Py学习  »  机器学习算法

如果没有那么优秀,研究生阶段选择机器学习方向还有出路吗?

极市平台 • 4 年前 • 216 次点击  

加入极市专业CV交流群,与6000+来自腾讯,华为,百度,北大,清华,中科院等名企名校视觉开发者互动交流!更有机会与李开复老师等大牛群内互动!

同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总,行业技术交流。关注 极市平台 公众号 ,回复 加群,立刻申请入群~


本文内容已获得作者授权

来源:https://www.zhihu.com/question/335991165


如果没有那么优秀,研究生阶段选择机器学习方向还有出路吗?


有题主在知乎上发文称,机器学习大佬的经历给了他很大触动,顶级名校、各种科研经历和项目成果,“写论文已经开始不追求顶会,而是追求完美的质量”。


而自己“在本科阶段只是一个普通本科,周围也没有那么多大牛能够指点......考研有幸考入到211学校”并且每次“想起大牛们在研究生阶段谈笑风生间优化框架底层算法,感觉差距很遥远,内心一种无力感”。


那么,如果没有那么优秀,研究生阶段选择机器学习方向还有出路吗?


作者:微调

https://www.zhihu.com/people/breaknever/activities


那天读了一句话,大意是人生有两个重要时刻:一是意识到自己只是普通人,二是意识到自己的孩子只是 普通人。评论区也读到两句有意思的话,大意是人生有两个重要时刻:一是发现自己不是普通人,二是发 现自己是普通人。 


这些想法虽然真实,但稍微有点悲观。如果我们普通人能先破后立的话,一般也能做出一点小突破。题主 提到的“每天读两篇论文,坚持背50个英语单词,多学点公开课”,这些都似乎都对科研有一定的帮助, 但都不是问题的核心。


照我的观察,很多厉害的工作不是从一开始就那么惊艳,而是慢慢雕琢而成。作为 一个普通的科研工作者,我们可以从两个维度提高: 

  • 思考的频率、广度和深度 

  • 执行力 


思考的频率指的是回溯旧问题的次数,这种习惯可以培养。比如我们学习到的新知识其实是一件件工具, 不断用学到的新工具去重新思考以前的旧问题,往往新工具就能解决旧问题。我的一个建议不如把自己遇 到的各种科研问题,不论多么不成熟都记下来在本子上,每过一阵子去翻看一遍学到的新知是否能够解决 新问题。


比如没学数据结构前,你总在想为啥我实现的机器学习模型这么慢,学了以后才知道搜索近邻可 以用kd-tree,要是可并行的任务可以分解成小任务在多个core上运行。很多问题的答案其实非常朴实无 华,但当你知道答案时,往往连问题都忘了,所以你总是没有好点子。因此要不断的记录,不断的回溯。随着你不断重复这个过程,思考的广度和深度都会上升。 


我喜欢的是在夜跑出发前选一个主题,一边跑就一边天马行空想和这个主题相关的内容。跑完步再把内容 记录下来(我一般看情况会选择纸质笔记或者evernote,最后再整理到OneNote里)。你往往想着A主 题,就会联想到B,时间长了就会有一些靠谱的点子出来。 


其次就是执行力,人最终的问题就是想太多而做太少。绝大部分学术新星一开始的点子也是老板给的,或 者一开始的工作也并非特别惊艳。但做的多了,质量总是会上升的。务实的说,有了尚可的点子就先做实 验,有了尚可的实验结果就写论文,今天发不了CVPR就先发ICIP,迭代式上升才是符合普通人的路线。如 果想要奔着搞大新闻的目标做科研,往往会卡很久很久很久...很久很久很久。但也不能总恰烂文章,必须逐 步提高对自己的要求。


最后,也是我觉得最重要的一点就是「兴趣」。恬不知耻的举一个我的例子,几周前我回答了一个关于模 型集成的问题(大部分机器学习算法具有随机性,只需多次实验求平均值即可吗?),回答后我搜索了半 天发现没有易用的工具,于是就花了两周时间做了一个初步的Python工具库出来,并打算长期开发完善它。

https://zhuanlan.zhihu.com/p/75584326

因为这一切都是兴趣推动的,所以 才很有动力。你只有对自己的内容认可,才能做出让大家接受的内容。


我做过的第一个比较受欢迎的工作https://github.com/yzhao062/pyod也是相似的,才能有热情花好几年时间来完善它。你最好能找到自己觉得有意思且重 要的课题,而非是能发XXX会议的课题。只有这样你的内心才有动力,而非迷茫与功利。


