为什么有的人学了几年机器学习却仍在看入门教程

有些恶搞的封面，确实满满正经的内容。

今天的这一篇，是我个人的经验分享，也是这两天在各种交流中的有感而发，希望对大家能有所帮助。

机器学习，或者说是人工智能，是近几年才火爆起来的话题，并且热度还在不断地攀升。无论你是从事何种行业，人工智能都或多或少的影响到了你的行业。虽然AI的应用是很新，可是其理论基础却是约30-40年前就已经完备的，甚至最新的SVM算法也已经有近20岁的年龄，而AI的核心算法——神经网络，更是在60年代就已经在学术界成型，后来经过不断的改进、变种才变成了现在的样子。

对于一个刚入门的同学来说，很难有耐心去学习整个AI的理论体系，而学习的过程大多也是通过网上的视频课以及各种各样的技术博客。这样的学习固然能快速的掌握到核心知识，却也缺乏了对整块知识的理解。同时这种学习方式也会造成知识的碎片化，每一篇博客、每一个视频中学到的内容很难被组合到一起。而对于学习来说，构建完善的知识体系恰恰是最为重要的，它相当于是房屋的地基和结构，没有牢固结构的房屋，就算装修的再漂亮再精致，也不过是空中楼阁，终会倒塌。

说到这里，我想举一些实际工作中的例子。我在工作中遇到的做数据挖掘或是机器学习的同事，除了几位很牛X的总监之外，几乎无一例外对算法都没有很深的了解。他们对于算法的理解，基本上处于“我知道有这么个算法，知道它大概是怎么工作的，但是我不明白它具体的原理是怎么样的”。幸运的是，这种对算法的理解程度，外加不错的编程技能，已经足以为你带来一份月薪13k以上的工作。可是如果我们看看那些拿着25k，30k，甚至50k，80k的月薪的工程师，无一例外是对算法有着极深理解的。一个优秀的机器学习工程师，会根据实际问题自行定义损失函数、设计网络结构、优化模型参数等，而不是拿着Scikit-Learn中的模型调调参数就出结果。如果你想要打造一个前途广阔的职业生涯，那么机器学习算法是你避无可避的一条充满荆棘的必经之路。

在接下来的一段时间里，我会完成对机器学习知识体系的梳理，并整理成一个系列的文章，请持续关注机器学习学社，你的关注就是我的动力。

微信扫码关注机器学习学社公众平台，更多资讯早知道，更多学习干货等你来拿