对于我这样的双非院校，如何在激烈的竞争中，获得一定的优势。

真的没有一个正确的答案。

目前的想法就是，先了解各个方向，然后选择一个自己相对感兴趣的，深入研究下去。

当前在学习百度深度学习框架paddlepaddle，正在上7天入门课程。还是先不要太心急了吧，先上完课再说吧。

总之，数据结构，算法，高等数学，线性代数，概率论这些知识在平常遇到的时候，一定要去弄明白。学习算法的时候，一定要动手自己去总结，不要看看别人总结的就算是会了。一定要学会去发现问题，总结问题。

改日再更新.

### 更新于2020年6月16日 ###

距离上次更新将近过去了三个月了，那么，这三个月我在干嘛呢？

4月分呢，我主要在学习paddlepaddle官网上的课程，包括paddle库的使用，以及相关CV方面的知识。怎么说吧，现在回想起来4月，就是一个字-乱。没有明确的目标，就是手头有什么就学什么，暂时对什么有兴趣就了解什么。

到了5月份了，事情终于有了转机。随着我们这里疫情情况的好转，健身房也逐渐开业了。之前寒假办的假期卡，由于疫情的原因，重新给我计算时间。

在我认真思考了几天之后，我将我一整天的时间分为了4个部分：  
英语、机器学习、python进阶、健身。

基本上时间安排是早上起床1小时 英语学习，机器学习安排2到3个小时左右，python1个小时到2个小时，健身两个小时。

这种安排基本上从五月初坚持到了现在，目前感觉很好。

其他就不细说了，这里就主要说说我最近对机器学习的新的看法：

我目前学习机器学习是使用《机器学习实战》和《统计学习方法》这两本书，为什么我使用这两本书呢？首先我是一个热衷于在实战中和代码中去理解算法的，所以，我选择了第一本。但是我在第一本书太偏实战了，对于一些细节的东西，写的不好，所以，我使用第二本作为细节补充。  
我认为第二本书的细节基本上达到了论文的程度，它在每一章都会给出参考论文。尤其是公式的书写非常的规范，而且很完整，很方便我们去理解和总结。

目前的计划就是以第一本书的实战为主，第二本书细节公式为辅，在实战下，总结，思考算法，并总结在博客上。

待更新。。。。

[Link 1]: https://www.zhihu.com/question/60064269
[kaggle]: https://www.kaggle.com/datasets
[Link 2]: https://www.kesci.com/
[Link 3]: https://tianchi.aliyun.com/home/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6eDE1OTk1MQ_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200313215951187.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6eDE1OTk1MQ==,size_16,color_FFFFFF,t_70
[2019 _ AI _ -]: https://www.zhihu.com/question/286925266/answer/491117602
[2019 _ -]: https://www.zhihu.com/question/293691926/answer/501069830