而这一切的前提,也还是要有一定的思考和观察,毕竟好的点子不会从天上掉下来。而当你的工作质量上去了,得到关 注与发表到好的期刊/会议只是水到渠成而已。回到主题,我们必须先承认自己并不在科研食物链的顶端,而且往往是处于中下游。但梁静茹也给了我们 勇气,鼓励我们去做一些至少自己感兴趣且可以感到满意的工作。


想要做出这类工作,就需要不断提高自 己的思考能力和执行力。再务实一点说,从就业角度看做机器学习不一定比学软件开发性价比更高,毕竟 后者岗位多需求大不易过气。所以在投身机器学习科研前,或者任何科研领域前,不如先想想自己的目的 是啥,是为了找工作?发大财?当科学家?还是?没了解清楚前,不要给自己定一个虚无缥缈的的目标, 也不要读了大牛的成功故事就感到自惭形秽。


日子是我们自己的,你被感动、被激励只是说明人家文章写 得好,和我们关系不大。你学学写作技巧后,最好赶快回到现实世界里来比较重要。不要给自己加戏,自 怨自艾、感动、受鼓舞,都大可不必,务实就好。


有天我妈问我的工作内容到底是啥?我告她就是修自行车。一个新点子就像是个骨架,初期修修补补先上 路再说,叮叮哐哐咱慢慢修它,先能骑就行。你沿路捡个轮胎,随手淘个发动机(找到了新的工具),再一改装,或许就成摩托车了。


搞科研的,别看见人家有摩托车就焦虑,就眼红,就着急,其实大家都是一 路捡破烂过来的。


大家出门都是一双脚,你要啥自行车啊?



作者:香蕉树下的老中医

https://www.zhihu.com/people/bai_62868/activities


每次看到这种类型的问题,我都想到沐神在朋友圈说过的话。

截图如下,



虽然tianqi也是我的偶像,但是我知道这种差距是弥补不过来的。。。


(xgboost就不说了),不管是从mxnet(早期cxxnet)还是到现在的tvm。你会发现,这些流弊的人思考问题的方式和执行能力(据说tianqi每天的作息时间都是非常固定)是你所想象不到的,这也能够说明为什么他们能在某个特定的时代做出具有一定意义,并且思想较为超前的system或者tools(虽然有些人会喷tvm,mxnet。。。


结合我自己的感觉,有幸今年暑假在cornell做summer research,旁边坐着dmlc社区,当时TVM的某位作者。和大佬简单对下了护照,没想到我俩竟然是同年同月同日同时生,大佬(PhD第一年)现在的citation已经110+了(各种大满贯+best paper)。。。再看看自己,菜狗一只,根本不敢说话,默默舔就完事了!其实啊,这些差距并不是你我这种普通人做了什么努力就能弥补过来的。


人生啊,活得开心就好,没必要把自己整的那么难受。实在不行就像我一样,早早脱坑,早早开始准备老家的公务员考试。进入新的世界,你就会发现其实你的天赋点加到了别的domain。


不知道兄弟你听没听过这句话:“十年科研一场空,一张彩票变富翁!”





对于这个问题你怎么想呢~ 欢迎大家在下面留言讨论~


-完-



*延伸阅读



添加极市小助手微信(ID : cv-mart),备注:研究方向-姓名-学校/公司-城市(如:目标检测-小极-北大-深圳),即可申请加入目标检测、目标跟踪、人脸、工业检测、医学影像、三维&SLAM、图像分割等极市技术交流群,更有每月大咖直播分享、真实项目需求对接、干货资讯汇总,行业技术交流一起来让思想之光照的更远吧~


△长按添加极市小助手


△长按关注极市平台


觉得有用麻烦给个在看啦~  


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/37356
 
216 次点击