【51CTO.com原創(chuàng)稿件】機(jī)器學(xué)習(xí)可以說(shuō)是人工智能的核心，是使計(jì)算機(jī)具有智能的根本途徑。隨著人工智能的火爆，不少IT人加入了機(jī)器學(xué)習(xí)領(lǐng)域的大軍。對(duì)剛剛?cè)胄械臋C(jī)器學(xué)習(xí)新人來(lái)說(shuō)，不怕吃苦但最怕走彎路白白浪費(fèi)時(shí)間。
不知群里是否有從事機(jī)器學(xué)習(xí)領(lǐng)域的伙伴，一起分享和探討一下機(jī)器學(xué)習(xí)過(guò)程中走過(guò)的彎路。
以下內(nèi)容來(lái)自51CTO開發(fā)者微信交流群的討論分享
51CTO小助手:
你在學(xué)習(xí)時(shí)是看中論文？還是更注重實(shí)踐？模型的力量有多大？歡迎大家分享自己的觀點(diǎn)

廣州-timo:
肯定更注重實(shí)踐??！現(xiàn)在感覺(jué)論文的那些東西都好水！

運(yùn)維/java-陳興-北京:
最嚴(yán)重的就是云計(jì)算 大數(shù)據(jù)這塊的論文水的太厲害了，人工智能也水

云計(jì)算-北京-Angie.Z:
人工智能是實(shí)踐性學(xué)科

北京-肝帝-運(yùn)維:
這個(gè)是不是 就是玩算法？

云計(jì)算-北京-Angie.Z:
算法、模型、框架

北京-肝帝-運(yùn)維:
大家都是實(shí)踐中不過(guò)這個(gè)是人工智能 核心比較高端的技術(shù)，誰(shuí)有好的學(xué)習(xí)資料推薦，可以先瞻仰一下。

運(yùn)維-北京-zhangcheng：
我們***不要一味相信論文，尤其是各種解釋(經(jīng)典算法，優(yōu)秀論文除外)。NN就是個(gè)黑盒，誰(shuí)也別說(shuō)誰(shuí)。

安全-藍(lán)宇-北京：
我們能做的，就是去實(shí)踐去復(fù)現(xiàn)，去去偽存真，去發(fā)現(xiàn)其中真正的本質(zhì)所在。

運(yùn)維-江蘇-騎兵：
DL\ML其實(shí)是一門實(shí)踐性的學(xué)科，只有通過(guò)實(shí)驗(yàn)才能把握到其中的細(xì)節(jié)與真諦。雖說(shuō)也是在寫程序，但是DL的程序基本上無(wú)法直觀地debug，所以非得自己去復(fù)現(xiàn)一下，實(shí)踐一下，用performance來(lái)說(shuō)話，才知道有沒(méi)有出錯(cuò)。

云計(jì)算-鳶瑋-北京：
永遠(yuǎn)不要迷信某個(gè)特定的模型，不要因?yàn)閞andom forest在某個(gè)任務(wù)上效果好，就以后遇到什么任務(wù)都上random forest。

廣州-timo:
學(xué)習(xí)資料？可以找?guī)讉€(gè)玩自動(dòng)駕駛汽車的學(xué)習(xí)一下；自動(dòng)駕駛汽車把人工智能的幾個(gè)階段L0-L5，每個(gè)階段是啥樣分的非常的清晰。

運(yùn)維-北京-zhangcheng：
學(xué)各種算法的時(shí)候，書上一般會(huì)告訴你這個(gè)算法有balabala優(yōu)點(diǎn)一堆，但是一般不會(huì)告訴你這個(gè)算法也有balabala一堆缺點(diǎn)，我花了蠻長(zhǎng)時(shí)間在這個(gè)坑里，慢慢摸索各種不同模型的特性。
北京-肝帝-運(yùn)維:
機(jī)器學(xué)習(xí):例 汽車必須通過(guò)攝像頭識(shí)別停車標(biāo)志。構(gòu)建了數(shù)以百萬(wàn)計(jì)的街邊物體照片數(shù)據(jù)集，并訓(xùn)練算法來(lái)預(yù)測(cè)哪些街邊是有停車標(biāo)志。@廣州-timo 自動(dòng)駕駛的確是一個(gè)典型的場(chǎng)景

北京-肝帝-運(yùn)維:
這個(gè)還有培訓(xùn)班呢

運(yùn)維/java-陳興-北京:
這玩意的培訓(xùn)班 一般的誰(shuí)敢去，全世界都在摸著石頭過(guò)河，培訓(xùn)班也就教demo教工具，自學(xué)都可以的東西。吳恩達(dá)搞過(guò) 但是普遍觀點(diǎn)是能出來(lái)深度學(xué)習(xí)工程師 而不是深度學(xué)習(xí)研究員 還有這些工程師也是屬于自學(xué)能力比較強(qiáng)的 學(xué)歷怎么也得是碩士的那幫

