我的机器学习之路

名字比较大，就好比大麻袋，啥都可以往里装。 如果说人生就像旅行，那么通往不同风景必定是要由不同的路抵达的。

---

风景无穷尽，人生却有涯。

15年的时候也写过类似的一篇文章，可以叫做大数据之大路和机器学习的岔路。现在回首那篇文章，发现当年为何不直接走岔路呢。毕竟时间不等人，走着走着就老了。

机器学习的风景也许比大数据的要更吸引人，因为那里充满了未知，也就充满了想象。但是通往那里的路也许也充满了冒险。

突然想到马斯克说人要做适合自己并且最大化自己对人类的贡献的事，也就是他自己所说的第一性原理。但世界上还有一种人，认为人生就是去旅行。

机器学习的正路，我已经走了三年多。

无论进进退退，快快慢慢，时间会告诉你答案。

旅行不是做工程，而是零零散散，从机器学习理论，到优化理论，都是一门课一门课上的，有不同的风格，不一样的深度，有的只是一窥，有的却深究不得其门而入。

扯远了，写到这，又觉得太不实在了，写上面那些有何用处，还是做一个实用主义者比较好。

李航的书，统计机器学习，试图用统计的概念来囊括机器学习，但其实也不完全是统计的思想。还有贝叶斯机器学习，深度学习之类的书籍，试图统一机器学习，但是机器学习实在是太广了，很难被一本书所完全覆盖。

微积分，概率论，统计学，凸优化，实，泛函分析，矩阵分析，测度论，图论，这些是基础知识，如果掌握的扎实，那么就像你去名胜古迹参观，不至于只会说两个字。当然了，我不是数学系出生，测度论和分析都是简单了解了一些概念，没有专门训练。所以常常在阅读一些篇理论的文章时，感到力不从心。

有了基础知识，那么就可以进入下一个旅游进阶。走到这里，接下来的路可以分为理论研究和应用研究，也有二者结合。应用方面，比如两大主流研究领域，CV和NLP。现在基本被深度学习统治，当然也结合强化学习，否则不会有如今大火的ChatGPT。说到ChatGPT，OpenAI出品，创始人就有Musk。CEO Sam Altman，可以说是Musk忠实信徒，践行他的第一性原理，将实用性AI做到了炉火纯青的地步，连Google都要追赶ChatGPT的地步，虽然底层的模型Transformer是谷歌发表的。其他应用比较成熟的比如人脸识别，工业检测，其他视觉检测，也都是进入了落地阶段。该大领域从论文数量来说，也还是top3的位置，目前主要是朝着更复杂，数据量更大的方向走，比如处理视频数据。或者反方向，小模型，IoT设备，把模型压缩到极致。

---

待续…下回再坐地铁的时候继续。