研究生阶段选择机器学习方向的出路在哪里？

想起之前罗翔老师说过的一个好玩的话题：读书是一个悖论。你为了求知而读书，但是当你读的书越来越多，就会越来越承认自己的无知，这是一个悖论。但是，这能是我们不读书的理由吗？那肯定不能。

一样，放到现在的问题上，你因为看到了圈内许多比自己更优秀的人，然后意识到自己与大牛之间的差距，所以就开始怀疑自己了吗？那也当然不行。苏格拉底曾说过，承认自己的无知乃是开启智慧的大门。所以敢于承认自己的不足，这一点本身就已经证明了题主的不平凡。

想要与大牛们站到一个层次，靠像题主所说的一天读一篇论文这种磨洋工的方法，大概率只能起到自我感动的作用，因为很盲目。作为一名科研人员，想要缩小与行业精英之间的差距，我们可以着眼于三个方面：自信心，方法，执行力。

1、自信心

对，我们既要承认自己的无知，同时也不能放弃自信。适当的自信是成功的先决条件。自信就像一种魔法，拥有它，你可以完成很多意想不到的事情，获得满满的成就感。我们每个人都希望自己能和大牛那样自信的傲视群雄，获得别人对自己事业以及自己本身的尊重。但自信心是怎么来的呢？首先你要有能拿出来说道的属于自己的东西。读论文汲取知识固然重要，但光靠每天读一篇论文那是读不来自信的，说再多也只是别人的东西，只是学会了别人的东西但是不能输出，那最后还只能是低人家一头。你可以尝试着认准一个具体的方向，找到一个属于自己的领域，慢慢输出自己的内容。可以试着从自己开发一个小产品入手，不用在意自己输出的内容有多幼稚，慢慢的你会发现，勇敢的展示自己是一条完善自己的捷径。要知道再大的大牛也是从hello world走过来的，摸着石头过河是所有人起步阶段必然的一段经历。

2、方法

其次，找对方法能避免我们做无用功。《庄子》里讲过这样一则寓言：子贡去南方旅行的时候遇到过一位老人在浇菜园，他挖了一条隧道直通井底，然后他用瓦罐来回取水浇园子。子贡看他用力多而功效甚低，便建议他使用功效高的器械――桔槔。然而，老人却认为那是一种投机取巧的行为，会使他失去纯洁质朴的心境，因而宁可朴拙也不使用它。老人的初心是好的，是要教导我们踏实做事，不投机取巧。但是我们如今生活在这样一个追求高效率的时代，如果有一种方式能让我们做的事情事半功倍，我们为什么不去用呢？

在机器学习领域的研究上，我们其实有很多“桔槔”可以使用。题主已经是211大学的研究生，身边高质量的导师就是一个很好的资源，你可以借助帮导师完成项目来不断加强自己的本领。当然，如果感到自己基本功不扎实，那也有好的补充途径，就比如说可以课余在网上自学一些课程，既不费时也不费力就能提升自己，这可能比读论文快的多。网上推荐的课程有很多，题主其实可以自己去搜寻一下，我这里也可以推荐几个：

吴恩达-Machine Lerning |Coursera

可以说是入门者必修课。这门课的讲师吴恩达（Andrew Ng），是斯坦福大学教授，谷歌大脑、Coursera的创始人之一，百度首席科学家，研究重点是深度学习。作为斯坦福大学教授，Ng讲课风格偏向于严谨，可以把知识点往细节出深挖，课程里面用到的数学知识Ng一般都会进行耐心的讲解，这对于数学不好的同学十分友好。课程重点是对概念的讲解，理解算法，并理解选用特定算法的原因和意义。虽然也是入门课程，但这门课程使用的开源编程语言不是目前所流行Python，而是Octave。Octave算是一种学习Machine Lerning基础知识最简单的一种方式，也可以尝试接触着了解一下，但对大多数人来说，这是很不友好的一点。

贪心科技 - 机器学习高阶训练营

贪心科技是近几年新兴起的一家AI培训机构，在业内享有不错的口碑。这门课程主要面向想要转型进入机器学习行业的从业者和学生，需要的基础知识不多，是新手入门的不错选择。这门课程很吸引人的一点就是它的知识面涵盖比较广，从基础的数学知识比如线性分析、各类函数，到KNN、决策树、贝叶斯分类，可以说是非常人性化。

