金沙js0888_首頁(欢迎您)

  • <td id="dgejl"><strike id="dgejl"></strike></td>
        1. 自学成才的机器学习工程师十诫

          作者: AI公园 2020-11-04 10:21:37

           写代码可能会让人变得有点沮丧,需要让自己的周围充满色彩

          自律和自学这两个词不能掉以轻心。一个人必须对自己的教育和启蒙负责。如果你忽略它,别人就会为你做选择。

          1. 数学,代码和数据是你最重要的三大项

          任何有效的机器学习管道都是数学、代码和数据的交叉。每一项只有和另一项在一起时才会有效果。

          如果你的数据质量很差,那么无论你的数学计算多么优雅或代码多么高效都没用。

          如果你的数据质量比较高,但你的数学计算错误,那么你的结果可能会不是很好,甚至会更糟,造成伤害。

          如果你的数据和数学都是世界级的,但是你的代码效率很低,那么你将无法获得扩展带来的好处。

          数据为你提供了一个包含自然瑰宝的采矿地点。数学就是你的鹤嘴锄。代码可以让你建立一支挥舞着鹤嘴锄的机器人队伍。

          自学成才的机器学习工程师十诫

          这三大项是你系统的输入(你拥有的)和输出(你想要的)之间的桥梁。

          注:三大项中的数学分支也包含统计和概率。

          2. 三大项之外的唯一例外

          除了不能平衡这三大项之外,还有一个更大的罪过:忘记这三大项是为谁服务的。即使是执行得比较好、由比较优雅的数学驱动的代码,如果不能为客户提供服务,从最丰富的数据中获得洞察也毫无意义。

          工程师经常会发现自己迷失在一个过程中,忘记了最初想要的结果。尽管他们怀着良好的意图进行,但他们忘记了,意图并不像行动那么重要。

          三大项至少要为客户提供点好处,总比什么都不提供要好。

          需要澄清的是,如果你的先进模型需要47倍的时间才能提高1%的准确率,那么它是否提供了很好的体验?

          3. 不要被三大项给骗了

          无论你多么崇拜这三大项,你都不应该被你的爱蒙蔽。自学成才的机器学习工程师是他们自己的比较大的怀疑者。

          他们知道,数据不能进行证明,只能进行反驳(只要在十亿数据中有一个数据点就能证明之前的概念是错误的),一点点糟糕的数学运算就会产生极端的后果(自然不是线性的),代码的效率只有在它最薄弱的地方才有。

          无论三大项多么神圣,直觉也不应被忽视。如果一个结果好得令人难以置信,除非你很幸运,否则它很可能就是错的。

          4. 和你需要提供服务的客户保持好关系

          让机器做它们擅长的事情(反复重复过程)。让你去做你擅长的事情时(关心、设身处地、提问、倾听、领导、教学)。

          你的客户不像你那样关心三大项。他们关心他们的需求是否得到满足。

          5. 向那些为你奠定基础的人致敬

          当你想到计算机、机器学习、人工智能、数学等领域时,你会想到谁的名字?

          Ada Lovelace,Geoffrey Hinton,Yann LeCun,Yoshua Bengio,Alan Turing,Fei Fei Li,Grace Hopper,Andrew Ng,Jon Von Neumann,Alan Kay,Stuart Russel,Peter Norvig?

          当然,在你听到或记住的所有名字中,有1000个名字功不可没,但却从历史书中消失了。

          后起之秀应该认可前辈们做出的巨大努力,但也应该认可他们中的每一个人都会告诉这位新晋的机器学习工程师同样的事情:这个领域的未来取决于你的工作。

          6. 不要低估了完全重写的力量

          你的目标应该是在第一时间构建可靠的东西。但随着技能的提高,你可能会想重构之前的作品,拆掉它们,用新的视角重新创造它们。

          自学成才的机器学习工程师都明白,就像大自然一样,软件和机器学习项目永远不会完成,它们一直在运动。数据变化,代码在新的硬件上执行,一个天才发现了一个计算高效,低内存依赖的优化器适合,并称之为Adam。

          你不仅应该对这些变化持开放态度,还应该欢迎它们。一旦它们出现,请使用你比较好的判断力来判断它们是否值得实现到你的系统中 —— 仅仅因为有些东西是新的,并不意味着它是必需的。

          7. 避免在工具上滥情

          在编程界,一个常见的轶事是粉刷自行车棚。它说的是一个程序员,或者一组程序员,担心的是车棚应该是什么颜色,而不是问一些重要的问题,比如车棚是否真的可以存放自行车。

          当然,这个自行车棚也可以用电脑程序来代替。

          在机器学习的世界里,你会听到关于R还是Python、TensorFlow还是PyTorch、书籍还是课程、数学还是code first(两者都有,记得这三位一体吧)、Spark还是Hadoop、Amazon Web Services还是谷歌云平台、VSCode还是Jupyter、Nvidia还是……的无休止的争论。

          所有的比较都是有效的,但没有一个值得与对方争论。

          你应该回答的真正问题是:用什么可以让我以最快、最可靠的方式建立我的想法?

