点击上方“ CVer ”，选择加"星标"或“置顶”
重磅干货，第一时间送达
编辑：Amusi
https://www.zhihu.com/question/339602806
本文仅作为学术分享，如果侵权，会删文处理
如果我没有那么优秀，我研究生阶段选择机器学习方向还有出路吗？
最近看了一些机器学习大小牛的经历，本科就是顶尖985参与科研发表顶会论文，研究生就开始自己写框架(比如xgboost和mxnet，雏形都是学生时代就有想法)，在健身游玩的路上就不小心解决了项目中一个难题，在飞机上构思好了框架，各种出国各种藤校各种项目。写论文已经开始不追求顶会，而是追求完美的质量(比如poster级别的就不发了)。
题主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，靠着自学学习了深度学习和机器学习方向一些算法的推导和实践，考研有幸考入到211学校，了解了一下导师大概是搞机器学习方向的博导，但是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。
请问我选择在研究生阶段学习机器学习，会有好点的出路吗?我现在应该怎么做才可能弥补与大神们之间的差距?每天读一篇论文?但我不知道该从哪下手，希望能获得大家的一些建议。
作者： 微调 https://www.zhihu.com/question/335991165/answer/771725335
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（微调：combo:「Python机器学习模型合并工具库」简介 ），并打算长期开发完善它。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/question/335991165/answer/773125654
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! “
作者： 纳米酱 https://www.zhihu.com/question/335991165/answer/774693547
说两点，我觉得你认知有偏差。
第一，你对标的目标错了，你和那位顶级学者比，大家都知道那位备受尊敬的人是谁，知道他的实力和影响力，这要求实在太高了。我觉得题主不应该一开始就定这种遥不可及的目标，你的定位，应该是对标国内价值观相对比较正确，能力公认比较强的博士，这才是合理的目标。我相信你不断追求，不出意外，也能够找到不错的工作，如果大厂要求高，不要你，只是一个行业的扩张期结束，人员流动性变差，不是你不优秀，商业有商业的本质，不要因为行业萎缩导致人才要求变高，就误认为是自己无能，行业萎缩，其它优秀从业人员一样会感受到这种冰冷刺骨，他们生存状态不比你好多少。
题主要学会换一种角度思考何为优秀，我们教育有个错误的导向，是告诉你赢了人家才有饭吃，比人家发多少文章才能生存，这是错误的认知。虽然现实仍然是残酷的优胜略汰法则，可是题主要坚信，教育最初的愿景，是你帮了其他人，才会有饭吃，无论商业还是学术，你要学会寻找如何让人家感到你有帮助，如何提升其他人的认知，而不是想着如何被世俗定义为优秀。优秀不是生态，只有利益能够转起来，才有行业的生机蓬勃。题主要懂得在一个旋转的时代轮子上，找到自己的位置，并坚信，站在轮子高处的人，也是因为轮子转动，才把他带到了更高的层面，AI 领域轮子转动很快，题主不要轻言放弃，但也到懂得放弃一些轮子，要懂得一些轮子看似高大上，但是上面挂满了人，转动变得很慢了。
至于题主说到的本科生科研，现状是高中生也到公司实习搞机器学习了。。除了少数天然厉害的，他们99%都需要有经验的人带， idea 都是可怜的导师和博士们给的，懂得带，给对了 idea，和年轻人的能力恰好匹配，他们确实很快能做出成果，他们可以，题主也可以，你只是没那个机会罢了。人生很长，受过苦难的人，才会对那些能够高度自驱的人，自己找方向做下去的人给以尊敬，即便世俗意义下，他们并不优秀，但是绝对不会惨。