北京-肝帝-運(yùn)維:
嗯 培訓(xùn)應(yīng)該也是交一些語(yǔ)言和工具

運(yùn)維/java-陳興-北京:
國(guó)內(nèi)的培訓(xùn)機(jī)構(gòu)誰(shuí)敢說(shuō)自己比吳恩達(dá)牛逼。有哪個(gè)培訓(xùn)機(jī)構(gòu)教你數(shù)學(xué)，數(shù)學(xué)分析概率論這玩意沒(méi)數(shù)學(xué)基礎(chǔ)誰(shuí)玩得轉(zhuǎn)

51CTO小助手:
自學(xué)貴在堅(jiān)持，培訓(xùn)的話應(yīng)該也就是可以入個(gè)門吧？

運(yùn)維/java-陳興-北京:
入門？我看費(fèi)勁，深度學(xué)習(xí)不比別的，這玩意吃數(shù)學(xué)基礎(chǔ)

北京-肝帝-運(yùn)維:
對(duì)，現(xiàn)在這個(gè)方面的門檻很高，估計(jì)研究生都是站一邊看的那種

運(yùn)維/java-陳興-北京:
培訓(xùn)機(jī)構(gòu)就是為了賺錢，賺錢就代表是速成，速成的你指望基礎(chǔ)有多好么。而且數(shù)學(xué)這玩意吃天賦 吃時(shí)間

51CTO小助手:
嗯吶，英語(yǔ)也是加分項(xiàng)主流書籍文獻(xiàn)能直接閱讀***，雖然接收翻譯，雖然現(xiàn)在咱國(guó)內(nèi)的也不錯(cuò)

運(yùn)維/java-陳興-北京:
翻譯這玩意就容易二次加工了，本來(lái)書籍就是作者個(gè)人觀點(diǎn)翻譯肯定會(huì)二次加工。推薦啃官方文檔 和自己閱讀外文書籍，說(shuō)實(shí)話真的去深度學(xué)習(xí)培訓(xùn)機(jī)構(gòu)出來(lái)的，充其量也就是腳本小子那級(jí)別

天馬-無(wú)業(yè)-北京:
https://github.com/daimalaoge/uc_manager

北京-陽(yáng)陽(yáng)-安卓:
我正在看《人工智能》，盧奇的那本，國(guó)外大學(xué)的教材

全棧-Leon-哈爾濱:
有研究react native的小伙伴嘛？

北京-陽(yáng)陽(yáng)-安卓:
這本書的譯者，林賜，是貝爾實(shí)驗(yàn)室的人工智能研究員，可靠性還是有的

51CTO小助手:
有沒(méi)有小伙伴要改行做機(jī)器學(xué)習(xí)或者人工智能的呢？

半個(gè)IT-廣州-小星星:
有興趣，但么經(jīng)驗(yàn)

數(shù)通~北極熊~沈陽(yáng):
ai啊，有，難嗎？

網(wǎng)絡(luò)-凱-北京:
想轉(zhuǎn)，感覺(jué)很難呀～

安卓-救贖-北京:
想轉(zhuǎn)，數(shù)學(xué)基礎(chǔ)太差了

網(wǎng)絡(luò)-凱-北京:
我也是搞數(shù)通的，沒(méi)有開發(fā)基礎(chǔ)，肯定要花苦功夫才行的

java 小白 廣州:
數(shù)學(xué)，就那樣了，學(xué)不好的，這才是感慨

51CTO小助手:
結(jié)合好自己的領(lǐng)域知識(shí)學(xué)習(xí)，也能有一定的競(jìng)爭(zhēng)力

運(yùn)維-江蘇-騎兵：
不要求快，沒(méi)有捷徑。自己首先有個(gè)心理預(yù)期，數(shù)學(xué)好的入門也得一年半載的，數(shù)學(xué)需要補(bǔ)基礎(chǔ)的估計(jì)要1-2年。可以去上培訓(xùn)班，交點(diǎn)錢，但也就跟機(jī)器學(xué)習(xí)混個(gè)臉熟。想入門還得花時(shí)間慢慢磨，真的沒(méi)捷徑！

網(wǎng)安-Kevin-北京:
嗯嗯嗯

云計(jì)算-鳶瑋-北京：
模型不求多，精通幾個(gè)常見(jiàn)的，把機(jī)器學(xué)習(xí)的套路摸透就可以了。比如LR，樸素貝葉斯，決策樹，基于SVD相關(guān)的簡(jiǎn)單模型，如推薦系統(tǒng)等。
java 小白 廣州:
有時(shí)候發(fā)現(xiàn)，數(shù)學(xué)不好的邏輯思維其實(shí)也很棒，不知道你們是否也有同感呢？

