近年來，全世界對機器學(xué)習(xí)的需求正在蓬勃發(fā)展，引起了很多人的興趣。很多數(shù)據(jù)科學(xué)家、軟件工程師和數(shù)據(jù)分析師都在快速進(jìn)入這個領(lǐng)域，以期在將來有一個更好的職業(yè)發(fā)展前景。

然而，很多初學(xué)的朋友因為剛剛接觸這個領(lǐng)域，難免有些摸不到頭腦。在網(wǎng)上看的文章也是眾說紛紜，不知道該何去何從。

因此，本文梳理了一些針對初學(xué)者的建議，以便讓大家能夠在學(xué)習(xí)過程中少走一些彎路。

1.先設(shè)定一個方向與目標(biāo)機器學(xué)習(xí)是一個快速發(fā)展的領(lǐng)域，每年都會有很多新的內(nèi)容出現(xiàn)，而且其應(yīng)用范圍又極為廣泛。從自然語言處理到圖像識別，從數(shù)據(jù)挖掘到精準(zhǔn)營銷，再從金融風(fēng)控到量化交易，到處都是機器學(xué)習(xí)的影子。在面對如此龐大的體系時，初學(xué)者很容易出現(xiàn)一種“因為不知道哪個方向好，所以無從下手”的狀態(tài)。更有可能這個方向涉獵一點，后面對另外一個方向又產(chǎn)生了興趣，于是又轉(zhuǎn)了方向，導(dǎo)致每個方向都淺嘗輒止，沒有真正的建樹。

這里給初學(xué)者的建議是：先選定一個方向，并且設(shè)定一個小目標(biāo)。在達(dá)到這個目標(biāo)之前，先不要換方向。實際上不論是何種應(yīng)用，背后的技術(shù)原理大同小異，因此把一個方向吃透并且獲得成就之后，即使再轉(zhuǎn)向新的應(yīng)用方向也會比較得心應(yīng)手。

2.學(xué)會跑之前，先學(xué)會走由于很多前沿的應(yīng)用太過于炫酷，很容易讓初學(xué)者產(chǎn)生一種馬上就要投身進(jìn)去的沖動。例如機器學(xué)習(xí)中的深度學(xué)習(xí)和自然語言處理。但這些子領(lǐng)域其實都是建立在機器學(xué)習(xí)的核心基礎(chǔ)知識之上的，所以最開始時，一定要專注于核心基礎(chǔ)知識上。一旦我們掌握了核心基礎(chǔ)知識，后面延展到更高級的方向時，也會感覺容易很多。

3.一定要理論和實踐相結(jié)合可以說，機器學(xué)習(xí)這門技術(shù)，是世界上理論與實踐結(jié)合最緊密的學(xué)科之一。實際上，整個計算機科學(xué)領(lǐng)域也都有這種共性。有的時候，大家會看到在一些網(wǎng)絡(luò)論壇上，很多人為了爭論理論吵得喋喋不休，但他們卻從來沒有真正動手做過項目，所有的討論都是空中樓閣；另外有些工程師，他們會非常熟練地使用各種工具，但是對背后的原理卻知之甚少。實際上這兩種狀態(tài)都不可取，只鉆研理論或者只關(guān)注應(yīng)用，都會在將來影響大家的職業(yè)發(fā)展。

我的建議是，在學(xué)習(xí)的過程中，大家先對機器學(xué)習(xí)中的算法原理有一個大致的了解，然后再應(yīng)用這個算法去解決一些實際問題，再反過來想一想還有沒有改進(jìn)的空間。例如我為什么要使用這個算法？是不是還有更適合這個問題的算法？這個參數(shù)是什么意思？我該如何調(diào)節(jié)它等等。

4.試著自己動手寫一些算法雖然現(xiàn)在有很多非常方便的機器學(xué)習(xí)建模工具，可以讓用戶甚至一行代碼都不用寫，就可以實現(xiàn)機器學(xué)習(xí)模型的訓(xùn)練和部署，不過我還是建議大家不妨自己動手，用代碼來實現(xiàn)一些簡單的算法。這樣做會讓大家對算法有更深入的理解，如果日后工作中需要對某些算法進(jìn)行改進(jìn)，這樣的經(jīng)驗會讓大家更加得心應(yīng)手。

5.從統(tǒng)計學(xué)層面理解算法有一部分從事機器學(xué)習(xí)職位的人，是從計算機科學(xué)領(lǐng)域轉(zhuǎn)過來的。而機器學(xué)習(xí)其實和統(tǒng)計學(xué)有著非常非常緊密的聯(lián)系。同樣一個算法，從計算機科學(xué)的角度來進(jìn)行解釋，與從統(tǒng)計學(xué)的角度進(jìn)行解釋，是會有不同的說法。因此，從統(tǒng)計學(xué)的角度去理解機器學(xué)習(xí)算法，對大家非常有幫助。

6.多思考應(yīng)用場景有些朋友在學(xué)習(xí)過程中，很容易沉迷于工具或者是算法的使用，而忽視了應(yīng)用場景的特點。實際上，機器學(xué)習(xí)能否起作用，或者說能夠產(chǎn)生價值，和應(yīng)用場景的特點密切相關(guān)。換句話說，如果大家對業(yè)務(wù)場景不夠熟悉，不知道哪些數(shù)據(jù)對于結(jié)果有決定性作用，那么即使訓(xùn)練出來的模型可能也沒有實用的價值。這就成了一種舍本逐末的行為了。所以，一定要在準(zhǔn)備數(shù)據(jù)的階段就深入思考業(yè)務(wù)場景，讓模型更具有使用價值。

7.不要相信炒作現(xiàn)在很多媒體為了吸引眼球，都會夸大其詞。我們常常會看到一些如同科幻小說一樣的報道，還有一些文章不惜鼓吹人工智能的發(fā)展將會導(dǎo)致人類大規(guī)模失業(yè)。更有甚者，甚至提出駭人聽聞的威脅論，說人工智能未來會進(jìn)化為超級物種，并且會與人類為敵，并在自身進(jìn)化到一定地步便會統(tǒng)治人類、奴役人類。對于這樣的文章或是宣傳，大家不要當(dāng)真。不管是人工智能還是機器學(xué)習(xí)，都是我們用來開展工作和學(xué)習(xí)的工具，但它也僅僅是各種工具中的一種而已，沒有必要把它看得太過于神奇，以平常心對待即可。

8.找到自己感興趣的項目俗話說，羅馬不是一天建成的。機器學(xué)習(xí)也是如此，需要我們投入大量的精力和時間去鉆研。這個過程漫長且枯燥，非常容易讓初學(xué)者覺得無法堅持下去，以致于中途就放棄了。因此，找到自己感興趣的項目，可以幫助大家更好地堅持學(xué)習(xí)。例如你喜歡炒股，那就試試訓(xùn)練一個預(yù)測股價的模型?；蛘吣阆矚g足球比賽，那么可以試試用模型預(yù)測一下哪一只隊伍會獲得冠軍，等等。切記，好的學(xué)習(xí)者一定懂得如何讓自己在學(xué)習(xí)過程中感到快樂。

9.記得鍛煉身體最后一點，也是最重要的一點。如果大家真的決定走上數(shù)據(jù)科學(xué)這條職業(yè)發(fā)展道路，那么一定要養(yǎng)成鍛煉身體的習(xí)慣。這個領(lǐng)域的工作強度很大，沒有好的體魄會讓你感到力不從心。另外，好的身材也會讓你的職業(yè)發(fā)展更加順利，畢竟，人們更喜歡風(fēng)度翩翩的科學(xué)家。