课程设置

这款课程作为面向有意转型的在职人员以及学生，课时十分灵活。全部课程都是线上模式，上班族可以利用自己的业余碎片时间来进行学习。与传统线上课程不同的是，这门课程除了视频和PPT讲解之外，还穿插着许多互动环节，通过一些小问题来加深对知识点的理解。在屏幕左侧会显示课程目录，提示你的学习进度。有意思的是，学员只能在完成一个章节的学习之后，才能解锁下一个章节的学习，这样可以避免一些同学的浮躁心态，确保了学习的扎实性。每章之后还会有实践项目作业，可以通过这些作业提高自己的熟练度。做完作业之后同样还会有助教答疑环节，能使新手少走很多弯路。

讲师团队

贪心科技本身就云集了许多业界大牛，很多导师都曾经在亚马逊、微软总部、百度等企业担任工程师，这门课程是由李文哲老师和Jerry老师负责讲解。李文哲老师曾在美国亚马逊担任资深工程师，在KDD、CHI等会议上发表过很多硬牌论文，同时也是贪心科技的CEO。他讲课风格偏向轻松，比较有亲和力。Jerry老师也曾经在微软总部工作，有14年AI领域相关工作，实力十分雄厚。

课程内容

像前面所讲，这门课程知识面涵盖十分广泛，像线性回归、贝叶斯概率等数学基础以及决策树、KNN等后期知识都囊括其中，通过基础知识与专业知识的混合讲解，可以让学员更扎实的掌握机器学习的一些基础概念和基本操作。

上图是课程中穿插的一个小作业，要求学员建立一个线性回归模型，实现通过身高预测体重这一目的。同样类似的练习在课程中有很多，因此我们完全不用担心自己学到的知识不会用，因为在每章课程结束的时候，你通过课程内的练习已经把知识点吃透了。对于Python语言掌握尚浅的同学来讲，面对这么多的练习也不用害怕，因为课程中每行代码都会被细致的讲解，差不多是手把手教学。

案例分析

这门课程一个很大的亮点就是在每章最后都会有一个案例分析，通过案例的讲解可以帮助我们把所学的知识运用到真正的实际生活中去。其中一个很有意思的案例是股价的预测，运用到了数据归一化、多元线性分析的知识，来判断一个股票是否有购买的价值，这对以后想要从事金融分析的同学来讲很有帮助。

除了股价预测之外，这门课程总计设置了从简到难共10个来自不同领域的案例，从简单的数据分析，到后期的神经网络搭建，通过不同的案例使同学们对各个领域内机器学习的运用产生了初步的认知，充分利用了转型者跨学科的优势。

3、执行力

没有执行力一切都是零。真正的执行力，不是冲动的决定，而是强有力的实际行动和长久的坚持，想要实现某个目标就得立刻去执行，遇到挫折时依然不会退缩，努力的坚持下来，终究会取得想要的成功。没有执行力的人，注定一事无成。明明自己计划的好好的，找到了要研究的方向，也选好了合适的课程，可是为什么一年下来，连机器学习是什么都不清楚呢？这就需要反思自己的执行力强不强了。那应该怎么提高执行力呢？王健林曾经说过：我先定一个小目标。没错，我们其实可以根据自己现在的能力，定一个自己能够完成的小目标，信手拈来的完成之后，再定一个，再完成，再定…最后回过头你会发现，自己已经不知不觉做了这么多事了，顿时信心倍增，然后又有动力继续干了。就像机器学习的研究，这周专攻决策树，下周主攻随机森林，一个知识点一个知识点根据自己的能力循序渐进的来，最后回头发现，自己已经快变成大牛了。

结语

人的潜意识里会把知识的积累视为一个圆圈在一个更大的闭合圆圈内不断扩张的过程。但如果你的大圆已被填满，当你走出去看到更外面世界的时候，你必然会感慨自己之前的无知。学无止境，其实不必羡慕什么大牛。去羡慕别人有什么，那还不如自己努力来的实在。放宽心题主，慢慢来，你以后也肯定会变成你心目里的大牛的！