          一旦你问自己这个问题,你会发现其他人都在问自己同样的问题。

          工程师的诅咒是从工具开始,然后寻找问题,而不是从问题开始,然后寻找工具,只有到了那个时候,如果没有合适的工具,才应该去构建它。

          学习资源也是如此。数学、代码和数据的三大项,在你学习它的时候就是不变的,唯一重要的是你如何使用它。

          不要忘记:许多问题可以在没有机器学习的情况下解决。

          8. 你的想法是商品

          不要把一个执行好想法的人与窃取你想法的人混为一谈。你的想法在别人手中比在你的头脑中更有价值。

          作为一名工程师,你的角色不仅是建立自己的想法,而且还要与他人沟通,向他们展示如何从这些想法中获益。如果你缺乏这样的沟通能力,你应该与有这种能力的人合作,或者寻求培养这种能力。

          在一个没人知道该相信什么的世界里,你可以通过做真实的自己来区分自己。诚实面对你做的东西所能提供的和你所不知道的。能够承认自己的无知是一种优势,而不是弱点。

          好的技术总是胜利的,撒谎永远不会胜利。构建技术。不要撒谎。

          9. 你的邻居、同事、同学和伙伴也在思考这个问题

          你看到别人的进步而嫉妒吗?或者你把它看作是你能做到的事情的动力?

          你对别人的成功的感觉就是你自己成功时候的感觉。

          10. 不能贪

          你应该寻求建立你运用三大项的技能,回答那些你想要提供服务的人的问题,但你不应该带着欲望这样做。欲望会诅咒你,让你永远过于严肃地看待未来,而不是享受你现在所拥有的。

          对提高技能的渴望的治疗方法是培养对学习的热爱。

          自学成才的机器学习工程师能够很快地学习利用数学、代码和数据力量所需的概念,但不能匆忙行事。他们明白学习任何有价值的技术都需要时间,如果是这样的话,还不如享受这个过程。

          从一开始,你就是对自己的启蒙和教育负责的人。知道了这一点,你就应该选择那些无论你有什么样的运气都能成功的项目。这个项目是否满足了你的好奇心?它是否对你的技能构成挑战?它可以让你遵守这些戒律吗?如果是这样,就足够了。

          最后,在沿着自己的道路行进的同时,自学成才的机器学习工程师在他们的脑海中一直保持着这样的印象:

          • 没有知识就没有资质
          • 没有行动就没有思想
          • 没有享受就没有学习
          • 没有风格就没有创造
          • 没有实践就没有技巧
          • 没有工具就没有目的
          • 没有展示没有贸易
          • 没有怀疑就没有假设
          • 没有贡献就没有消费
          • 没有对现在的爱,就没有对未来的渴望
          • 最重要的是,没有三大项就没有机器学习
          机器学习 技术 人工智能
          上一篇:无人公交车会比无人出租车靠谱吗? 下一篇:AlphaGo原来是这样运行的,一文详解多智能体强化学习
          评论
          取消
          暂无评论,快去成为第一个评论的人吧

          更多资讯推荐

          “人脸识别第一案”终审判决来了

          4月9日下午3点,“人脸识别第一案”在杭州市中级人民法院迎来二审判决。这桩案件起源于游客郭某因不满杭州野生动物世界将年卡用户入园方式从指纹识别升级到人脸识别,而以侵犯隐私权和服务合同违约为由将杭州野生动物世界告上法庭。

          浙江日报 ·? 22h前
          人工智能的三个必要条件

          2016年,AlphaGo下围棋战胜李世乭,大家都认为人工智能的时代到来了。人工智能也是同样的在一定的历史契机下,几个独立发展的领域碰巧合并在一起就产生了巨大的推动力。这一波人工智能发展的三个必要条件是:深度学习模型,大数据,算力(并行计算)。

          麦教授说 ·? 22h前
          树莓派驱动,MIT打造的寄居蟹机器人「能做任何事」

          如何能让动作有限的机器人掌握无数种能力?MIT 研究者们从会换住所的寄居蟹那里得到灵感,开发出了换壳机器人。

          机器之心 ·? 1天前
          人工智能在物流运输中的未来作用

          随着物流和货运组织变得越来越数字化,企业将能够收集越来越多的关于其客户、供应链、交货、车队、司机等方面的数据。

          Cassie ·? 1天前
          100天搞定机器学习:模型训练好了,然后呢?

          佚名 ·? 1天前
          人工智能技术的起点与终点

          佚名 ·? 1天前
          企业在应用人工智能时不可不知的5个误区

          研究表明,70%以上的企业如今将人工智能视为游戏规则的改变者。然而,目前使用人工智能或计划很快使用人工智能的企业不到40%。人们对人工智能重要性的认识差距仍然很大,以下是五个关于人工智能的常见误区或误解。

          Geertrui Mieke ·? 2天前
          智能交通信号灯让行动缓慢的行人有更多时间过马路

          无论您是开车还是走路,无论您在哪里,交通信号灯都会让您烦恼。如果您带着小孩子或老人过马路,肯定特别希望信号灯能晚点变红。

          iothome ·? 2天前
          Copyright?2005-2021 51CTO.COM 版权所有 未经许可 请勿转载
          金沙js0888