半個(gè)網(wǎng)工-白學(xué)-廣州:
數(shù)學(xué) 到現(xiàn)在看到數(shù)學(xué)也是腦殼痛

51CTO小助手:
是的呀，不少同學(xué)反饋數(shù)學(xué)。。。但是掌握所有相關(guān)數(shù)學(xué)知識(shí)再開始學(xué)也不現(xiàn)實(shí)。

云計(jì)算-北京-Angie.Z:
不要求快，沒(méi)有捷徑。自己首先有個(gè)心理預(yù)期，數(shù)學(xué)好的入門也得一年半載的，數(shù)學(xué)需要補(bǔ)基礎(chǔ)的估計(jì)要1-2年?？梢匀ド吓嘤?xùn)班，交點(diǎn)錢，但也就跟機(jī)器學(xué)習(xí)混個(gè)臉熟。想入門還得花時(shí)間慢慢磨。

安全-藍(lán)宇-北京：
機(jī)器學(xué)習(xí)這套系統(tǒng)與傳統(tǒng)技術(shù)系統(tǒng)有個(gè)非常大的差別。搭建個(gè)web/app系統(tǒng)難度不大，且做的好與壞，短期內(nèi)不好區(qū)分與評(píng)價(jià)。垃圾系統(tǒng)在用戶量不大的時(shí)候也能表現(xiàn)得不錯(cuò)。只有在用戶量變得較大時(shí)，才會(huì)掉鏈子而遭打臉。 機(jī)器學(xué)習(xí)的系統(tǒng)不是這樣，它是分分鐘打臉。也就是我們常說(shuō)的，這個(gè)系統(tǒng)不確定性較大，駕馭它的門檻略高。

前端-北京-大志：
機(jī)器學(xué)習(xí)還沒(méi)有達(dá)到批量化流水生產(chǎn)的階段，因此一個(gè)好的“老師傅”比自學(xué)效果好很多。不僅如此，老師傅們一般都有自己多年經(jīng)驗(yàn)總結(jié)出來(lái)的經(jīng)驗(yàn)，往往可以避免很多不必要彎路。但選擇老師傅應(yīng)該注意是不是“掛羊頭賣狗肉”，尤其要提防跨專業(yè)但號(hào)稱多年的經(jīng)驗(yàn)的人，有很高的概率是在蹭熱點(diǎn)。

阿下-運(yùn)維-北京：
不要把深度學(xué)習(xí)作為入門***課，建議從經(jīng)典機(jī)器學(xué)習(xí)開始入手。雖然很多人都是沖著深度學(xué)習(xí)來(lái)的，但把深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)***課不是個(gè)好主意。
原因：深度學(xué)習(xí)的黑箱性更加明顯，很容易學(xué)得囫圇吞棗；深度學(xué)習(xí)的理論/模型架構(gòu)/技巧還在一直變化當(dāng)中，并未塵埃落定；深度學(xué)習(xí)實(shí)驗(yàn)對(duì)硬件要求高，不太適合自學(xué)或者使用個(gè)人電腦進(jìn)行學(xué)習(xí)。

51CTO小助手：
有沒(méi)有什么好的機(jī)器學(xué)習(xí)的平臺(tái)？

云計(jì)算-北京-Angie.Z:

運(yùn)維-江蘇-騎兵：
很多啊，一些國(guó)際巨頭在機(jī)器學(xué)習(xí)方面都很厲害，比如AWS、微軟。

安全-藍(lán)宇-北京：
AWS不錯(cuò)。

51CTO小助手：
AWS Deep Learning AMI 為機(jī)器學(xué)習(xí)從業(yè)者和研究人員提供基礎(chǔ)設(shè)施和各種工具，促進(jìn)云中任何規(guī)模的深度學(xué)習(xí)?？梢钥焖賳?dòng)預(yù)安裝了 Apache MXNet 和 Gluon、TensorFlow、Microsoft Cognitive Toolkit、Caffe、Caffe2、Theano、Torch、Pytorch 和 Keras 等常見(jiàn)深度學(xué)習(xí)框架的 Amazon EC2 實(shí)例，來(lái)訓(xùn)練復(fù)雜的自定義 AI 模型、試驗(yàn)新算法或?qū)W習(xí)新技能和技術(shù)。
無(wú)論需要 Amazon EC2 GPU 實(shí)例還是 CPU 實(shí)例，都無(wú)需為 Deep Learning AMI 支付額外費(fèi)用 – 只需為存儲(chǔ)和運(yùn)行應(yīng)用程序所需的 AWS 資源付費(fèi)。
大家可以關(guān)注一下哦！

【51CTO原創(chuàng)稿件，合作站點(diǎn)轉(zhuǎn)載請(qǐng)注明原文作者和出處為51CTO.com】