【51CTO.com原创稿件】机器学习可以说是人工智能的核心，是使计算机具有智能的根本途径。随着人工智能的火爆，不少IT人加入了机器学习领域的大军。对刚刚入行的机器学习新人来说，不怕吃苦但最怕走弯路白白浪费时间。
不知群里是否有从事机器学习领域的伙伴，一起分享和探讨一下机器学习过程中走过的弯路。
以下内容来自51CTO开发者微信交流群的讨论分享
51CTO小助手:
你在学习时是看中论文？还是更注重实践？模型的力量有多大？欢迎大家分享自己的观点
广州-timo:
肯定更注重实践啊！现在感觉论文的那些东西都好水！
运维/java-陈兴-北京:
最严重的就是云计算 大数据这块的论文水的太厉害了，人工智能也水
云计算-北京-Angie.Z:
人工智能是实践性学科
北京-肝帝-运维:
这个是不是 就是玩算法？
云计算-北京-Angie.Z:
算法、模型、框架
北京-肝帝-运维:
大家都是实践中不过这个是人工智能 核心比较高端的技术，谁有好的学习资料推荐，可以先瞻仰一下。
运维-北京-zhangcheng：
我们***不要一味相信论文，尤其是各种解释(经典算法，优秀论文除外)。NN就是个黑盒，谁也别说谁。
安全-蓝宇-北京：
我们能做的，就是去实践去复现，去去伪存真，去发现其中真正的本质所在。
运维-江苏-骑兵：
DL\ML其实是一门实践性的学科，只有通过实验才能把握到其中的细节与真谛。虽说也是在写程序，但是DL的程序基本上无法直观地debug，所以非得自己去复现一下，实践一下，用performance来说话，才知道有没有出错。
云计算-鸢玮-北京：
永远不要迷信某个特定的模型，不要因为random forest在某个任务上效果好，就以后遇到什么任务都上random forest。
广州-timo:
学习资料？可以找几个玩自动驾驶汽车的学习一下；自动驾驶汽车把人工智能的几个阶段L0-L5，每个阶段是啥样分的非常的清晰。
运维-北京-zhangcheng：
学各种算法的时候，书上一般会告诉你这个算法有balabala优点一堆，但是一般不会告诉你这个算法也有balabala一堆缺点，我花了蛮长时间在这个坑里，慢慢摸索各种不同模型的特性。
北京-肝帝-运维:
机器学习:例 汽车必须通过摄像头识别停车标志。构建了数以百万计的街边物体照片数据集，并训练算法来预测哪些街边是有停车标志。@广州-timo 自动驾驶的确是一个典型的场景
北京-肝帝-运维:
这个还有培训班呢
运维/java-陈兴-北京:
这玩意的培训班 一般的谁敢去，全世界都在摸着石头过河，培训班也就教demo教工具，自学都可以的东西。吴恩达搞过 但是普遍观点是能出来深度学习工程师 而不是深度学习研究员 还有这些工程师也是属于自学能力比较强的 学历怎么也得是硕士的那帮
北京-肝帝-运维:
嗯 培训应该也是交一些语言和工具
运维/java-陈兴-北京:
国内的培训机构谁敢说自己比吴恩达牛逼。有哪个培训机构教你数学，数学分析概率论这玩意没数学基础谁玩得转
51CTO小助手:
自学贵在坚持，培训的话应该也就是可以入个门吧？
运维/java-陈兴-北京:
入门？我看费劲，深度学习不比别的，这玩意吃数学基础
北京-肝帝-运维:
对，现在这个方面的门槛很高，估计研究生都是站一边看的那种
运维/java-陈兴-北京:
培训机构就是为了赚钱，赚钱就代表是速成，速成的你指望基础有多好么。而且数学这玩意吃天赋 吃时间
51CTO小助手:
嗯呐，英语也是加分项主流书籍文献能直接阅读***，虽然接收翻译，虽然现在咱国内的也不错
运维/java-陈兴-北京:
翻译这玩意就容易二次加工了，本来书籍就是作者个人观点翻译肯定会二次加工。推荐啃官方文档 和自己阅读外文书籍，说实话真的去深度学习培训机构出来的，充其量也就是脚本小子那级别
天马-无业-北京:
https://github.com/daimalaoge/uc_manager
北京-阳阳-安卓:
我正在看《人工智能》，卢奇的那本，国外大学的教材
