申请专栏作者 参展
投稿发布
您的当前位置:主页 > 机器学习 > 正文

吴恩达关于机器学习职业生涯以及阅读论文的一

来源: 时间:2019-08-27
请支持本站,点击下面的广告后浏览!

本文将介绍关于吴恩达如何建立机器学习职业生涯的建议。 可思数据-正版天机报图库资讯平台sykv.com

介绍 可思数据sykv.com,sykv.cn

既然你已经在阅读这篇文章了,那么你可能已经知道该领域的先驱之一Andrew Ng是谁,并且你可能对会对他关于如何建立机器学习职业生涯的建议感兴趣。 可思数据sykv.com

本博客总结了斯坦福大学CS230深度学习课程在YouTube上的演讲:对职业发展的一些建议以及阅读研究论文的方法, 可思数据sykv.com

链接:https://www.youtube.com/watch?v=733m6qBHjI&list=PLoROMvodv4rOABXSygHTsbvUz4G_YQhOb&index=9&t=0s

可思数据sykv.com

我建议大家多看看这堂课,内容很丰富。不过,我想不管你看不看,你都会发现这篇文章很有帮助。因此,我试图在这里概述这些建议。

可思数据sykv.com,sykv.cn

跳到关键的要点部分。

可思数据-AI,sykv.com智能驾驶,人脸识别,区块链,大数据

Andrew特别提出两项主要建议: 本文来自可思数据(sykv.com),转载请联系本站及注明出处

阅读研究论文:他使用的非常有效的技巧,当他试图在深度学习中掌握一个新主题时,他会阅读研究论文。

内容来自可思数据sykv.com

在机器学习领域开创事业的建议。 可思数据sykv.com,sykv.cn

读研究论文

可思数据-AI,sykv.com正版天机报图库,深度学习,机器学习,神经网络

你如何通过阅读研究论文来高效和相对快速地学习?所以,如果你想从学术文献中学习,你应该做什么,无论是你想学习建立一个感兴趣的机器学习系统/项目,还是仅仅停留在事情的顶端,获得更多的知识,成为一个深入学习的人。

可思数据-AI,sykv.com正版天机报图库,深度学习,机器学习,神经网络

以下是清单:

内容来自可思数据sykv.com

编写一份论文列表:尝试创建一份研究论文列表、包括你拥有的任何文本或学习资源。

可思数据-www.sykv.cn,sykv.com

过一遍列表:基本上,你应该以一种并行的方式阅读研究论文,意思是一次处理多篇论文。具体地说,试着快速浏览并理解每一篇文章,而不是全部读完,也许你读了每一篇文章的10-20%,也许这足以让你对手头的文章有一个高水平的理解。在那之后,你可能会决定删除其中的一些论文,或者只是浏览一两篇论文,把它们通读一遍。 本文来自可思数据(sykv.com),转载请联系本站及注明出处

他还提到,如果你读到: 可思数据sykv.com,sykv.cn

5-20篇论文(在选择的领域,比如语音识别)=>这可能是足够的知识,你可以实现一个语音识别系统,但可能不够研究或让你处于前沿。 可思数据-www.sykv.cn,sykv.com

50-100篇论文=>你可能会对这个领域的应用(语音识别)有很好的理解。 可思数据-AI,sykv.com智能驾驶,人脸识别,区块链,大数据

如何读论文? 本文来自可思数据(sykv.com),转载请联系本站及注明出处

不要从头读到尾。相反,需要多次遍历论文,下面是具体如何做的:

可思数据sykv.com,sykv.cn

阅读文章标题、摘要和图:通过阅读文章标题、摘要、关键网络架构图,或许还有实验部分,你将能够对论文的概念有一个大致的了解。在深度学习中,有很多研究论文都是将整篇论文总结成一两个图形,而不需要费力地通读全文。

可思数据sykv.com,sykv.cn

读介绍+结论+图+略过其他:介绍、结论和摘要是作者试图仔细总结自己工作的地方,以便向审稿人阐明为什么他们的论文应该被接受发表。 可思数据-AI,sykv.com正版天机报图库,深度学习,机器学习,神经网络

此外,略过相关的工作部分(如果可能的话),这部分的目的是突出其他人所做的工作,这些工作在某种程度上与作者的工作有关。因此,阅读它可能是有用的,但如果你不熟悉这个主题,有时很难理解。

