Py学习  »  机器学习算法

你走过最长的路,就是深度学习过程中的弯路

机器学习算法与Python学习 • 5 年前 • 436 次点击  

尽听说现在国内外一线互联网巨头,包括后起的独角兽,对 AI 人才的需求非常大。


然而,AI 岗位还是面临僧多粥少的窘境。其中一个非常关键的问题在于,真正掌握 AI 知识技术的人才,还是非常稀缺。


那么如何能够成为 AI 人才,又如何能够被抢呢?是很多人都非常关心的问题。


如果你有一个明确的学习路线 、执行能力和学习能力 ,那么恭喜你 ,你几乎只需要找一份齐全且系统的资料 ,凭借你超强的自学能力绝对没问题 。


如果你是执行能力不太强的大多数人群之一 ,推荐找一个靠谱的导师带你入门到精通 ,的确能够极大程度上避免走弯路 ,浪费太多的时间。


一位转型AI的朋友,最近对我抱怨,“走过的最远的路,就是深度学习过程中的弯路”,然后开始各种blablabla,从论文的坑,到模型的坑,再到培训的坑...一路吐槽。

2


尤其是论文,他骂道:“最讨厌的就是那种,高高在上、假装清高、站着说话不腰疼、戳不到痛点的论文。比如那一堆只能在理论中刷存在感,实际落地中只能‘呵呵哒’的论文,根本就是浪费时间。”

的确,对于现在刚刚入行的深度学习新人来说,不怕吃苦,但最怕走弯路,最怕白白浪费时间。

知乎答主ycszen,在他看来,最大弯路,就是迷信论文,不去实验

DLML其实是一门实践性的学科,只有通过实验才能把握到其中的细节与真谛。虽说也是在写程序,但是DL的程序基本上无法直观地debug,所以非得自己去复现一下,实践一下,用performance来说话,才知道有没有出错。

尤其是DL ,研究发展到现在,论文和实际做的东西脱节已经是心照不宣的事了。正因为NN+GD的鲁棒性,你xjb搞好像也能搞上去,所以写论文很多纯粹在编故事(好论文除外)

所以,我们最好不要一味相信论文所说,尤其是各种解释(经典算法,优秀论文除外)NN就是个黑盒,谁也别说谁。而我们能做的,更重要的是,去实践去复现,去去伪存真,去发现其中真正的本质所在。

而知乎答主:YukiRainCV/ML方向研究生在读)则认为,非科班出身,刚转型AI的程序员最大的弯路是:没学好数学

而对于数学基础好,科班出生的AI程序员来说,则应注意以下几个问题

1.一开始没人带的时候,看论文喜欢看最新的,很大程度上忽视了很多比较老比较基础的论文,嫌弃以前的方法performance不好什么的......感觉我身边一些人也走进过这个误区......

2.永远不要迷信某个特定的模型,不要因为random forest 在某个任务上效果好,就以后遇到什么任务都上random forest;也不要觉得深度学习就是万能的,什么都可以套神经网络解决;不要看到比赛里面大家整天用xgboost就整人云亦云地复制。学各种算法的时候,书上一般会告诉你这个算法有balabala优点一堆,但是一般不会告诉你这个算法也有balabala一堆缺点,我花了蛮长时间在这个坑里,慢慢摸索各种不同模型的特性。

3. 不要迷信一些理论性很强的论文,我一开始的时候,经常看到一大堆公式就下意识会觉得这个模型可能效果不错。事实上很多论文的理论推导和它的代码毫无关联(参见已经彻底回归炼丹的WGAN GP),还有很多论文的推导需要很强的assumption支持(参见每年都会出现在顶会的一些给模型加riemannian geometry的论文),等等。

那么面对这些弯路,又应该如何解决呢?

那就是走正统的教育路线,你follow的人一定是真正做事情的人。深度学习还没有达到批量化流水生产的阶段,因此一个好的老师傅比自学效果好很多。不仅如此,老师傅们一般都有自己多年经验总结出来的经验,往往可以避免很多不必要弯路。目前深度学习的资料有很多,动辄就有几个G的材料可以下载或者观看。而很多朋友都有收集癖,一下子购买十几本书的人我也常常能够看到。而深度学习的发展和变化速度很快,在入门期间,建议小而精的选择资料。这不仅可以节约重复学习的时间,也可以读有品位的材料。

请相信我,这是一堂性价比爆炸的课程,超值到你如果不买,会后悔的那种。


《深度学习》第二期


原价     ¥999.00 

现超140报名

已至底价     ¥ 399.00 


>>  点击文末阅读原文参团  <<


咨询,查看大纲,请点击【阅读原文】

↓↓↓


今天看啥 - 高品质阅读平台
本文地址:http://www.jintiankansha.me/t/rDEzw3MbPN
Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/26531
 
436 次点击