应用机器学习是一个精英管理的领域

在新领域开始时，感到不知所措是很常见的。

你可能缺乏自信，或者觉得你不够好，或者觉得你缺少一些先决条件。

你将在本文中探讨这些问题，并了解到这些感觉会导致消耗大量时间和资源的行动，并让你对自己感到失望。

你将了解到，机器学习领域有很多途径，而且就像编程一样，它是一个精英主义的领域。

• 更新 2019 年 2 月：请参阅 Hacker News 上的讨论。

危险的思维

觉得自己不够好，或者缺少一些你认为在开始机器学习之前必须具备的技能，这是危险的思维。

我认为这是危险的，因为它可能让你走上耗费大量时间、金钱和资源的道路，而这些可能是不必要的。

例如，你可能觉得你需要有数学或计算机科学基础，或者你并不真正热衷的某个学科。你可能决定你必须

• 获得学位：获得机器学习的正式教育，包括机构定义的任何先决条件。
• 参加数学课程：免费或付费课程，教授线性代数或微积分。
• 阅读教科书：机器学习方面的研究生级别教科书，假定你具备概率论和线性代数方面的先验知识。

风险在于，你觉得自己必须在开始之前达到某个最低技能水平。

你推迟开始机器学习，转而去学习你认为必需的技能，这很难。真的很难。

因为它很难，而且你并不热衷于此，你更有可能放弃，这意味着你继续剥夺自己开始机器学习的许可。

这条路对某些人来说是可行的，但极其困难。

不一定非要这么难.

多种途径

机器学习领域有 许多途径。

学位、数学课程和教科书都有其地位，它们可能是你路径上更远的地方，或者在另一条不同的路径上。

多种途径
照片由 keepitsurreal 提供，保留部分权利

机器学习是一个多学科领域，这意味着人们可以来自科学和工程领域的各个背景。

这也意味着“机器学习从业者”没有一个原型，尽管我认为程序员在这个领域拥有非凡的机会。

这是一个相对较新的领域，大部分文档都是学术界发表的研究论文和教科书。因此，这使得该领域被视为高度学术化的。这就是为什么会侧重于理论而非应用，以及像研究方法和高等学位等学术界所认为的培训需求。

技术人员的道路是实践性的，从实验和流程开始，可能还包括一些编程。相信这种方法，它是有效的、有益的，并且是无数程序员遵循的道路。了解你的局限性，发挥你的优势和你已经获得的技能。

精英主义

与软件开发领域一样，机器学习的应用也是一个 精英主义。精英主义是一种结构，在这种结构中，参与者根据他们的贡献或已证明的成就（功绩）获得价值。

商业、客户和雇主关心你的资历，但这仅仅是因为你已证明你能取得的成果以及你能为他们取得的成果。学位、其他奖项和为财富 500 强公司工作是他人用来简化这种判断的象征，但仅此而已。

作为一个精英主义的领域，你必须证明你有功绩。如果你希望你的技能得到他人的认可，那么你必须展示并推广它。你可以通过参与项目、竞赛、完成小型开放项目，并使用这些努力的产出作为你对自己和他人能力的广告来做到这一点。

在本文中，你了解到开始一个新技术领域时感到不知所措是很自然的。你了解到，这些能力不足的感觉可能导致危险的思维，例如花费大量时间和资源成本去追求一个你认为在开始之前必须具备的学位或教育。

你了解到，机器学习领域有许多途径，而程序员作为技术人员的经验途径是被重视的。你还了解到，机器学习就像编程一样是一个精英主义的领域，只要你坚持并做好工作，它就会得到认可和肯定。

下一步

那么下一步是什么？

也许这条机器学习从业者的道路适合你

• 写给程序员的机器学习