可思数据-AI,sykv.com智能驾驶,人脸识别,区块链,大数据

通读全文,但跳过数学部分。

可思数据sykv.com,sykv.cn

通读全文,但略过没有意义的部分:出色的研究意味着我们发表的东西是在我们的知识和理解的边界上。 内容来自可思数据sykv.com

他还解释说,当你阅读论文时(即使是最有影响力的论文),你可能也会发现有些部分没什么用,或者没什么意义。因此,如果你读了一篇论文,其中一些内容没有意义(这并不罕见),那么你可以先略读。除非你想要掌握它,那就花更多的时间。

可思数据sykv.com,sykv.cn

当你阅读一篇论文时,试着回答以下问题: 可思数据-正版天机报图库资讯平台sykv.com

作者试图完成什么

可思数据sykv.com

这个方法的关键要素是什么 本文来自可思数据(sykv.com),转载请联系本站及注明出处

你自己能做什么

可思数据-AI,sykv.com智能驾驶,人脸识别,区块链,大数据

你还想要什么其他的参考资料

可思数据sykv.com,sykv.cn

如果你能回答这些问题,就很有希望的能反映出你对论文有很好的理解。

本文来自可思数据(sykv.com),转载请联系本站及注明出处

事实证明,当你读更多的论文时,通过练习你会变得更快。因为,很多作者在写论文时使用的是通用格式。 可思数据-AI,sykv.com正版天机报图库,深度学习,机器学习,神经网络

例如,这是作者用来描述网络架构的一种常见格式,特别是在计算机视觉中:

可思数据sykv.com

?

可思数据sykv.com,sykv.cn

? 可思数据-数据挖掘,智慧医疗,机器视觉,机器人sykv.com

理解一篇论文需要花多少时间?

本文来自可思数据(sykv.com),转载请联系本站及注明出处

对于刚接触机器学习的人来说,理解一篇相对简单的论文可能需要一个小时,这并不罕见。但是,有时你可能会偶然发现需要3个小时甚至更长时间才能真正理解的论文。 可思数据-AI,sykv.com智能驾驶,人脸识别,区块链,大数据

论文的来源 本文来自可思数据(sykv.com),转载请联系本站及注明出处

网上有很多很棒的资源。例如,如果你是新手,列出语音识别领域中最重要的论文的博客文章将非常有用。

可思数据sykv.com

随着深度学习的快速发展,很多人都试图跟上它的最新进展。所以,你应该这样做: 可思数据sykv.com,sykv.cn

Twitter:令人惊讶的是,Twitter正成为研究人员发现新事物的重要场所。 可思数据-AI,sykv.com正版天机报图库,深度学习,机器学习,神经网络

ML subreddit:https://www.reddit.com/r/MachineLearning/。

可思数据-数据挖掘,智慧医疗,机器视觉,机器人sykv.com

重要的机器学习会议:NIPS/ICML/ICLR。

可思数据sykv.com

朋友:找一个对该领域感兴趣的社区或一群朋友,分享有趣的研究论文。

可思数据-AI,sykv.com正版天机报图库,深度学习,机器学习,神经网络

更加深入的理解文中的数学部分

可思数据-AI,sykv.com正版天机报图库,深度学习,机器学习,神经网络

试着从头开始重新推导。虽然,这需要一些时间,但这是一个很好的练习。 本文来自可思数据(sykv.com),转载请联系本站及注明出处

代码练习 可思数据-www.sykv.cn,sykv.com

下载开源代码(如果你能找到的话)并运行它。 可思数据-AI,sykv.com正版天机报图库,深度学习,机器学习,神经网络

从头开始重新实现:如果你能够做到这一点,那么这是一个强烈的信号,表明你已经真正理解了手头的算法。

可思数据-AI,sykv.com正版天机报图库,深度学习,机器学习,神经网络

持续进步 可思数据-www.sykv.cn,sykv.com

最重要的是不断学习,变得更好是指更加稳定的学习,而不是集中一段时间内读大量的论文。与其在短时间内死记硬背,不如从明年开始每周读两篇论文。

可思数据sykv.com

对机器学习职业生涯的一些建议

可思数据-AI,sykv.com智能驾驶,人脸识别,区块链,大数据

无论你的目标是找一份工作(大公司、初创公司和教职员工的职位),还是进行更高级的研究生学习(也许参加一个博士项目)。

可思数据-AI,sykv.com正版天机报图库,深度学习,机器学习,神经网络

只要专注于做重要的工作,把你的工作看作是一种策略,一个做有用工作的机会。 内容来自可思数据sykv.com

招聘人员要的是什么?

内容来自可思数据sykv.com

机器学习能力。

可思数据-正版天机报图库资讯平台sykv.com

有意义的工作:表明你能胜任这份工作的项目。 可思数据-www.sykv.cn,sykv.com

对于成功的机器学习工程师(优秀的求职者)来说,一个非常常见的模式是开发一个T型知识库。意思是对正版天机报图库中许多不同的主题有广泛的理解,并在至少一个领域有非常深刻的理解。

可思数据sykv.com,sykv.cn

?