第二，不优秀的人一样可以做机器学习，从事某个行业是你个人的权利，你不需要害怕。至于出路，我是坚实的 AI 民主化人士，我希望大家都能够学习编程，能够掌握 AI 的工具，人人都能够做AI，大家一起想办法提升生活方面面的点。
我反对机器学习领域因为不优秀就排挤从业人员，反对发不出文章就指摘对方能力不足，我反对因为你调不出 google 的模型，没学会 facebook 的框架，就被大佬鄙视，被行业世俗功利的评价批评不优秀。这是一种反人类思考模式，只有东亚内卷极致的国家，才会自卑到因为跟不上某个有钱玩家的步伐，就放弃思考差异性的提升。
AI 不是空中楼阁，需要有产品，有商业生态，而不是那一堆堆顶会文章，文章可以支撑起一个信仰，但是支撑不起产业，甚至连估值都不能支撑起来。AI 领域反而需要有自知之明的工程师去打磨产品，你能意识到自己不优秀，中国还有成千上万的人群连AI是啥都不知道，你心态平和，充满理想，实际上更容易挖掘人们的需求。放在10年前，你看了历史，就会了解到，移动互联网的爆发不是因为某一群人写前端很厉害，这只是码农自以为是的吹嘘。恰恰相反，移动互联网的爆发，是一群恰好懂一点开发的人，误打误撞，挖掘出移动端上的需求，快速尝到了技术带来的甜头，才有后面前端的蓬勃发展。喝水别忘挖井人，功与过，不能简单变成学术优不优秀，成绩好不好，排名高不高来衡量。移动互联浪潮如此，AI 也会如此，5G 更是如此，所有技术的革新亦是如此。
题主要有自信，国内那些发了顶会，评委给个高分就整个朋友圈吹，或者背后搞姑娘，对论文没有仪式感，到处吹嘘的垃圾，大家知道这帮人是谁，我很鄙视他们，题主也敢于鄙视他们，不要自卑，他们只是过眼云烟，只是学术江湖背后运作保护起来的人，他们的优秀，是病态的学术环境给与的。题主要有自信，这个行业没你想得这么高大上，有很多连价值观都是错误的人都能从事这个行业，他们靠啥手段发家，我在这个圈子，或多或少了解一点，他们都能够吃香喝辣，题主为何这么不自信。
我希望题主站到一定高度去思考人生，不要被眼前片刻的虚荣和浮夸所蒙蔽，影响自己前行的决心。
作者： zhongyian https://www.zhihu.com/question/335991165/answer/765581119
这是，看了这位大佬前两天的文章？
陈天奇：机器学习科研的十年
同学，没必要对自己这么狠........和这位比起来，大部分机器学习的硕博，不是渣渣，是沫沫..........
1、想和大佬们缩小差距是好事，但是远在天边的榜样没有意义，跳起来能够到的榜样才有意义 。 比如，实验室、学院近两年你认为文章发的最好的人，你觉得工作找的最好的人，你觉得科研做的最扎实的人。
2、理性的认识到自己与别人在某些方面的差距，同时发挥自己的优势，如果你总是觉得自己没有优点，那就让勤奋努力持之以恒成为你的优点。 刚进实验室的时候我是被各路同学虐成渣，有特别热爱科研的，有工程能力非常强的，有数学特别好的，然后我么，全靠老师一路连拖带拽的踏上了科研这条路，回过头来看，我觉得我的优势就是，没放弃。 。 。
3、踏踏实实，一步一步来 ，别想一口吃成一个胖子。 这个是看到你描述里有说“大佬们已经开始不追求顶会，而是追求完美的质量”，这点吧，不太建议刚入坑的同学学习。 虽然总是吐槽说现在文章灌水严重，但是如果你刚接触一个研究领域，志向太宏伟的话，可能几年甚至一直都不会有成果，得不到激励的科研生活对于大部分人来说是很难坚持下去的。 大牛们也是刻苦努力，一点一点积累起来的。
4、自信点，乐观点，开心点，适当的危机感要有，但没必要压力这么这么大，你的头发最重要了 。
重磅！CVer学术交流群成立啦
扫码添加CVer助手，可申请加入CVer- 目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测和模型剪枝&压缩 等群。 一定要备注：
研究方向+地点+学校/公司+昵称 （如目标检测+上海+上交+卡卡）
▲长按加群
▲长按关注我们
麻烦给我一个在看 ！
