随着人工智能技术对各行各业有越来越深入的影响,越来越多的人准备入门/转向机器学习。我们深信:对于机器学习,任何人都可以学,并且学得很好。
但是在学习的过程中,不可避免会碰到一些问题,下面我们就来列举一些机器学习入门最常见的几大误区。
◆ ◆ ◆
掌握相关知识再开始
如果你有以下想法,你已不幸落入陷阱——
我得先学完线性代数、概率论、微积分……
我得先读完这本理论教科书……
实际上,补全这些基础知识往往需要很长时间,很容易半途而废。而且这些知识是工具不是目的,机器学习的价值在于准确的预测,那么要学的就是如何将问题模式化并做出准确的预测。就从这开始。建议在机器学习的过程中哪里不会补哪里,这样更有目的性且耗时更低。
◆ ◆ ◆
试图学习所有的机器学习内容
如果你有以下想法,你已不幸落入陷阱——
我得学会网页上提到的所有新技术……
我得学会计算机视觉,自然语言处理,语音处理……
机器学习是一门多领域交叉学科,从理论算起,这个领域真的很大。大到我们真的无法一一学习到透彻,所以我们认为机器学习只求“精”,而非“泛”。
也许你还没拿定主意学哪方面,那么就先选一个。比如机器学习最有价值的部分是预测性建模。从数据创建模型进行预测。学好它,然后转战到另一个领域。
◆ ◆ ◆
过分纠结于算法的前因后果
如果你有以下想法,你已不幸落入陷阱——
在使用某种算法前,我得弄明白它怎么工作的……
我调参的时候得解释清楚因果关系……
算法不是结果。它们是得到结果的方法。一个更好的结果会让你对算法更有感觉,但是要知道什么时候止步。系统化这个过程。设计调参实验,让它们自动执行和分析。应用机器学习不只是在算法里虚度光阴。集中火力在每个项目要得到的结果,即一系列的预测,或者一个可以得到这些预测的模型。
◆ ◆ ◆
收集过多的资料 & 忽视资料的时效性
如果你有以下想法,你已不幸落入陷阱——
哇,大神推荐了一些新书,买买买……
这里有好多数据和资料,存下来以后看……
机器学习的资料很多,动辄就有几个 G 的材料可以下载或者观看。而很多朋友都有 “收集癖”,一下子购买十几本书的人我也常常能够看到。但是这些书你真的会看吗?这些资料你都会过一遍吗?时间是最宝贵的资源。深挖一本书,你会高效的多。另外,资料是有时效性的,除去一些经典书,最好能选择近 5 年内出版的书籍,或者 2010 年以后出版的书籍。
◆ ◆ ◆
上面的坑你踩过吗?学习过程中还有什么迷茫吗,需要我帮你拉出来么?欢迎留言。
课程咨询|微信:julyedukefu
七月热线:010-82712840