機器學習和深度學習到底怎么學？

在外國版知乎上，有位網友問：新手如何學習機器學習？學習完MOOC的課程后有沒有能力閱讀研究論文或者真正的做出一點研究成果？

這個困惑很多人的問題吳恩達給出了詳細的回答，下面我們來看一下吳恩達是怎么說的吧。

他認為，觀看課程來學習是非常非常高效的，所以通過聽網絡課程來入門絕對是可行的。在完成了MOOC的機器學習課程和深度學習課程后，下面是推薦給你的額外步驟：

1、訂閱和關注那些在機器學習領域專家的博客或者是推特，看一下他們的論文或者文章是非常有幫助的。

2、復現別人論文的結果。復現論文絕對是高效的學習方式，但這種方式常常被低估。許多斯坦福的博士生通過這種方式變成了很了不起的研究人員，我對復現論文的學習方式絕對有信心，通過這種高效的方式，你可以理解最新算法的細節。許多人跳躍太快了，一心只想做出點新東西來，這是大錯特錯的。我推薦的還是一步一步的學習來構建你的知識基礎。

3、當你閱讀并復現足夠多的論文或者是博客時，你自己就會神奇的擁有自己的想法。當你創造一些新東西時，發表論文時，或者寫一些博客時，你可以考慮開源你的代碼，并且在論壇里分享它。希望你可以收獲很多反饋，并且更好地促進你的學習。

4、參加豐富的活動。參加線上比賽、研討會、或者在網上觀看研討會（像ICML，NIPS，ICLR）都是不錯的。

5、找個志同道合的朋友一起學。你自己一個人學習也可以獲得很大的進步，但是找個朋友一起交流學習心得和觀點會變得很有趣。如果你認識人工智能專家或者博士生或者研究人員，多和他們交流。我跟Geoff Hinton,Yoshua Bengio, Yann LeCun交流五分鐘就學到了超級多的東西。我有時候會跟我的斯坦福博士生，deeplearning.ai的成員，各種公司的程序員相互交流。

6、盡管有一個朋友一起學習很重要，有時候你的朋友不會同意你的想法，這時候你或許應該嘗試著去實現一下自己的想法。Geoff Hinton在“深度學習的英雄”這部訪談中表達過類似的觀點。

我所知道的每位世界級機器學習研究院都會花很多的時間去實現一個算法，調試一些超參數，讀一些論文并且找出哪些地方是表現不錯的，哪些地方需要修改。我直到現在都能從這種工作中獲得樂趣，希望你也可以。

你適合而且能夠從事AI領域的工作嗎？

參考吳恩達的學習經驗去研究ML和deep learning會少走很多彎路，我上大三的時候第一次接觸ML，我甚至懷疑自己是否適合從事這個領域，有一天讀到吳恩達寫的一段話，他說：“你絕對有資格和能力去從事機器學習，不管你現在知識水平如何，只要你堅持很努力的學習和工作，你就可以成為機器學習領域有一番成就。這和你是否有能力去投身機器學習沒有關系，這僅僅與你不斷的學習來讓你自己更有能力有關系”吳恩達的這些話讓我深受鼓舞，堅持學習人工智能也有一年多的時間，我也從中獲得很多樂趣。

過程是辛苦與孤獨的，但未來是光明的

我希望能讀到這篇文章的各位，能夠根據自己的興趣和實際情況來考慮是否從事這個領域。對于不知道怎么辦的讀者，這里有兩條選擇標準可以參考一下：

你做的能讓世界變得更好嗎你可以從中可以學到多少東西不管怎樣，在學習方面要一直投資自己，即使在很難的情況下也請堅持。在這個方面，吳恩達認為如果你還年輕，那就不要預估投資未來的教育能給你帶來多大的價值，請注意這里他說的“年輕”是指小于100歲。任何你學習的東西都會在十幾年內回報你，當然這真的很不會多容易。一旦你離開學校，那么可以花些時間在可以有短期回報的學習上。沒有了老師來監督你和鼓勵你。但是如果你能自我激勵，能在閱讀中找到樂趣，不斷的思考自己的想法，不斷與他人交流學習，過不了幾年你就變成了自己領域異常優異的人。

吳恩達表示，他很喜歡閱讀，在他的Kindle里面有超過1000本書，他花了大量的時間在傍晚和周末進行閱讀。他的閱讀范圍包括學術論文、商業投資、科學雜志、傳記等等。有時候也會去慕課去學點東西。

總的來說，堅持自己的學習，堅持投身于讓社會變得更好的道路。凡是有價值之物，皆來之不易，與各位共勉。

總結

以上是生活随笔為你收集整理的机器学习和深度学习到底怎么学？顶尖专家吴恩达告诉你的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。