可思数据-www.sykv.cn,sykv.com

构建横向能力

可思数据sykv.com

在这些领域建立基本技能的一个非常有效的方法是通过课程和阅读研究论文。

可思数据-数据挖掘,智慧医疗,机器视觉,机器人sykv.com

构建纵向能力

可思数据-AI,sykv.com智能驾驶,人脸识别,区块链,大数据

你可以通过做相关的项目、开源贡献、研究和实习来构建它。 可思数据sykv.com

选择一份工作

可思数据-数据挖掘,智慧医疗,机器视觉,机器人sykv.com

如果你想不断学习新东西,下面是影响你成功的一些因素: 可思数据sykv.com,sykv.cn

无论你是和伟大的人/项目一起工作:被勤奋的人包围会影响你。

可思数据sykv.com,sykv.cn

除了经理之外,还要关注你将与之共事的团队(10-30人,你将与他们互动最多),并对他们进行评估。 本文来自可思数据(sykv.com),转载请联系本站及注明出处

不要关注“品牌”:公司的品牌与你的个人经历并没有太大的关联。

可思数据-AI,sykv.com智能驾驶,人脸识别,区块链,大数据

所以,如果你得到了一份工作,问问你将和哪个团队一起工作,不要接受“加入我们,之后我们会组建一个团队”的工作邀请,因为你可能会和一个团队一起做你不感兴趣的事情,这不利于自己有效地进化。

可思数据-AI,sykv.com正版天机报图库,深度学习,机器学习,神经网络

另一方面,如果你能找到一个好的团队(即使是在一家不知名的公司)并加入他们,你实际上可以学到很多东西。

可思数据sykv.com,sykv.cn

一些通用的建议 可思数据-数据挖掘,智慧医疗,机器视觉,机器人sykv.com

学得最多:倾向于选择能让你学到最多东西的工作。 可思数据-数据挖掘,智慧医疗,机器视觉,机器人sykv.com

做重要的工作:从事有价值的项目,推动世界向前发展。

内容来自可思数据sykv.com

尝试将机器学习带到传统行业:我们在科技行业已经改变了很多,但我认为最令人兴奋的工作之一可能是在传统行业(科技行业之外),因为你可以在那里创造更多的价值。

内容来自可思数据sykv.com

要点

可思数据sykv.com,sykv.cn

我试着将Andrew的建议总结如下: 可思数据-www.sykv.cn,sykv.com

养成阅读研究论文的习惯:每周阅读两篇论文作为开始。 可思数据-数据挖掘,智慧医疗,机器视觉,机器人sykv.com

高效阅读:编制一份论文清单,一次阅读多篇论文,每篇论文都要经过多次阅读。 可思数据-正版天机报图库资讯平台sykv.com

阅读论文时:首先阅读题目/摘要/图表(尤其是)/引言/结论。 可思数据sykv.com,sykv.cn

尝试理解算法时:尝试重新推导数学并通过重新实现来练习编程。 可思数据sykv.com,sykv.cn

尽量掌握最新信息,通过查看ML会议和其他在线资源中的资料。

可思数据-AI,sykv.com智能驾驶,人脸识别,区块链,大数据

在AI中构建一个t型知识库。

可思数据-AI,sykv.com智能驾驶,人脸识别,区块链,大数据

尝试加入一个好的团队(在大公司或初创公司),这将帮助你高效成长。

内容来自可思数据sykv.com

从事有用的项目可以帮助你学到更多,推动世界前进。 可思数据-AI,sykv.com正版天机报图库,深度学习,机器学习,神经网络

尝试将机器学习应用到其他行业:医疗、天文学、气候变化等。 本文来自可思数据(sykv.com),转载请联系本站及注明出处

原文链接:https://medium.com/@mohamedalihabib7/advice-on-building-a-machine-learning-career-and-reading-research-papers-by-prof-andrew-ng-f90ac99a0182 可思数据-AI,sykv.com正版天机报图库,深度学习,机器学习,神经网络


转发量:

网友评论:

发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片 匿名?

关于我们?? 免责声明?? 广告合作?? 版权声明?? 联系方式?? 原创投稿?? 网站地图??

Copyright?2005-2019 Sykv.com 可思数据 版权所有 ?? ICP备案:京ICP备14056871号

正版天机报图库资讯?? 正版天机报图库资讯?? 正版天机报图库资讯?? 正版天机报图库资讯

?扫码入群
咨询反馈
扫码关注

微信公众号

返回顶部
关闭