最近，2022年卡塔尔世界杯激战正酣，各国球星在绿茵场上闪耀光芒，球迷们也为之疯狂。更抓人眼球的是，在这届世界杯上使用摄像头帮助判罚越位。这个系统通过球内的传感器，每秒发送500次足球位置，再利用体育场屋顶的12个摄像头跟踪场上的一举一动，并跟踪球员身体上的29个点。[1]
机器学习将结合采集到的数据通过实现训练好的模型对球员的动作进行识别，从而判断越位犯规行为并进行自动警报。报警信息将用来验证裁判的现场判决，同时摄像机和皮球产生的数据还将被用来自动创建动画，并在球场大屏幕上播放，让判决更加透明。
除此之外，本届世界杯还引入人脸识别技术对观众的表情进行实时监控，通过机器学习算法判断“球迷恶行”，将不良行为“扼杀在摇篮里”。
机器学习的应用前景
如今各行各业类似应用到机器学习的案例比比皆是。上周在一次开发者沙龙上，我就遇到几个刚刚毕业不久的大学生，说起来也是我的校友。我们从软件开发聊到了人脸识别，再聊自动驾驶和元宇宙，最后落到了机器学习。我们都认为，在数据和算力爆发的今天拥有机器学习的能力至关重要，可以利用数据和算法模型对即将要发生的事情进行预测。并且谈到网上有一位博主将近5年的国际比赛作为数据集用于预测世界杯小组赛的结果，经过训练后的机器学习模型居然命中了好几场比赛的结果。谈到兴起时，几位校友都提出想要进行机器学习方面开发的想法，于是向我咨询相关的问题。
作为在软件开发领域工作快20年，在机器学习领域颇有经验的老兵，我自然是知无不言，言无不尽，非常乐意为师弟们指点一二。在和他们的交谈中我发现，一提到机器学习的研发大家就会与自动驾驶、人脸识别、智慧社区、元宇宙联系起来。并且，在机器学习的应用领域都有自己的理解，例如：利用机器学习识别宠物图片，帮助主人找到丢失的宠物。通过机器学习分析附近的停车位，帮助驾驶者自动导航到空车位。创建基于机器学习的小说平台，作者只用提供概念和想法，小说的整体由机器完成。谈到兴起时，手舞足蹈，好不开心。不过在谈论算法、模型、微积分和数学公式时，明显从他们脸上看到畏难的情绪，毕竟这些理论和实践知识是研发必备的基础。有的同学在自学，有的同学报名了一些小培训机构跟着“半桶水”的老师学习，感觉提升乏力。
机器学习怎么高效入门？
作为有着多年架构和机器学习开发经验，并且有培训讲师经验的老司机，我给到他们几点个人建议，在这里也与君分享：
1. 找老师带路：尽量不要自学。不是不鼓励大家自学，主要是时间有限，机器学习所需要掌握的知识多且杂，需要耗费大量的时间，最终你还找不到重点。当你啃完基本大部头，和你一起开始的人早就可以做应用开发了，甚至可以接项目做了。所以，找一个好老师，让老师带着你学，加快理解和实践的速度。所谓，读万卷书不如行万里路，行万里路不如阅人无数，阅人无数不如名师指路。有老师带你，帮你快速入门，少走弯路。
2. 找靠谱课程和平台：现在的培训课程良莠不齐，如果碰到好的老师算你运气，如果遇到个“半桶水”不仅学费打了水漂，浪费了时间，还一无所获。因此，需要找靠谱的老师和课程资源、靠谱的平台，找到对的方向，学起来才效率高。机器学习平台研发做得比较早，普及范围也比较广的有 TensorFlow。我初学机器学习时也是在这上面打基础，同行业里有不少开发者也是用这个框架训练和部署。对机器学习感兴趣的开发者可以先从TF开始上手，中国大学MOOC上就有免费的中文课程，比如《TensorFlow 入门课程 - 部署篇》和《TensorFlow 入门实操课程》 ，可以系统地了解机器学习的基础知识体系和技能。
3. 理论实践并重，双向成长：机器学习中的理论就是“天”，实践就是“地”，要学会真本事，就要顶天立地。但是，机器学习中包含着大量的理论和模型，如果通过死记硬背的方式很难理解，大家可以多看看课程里老师讲解的例子，跟着平台上提供的实操练习，才能快速上手。我最近带了几个机器学习新手，也是通过理论+实践训练，进步很快。我推荐的课程对初学者的计算机和编程门槛要求不高，每节课10分钟左右。如果学习中遇到什么疑问，想和更多同学交流，可以进群提问、互动，还能参与一下有奖学习活动，学习也更有动力。
扫码添加社区活动小助手，进入社群
今晚还有谷歌开发者专家在线讲解和答疑《TensorFlow 入门课程 - 部署篇》，直播间还有抽奖环节，大家多关注、多提问，才能在机器学习的道路上更加精进！
直播间链接：https://zhibo.51cto.com/liveDetail/373
作者介绍
崔皓，51CTO社区编辑，资深架构师，拥有20年架构经验。曾任惠普技术专家，参与多个机器学习项目，撰写、翻译20多篇机器学习、NLP等热门技术文章。《分布式架构原理与实践》作者。
