现在无论在哪,张口闭口都是人工智能、大数据、云计算、区块链。各种报告都要往这个上面蹭,言必称“智慧”、“智能”、“大数据挖掘分析”。但真正了解的人凤毛麟角,太浮躁了。

每天朗读和拼写这些热词是学不到真知识的,听专家来做一两次讲座也不会有什么效果,突然兴起看百度百科词条也是没用的。只有静下心,真正花时间研究才行!

阮一峰的一篇文摘:费曼的故事自勉:

美国最著名的物理学家、诺贝尔奖得主费曼,小时候与一个号称无所不知的孩子,一起出去玩。他后来回忆了两个人的一段对话。

他对我说:”看那只鸟? 那是什么鸟?” 我说:”我一点也不知道它是一只什么样的鸟。” 他说:”这是一只棕色喉咙画眉。 你父亲没教你吗?” 事实恰恰相反。 他[费曼的父亲]已经教过我:”看那只鸟?”他说。 “这是斯宾塞的鸣鸟。”(我知道他不知道真名。)”好吧,在意大利语中,这是一个Chutto Lapittida 。 在葡萄牙语中,它是一个Bom da Peida …你可以在世界上所有语言中知道那只鸟的名字,但是当你说完后,你对这只鸟一无所知! 你只会知道不同地方的人类怎么叫这只鸟。 所以,让我们看一下这只鸟,看看它在做什么 - 这就是最重要的。” 所以,我很早就知道了,知道某事物的名字和知道它是什么之间的区别

研究要求精,而不要妄想面面俱到,更不要追每个热点。下面是2018年研究机器学习的计划:

  • 2018年3月到5月,通过Coursera的Machine Learning课程(已完成:Coursera Machine Learning机器学习课程总结)。
  • 2018年7月底,完成deeplearing.ai上的五个课程。(已完成:吴恩达deeplearning.ai学完总结
  • 2018年9月中旬,强化Python技能和numpy、pandas等主要类库。
  • 2018年9月中旬到10月中旬,集中学习Tensorflow框架。(可结合Udacity)
  • 2018年10月,from scratch实现一些经典算法,梳理思路。
  • 2018年12月,参加kaggle项目。(同步学习Udacity上深度学习课程)
  • 接下来阅读花书,系统化整理知识。同步补充数学知识(这部分可能是一个长期的过程):
    • 线性代数
    • 微积分
    • 概率和统计
    • 数学优化
  • 接下来跟踪研究paper
  • 争取在2019年中时,对这个领域有基本的了解。

整个过程还是要伴随着英语的学习,从去年4月份开始的使英语成为第一阅读语言的计划已初见效果,并在机器学习的研究过程中起到了关键性作用,也形成良好的循环,这是一个好的开始。

-------------------------

本文采用 知识共享署名 4.0 国际许可协议(CC-BY 4.0)进行许可。转载请注明来源:https://imshuai.com/2018-2019-machine-learning-plan 欢迎指正或在下方评论。