关于机器学习，你必须知道的几件事丨Q&A机器学习讲座总结

A：学术界和工业界的区别其实是很大的，因为使命是不一样的。学术要在做从无到有的东西，做人类的knowledge，而工业侧重于把这个knowledge实现，以应用于人类社会中。

A：我的建议是大家尽可能的早些找到科研机会，先和科研确定一下眼神，如果不是对的人就赶快转向工业界，流连忘返是很容易两手空空的。在学校的同学应该有很多机会可以在大三或者大四跟着学长学姐或者教授进实验室，这是一个很好的体验科研过程的机会，如果1-2个学期之后发现自己不适合搞科研，那就赶紧为实习就业做准备吧。

A：这个问题默认已经对机器学习有一定的了解，并且具备了足够的基础知识。首先就是要打破幻想，了解主流模型，其实工业界的大部分技术没有我们想象的那么炫酷，你很少能看到深度强化学习那种AlphaGo一样酷炫的模型。一般来说广义的线性模型（generalized linear models）已经可以解决大部分的问题了，剩下的一般也逃不过普通任务深度网络、视觉任务卷积网络（CNN）、语音和文字任务递归网络（RNN+LSTM）。所以熟知各种技术是最基本的要求，有了这个基础，才能根据实际问题选择最合适的解决方案。

A：首先要有正确的认识，机器学习是一个非常大的研究领域，它是指计算机学习过程的自动化，与人工智能有很大的交叠。从深奥的学习理论到机器人技术——这个领域的范围非常广，不可能将它们整个拿下。

所以可以先选择一个小方向（先挣一个亿），比如目标识别，那在计算机视觉领域应用的最广的就是卷积神经网络，以此为出发点，从理论开始，覆盖每一个相关的知识点，理论过关了，就可以自己动手开始搭建模型进行训练了。

当然在这个过程中会有很多陷阱，怎么避开呢？最直接的方法就是让有经验或者曾经掉到过坑里的人带你绕开这些陷阱咯，所以建议大家去上一门课，我们前一篇推文里面有对四门机器学习课程的比较可以供大家参考（点击这里阅读，公众号发送【机器学习】获取课程资源集合）。当然也可以选择理论+实践的实用课程，比如机器学习小组的课程（微笑脸）。