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！

用阮一峰的一篇文摘：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。