全栈-Leon-哈尔滨:
有研究react native的小伙伴嘛？
北京-阳阳-安卓:
这本书的译者，林赐，是贝尔实验室的人工智能研究员，可靠性还是有的
51CTO小助手:
有没有小伙伴要改行做机器学习或者人工智能的呢？
半个IT-广州-小星星:
有兴趣，但么经验
数通~北极熊~沈阳:
ai啊，有，难吗？
网络-凯-北京:
想转，感觉很难呀～
安卓-救赎-北京:
想转，数学基础太差了
网络-凯-北京:
我也是搞数通的，没有开发基础，肯定要花苦功夫才行的
java 小白 广州:
数学，就那样了，学不好的，这才是感慨
51CTO小助手:
结合好自己的领域知识学习，也能有一定的竞争力
运维-江苏-骑兵：
不要求快，没有捷径。自己首先有个心理预期，数学好的入门也得一年半载的，数学需要补基础的估计要1-2年。可以去上培训班，交点钱，但也就跟机器学习混个脸熟。想入门还得花时间慢慢磨，真的没捷径！
网安-Kevin-北京:
嗯嗯嗯
云计算-鸢玮-北京：
模型不求多，精通几个常见的，把机器学习的套路摸透就可以了。比如LR，朴素贝叶斯，决策树，基于SVD相关的简单模型，如推荐系统等。
java 小白 广州:
有时候发现，数学不好的逻辑思维其实也很棒，不知道你们是否也有同感呢？
半个网工-白学-广州:
数学 到现在看到数学也是脑壳痛
51CTO小助手:
是的呀，不少同学反馈数学。。。但是掌握所有相关数学知识再开始学也不现实。
云计算-北京-Angie.Z:
不要求快，没有捷径。自己首先有个心理预期，数学好的入门也得一年半载的，数学需要补基础的估计要1-2年。可以去上培训班，交点钱，但也就跟机器学习混个脸熟。想入门还得花时间慢慢磨。
安全-蓝宇-北京：
机器学习这套系统与传统技术系统有个非常大的差别。搭建个web/app系统难度不大，且做的好与坏，短期内不好区分与评价。垃圾系统在用户量不大的时候也能表现得不错。只有在用户量变得较大时，才会掉链子而遭打脸。 机器学习的系统不是这样，它是分分钟打脸。也就是我们常说的，这个系统不确定性较大，驾驭它的门槛略高。
前端-北京-大志：
机器学习还没有达到批量化流水生产的阶段，因此一个好的“老师傅”比自学效果好很多。不仅如此，老师傅们一般都有自己多年经验总结出来的经验，往往可以避免很多不必要弯路。但选择老师傅应该注意是不是“挂羊头卖狗肉”，尤其要提防跨专业但号称多年的经验的人，有很高的概率是在蹭热点。
阿下-运维-北京：
不要把深度学习作为入门***课，建议从经典机器学习开始入手。虽然很多人都是冲着深度学习来的，但把深度学习作为机器学习***课不是个好主意。
原因：深度学习的黑箱性更加明显，很容易学得囫囵吞枣；深度学习的理论/模型架构/技巧还在一直变化当中，并未尘埃落定；深度学习实验对硬件要求高，不太适合自学或者使用个人电脑进行学习。
51CTO小助手：
有没有什么好的机器学习的平台？
云计算-北京-Angie.Z:
运维-江苏-骑兵：
很多啊，一些国际巨头在机器学习方面都很厉害，比如AWS、微软。
安全-蓝宇-北京：
AWS不错。
51CTO小助手：
AWS Deep Learning AMI 为机器学习从业者和研究人员提供基础设施和各种工具，促进云中任何规模的深度学习。可以快速启动预安装了 Apache MXNet 和 Gluon、TensorFlow、Microsoft Cognitive Toolkit、Caffe、Caffe2、Theano、Torch、Pytorch 和 Keras 等常见深度学习框架的 Amazon EC2 实例，来训练复杂的自定义 AI 模型、试验新算法或学习新技能和技术。
无论需要 Amazon EC2 GPU 实例还是 CPU 实例，都无需为 Deep Learning AMI 支付额外费用 – 只需为存储和运行应用程序所需的 AWS 资源付费。
大家可以关注一下哦！
【51CTO原创稿件，合作站点转载请注明原文作者和出处为51CTO.com】
