V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 2146 天前的主题，其中的信息可能已经有所发展或是发生改变。

如题。

基于中年焦虑（ 94 年的中年人）和前瞻，想要往机器学习靠拢。但现在遇到这几个问题：

1：许多概念和定理都能理解，但是无法深入探讨 /自行实现：例如，我明白梯度下降 /k-means 是怎么回事，但要我从零开始实现，我做不到。这是正常的吗&该怎么办？

2：对于已踏入工作岗位的人来说，应该试着寻求落地，后续再补充短缺的知识点，这个做法正确吗？

目前在读书籍：DL，https://github.com/exacity/deeplearningbook-chinese 完成了第一部分“基础知识”（仍处于“理解但无法自行实现”）

望指导，非常感谢！

第 1 条附言 · 2019-01-14 15:59:51 +08:00

基础方面，线代和矩阵计算是没问题的。

但是不熟练。积导定偏凑，不能迅速反应，导致看公式每一步都要看好久，最终导致跳过。。。

第 2 条附言 · 2019-01-15 16:34:48 +08:00

感谢大家的建议和见解。我补充几点吧

1、主业还是 android，ML 仅作为知识面的横向拓展
2、并非因为要落地而学习，仅仅是综合实际情况，认识到自己无法太偏向学术
3、并非焦虑推动，确实因为这东西有趣，而且能认识到它的作用域，希望要用到的时候能有所准备
4、回去读书不太可能。。

机器学习

知识点

k-means

定理

31 条回复 • 2019-01-15 16:35:22 +08:00

closedevice

2019-01-14 13:07:45 +08:00

当感觉遇到瓶颈的时候,就把基础加深一点,再回过头来看.

zouzou

2019-01-14 13:45:04 +08:00

1.机器学习门槛挺高的，调低期望值，3 个月内把“ Deep Learning ”这本书快速过一遍，不懂的就跳过去。
2.这是个人决策问题，当爱好是无所谓，从工作的利益看，android 开发有几个关联的方向，a.向其他客户端拓展如 ios，web 前端； b.计算机网络，算法； c.全栈工程师； d.其他。机器学习是个完全不同的领域，是否要 all in ～～～

LinSP

2019-01-14 14:10:37 +08:00

先学线性代数

VoidChen

2019-01-14 14:13:23 +08:00

94 已经中年了吗。。。

ballshapesdsd

2019-01-14 14:15:07 +08:00

90 还在吭哧吭哧啃机器学习大部头的路过，不要太浮躁了

gaby2018

2019-01-14 15:10:55 +08:00

机器学习，好好补补数学问题应该不大

RoyL

2019-01-14 15:16:22 +08:00

@VoidChen
25 了已经

ryougifujino

2019-01-14 15:31:24 +08:00

搞这个应该读研吧，自己当兴趣还行，转行不靠谱

takato

2019-01-14 15:49:34 +08:00

基于焦虑建议不要入坑。。
如果基于兴趣，可以考虑。。

claymore94

2019-01-14 15:53:07 +08:00

94 的中年人的呐。。

jiangnanyanyu

2019-01-14 15:58:58 +08:00 via Android

我是没发现机器学习有什么好玩的。。。

necomancer

2019-01-14 16:03:04 +08:00

正常，正常理解了用现成工具就成。想更进一步，无论是研究还是实现，需要更多数学（计算数学？）知识。比如梯度法的数值实现时的具体方法以及该方法的误差等等，学会这些自然什么都会了。简单的例子：微分方程很好列，比如弹簧或者串并联的弹簧组或者一些简单动力学体系，但如果希望用计算机做数值解，不是简单地做个差分就行的，许多算法 /分析手段（比如算子裂分）应运而生，懂这些自然懂实现。至于 k-means 一类的算法涉及的是其他数学领域，同样，能用数学语言写出推倒 /证明，实现就简单很多，如果停留在“我理解了这个东西的思想以及说明中提到的公式……”层面，自然很难实现。

具体看需求吧，如果工作需求偏数据向，学好统计 /概率 /信息论 /随机过程之类的才是硬道理，实现甚至很多算法本身只要做到知道个原理，知道个思想然后用一些工具比如 tensorflow/mathematica/matplotlib 撸出来……不过多学东西总是好的，先学最用得着最重要的比较现实。

008px

2019-01-14 16:03:52 +08:00 via Android

94 年工作三年？？我才毕业一年半…

XOXO360

2019-01-14 16:17:57 +08:00 via iPhone

先考个研？没学历，哪怕你会了也不会要你的……机器学习其实就是数学……

XOXO360

2019-01-14 16:20:11 +08:00 via iPhone

补充下，有的时候自己觉得理解不是真的理解……打开书我都会，关上书…总之先考个数学系研究生…做算法不是解题……

duvalier

2019-01-14 16:21:04 +08:00 via iPhone

我看到 94 中年人就不想看下去了

kuhung

2019-01-14 16:27:45 +08:00

建议撸比赛（项目）。这个东西归根到底还是实践层面的事。想想你怎么学写 Android 的，照着模式做。不过我感觉这波泡沫快到头了...

behanga

2019-01-14 16:49:46 +08:00

自学的机器学习的最大问题在于就算相关概念和算法看懂了没有特定的数据集训练空有理论无处发挥这是很蛋疼的这个和开发 android 一样没有大体量的工程实践在里面很多人觉得开发 app 很容易就到头了

ducklyl

2019-01-14 17:49:42 +08:00

94 中年人,8 开头的我不是老年人了吗

ltux

2019-01-14 17:52:06 +08:00

大部分程序员工作只需增删查改就行了，但机器学习只会增删查改屁用都没有，一般人玩儿玩儿就行了，没数学基础搞不了。

ashCloud

2019-01-14 17:54:46 +08:00 via Android

可以先读个北美 master

miscnote

2019-01-14 18:40:03 +08:00

我在 AI 行业。这行还是重视基础，梯度下降、反向传递、线性回归，这些是最基本的了。了解基本概念后，可以先从框架开始，比如用熟悉 pytorch，然后回过头来再看底层库的实现。当然，往应用方向走，经典的模型，比如 CV 的 resnet 之类，是必须了解的。

lychnis

2019-01-14 19:01:34 +08:00 via Android

94 中年人！？现在什么风气了。等你三十四十叫什么？

shm7

2019-01-14 19:07:07 +08:00 via iPhone

这些知识假如不能为企业解决实际问题的话，那充其量就是基础的作用。你懂这么一点理论知识，在理论上都不算多，你还没看 sklearn pandas numpy seaborn 吧深度学习前面讲的东西深挖可以多了去了你看了 dropout l2 怎么用吗 learning rate 网络结构怎么调么？

1w hours

HankAviator

2019-01-14 19:07:28 +08:00

1. 灾难式排版，发表前如果能预览下就好了。
2. 学机器学习感觉像在 ubuntu 上装软件，一个软件包依赖 N 个，上游又依赖 N 个…然后 ML 是属于很靠下游的，每学一点就发现缺一些依赖…基础不牢其实确实挺难学下去的。而且出结果和搞算法又是两个分支，前者说不定职位还更多一点，也不需要研究太深。