機器學習的初學者如何在機器學習和深度學習中完成他們的MOOC，將它提升到一個新的水平，并且能夠閱讀研究論文并在一個行業中有效地做出貢獻？

課程是一種非常有效的學習方式，所以從那里開始肯定是有道理的。完成ML MOOC后（ml-class.org）和深度學習專業化（http://deeplearning.ai），這里有一些額外的步驟：

1. 在Twitter上關注ML的領導者，看看哪些研究論文/博客文章等。他們很興奮，也去讀它們。
2. 復制其他人發布的結果。這是一種非常有效但高度低估的擅長ML的方式。看到很多新的斯坦福大學博士生成長為優秀的研究人員，我可以自信地說復制他人的結果（不僅僅是閱讀論文）是最有效的方法之一，可以看到并確保你了解最新的細節。算法。許多人跳得太快，試圖發明新東西，這也值得做，但實際上是一種學習和建立知識基礎的較慢方式。
3. 當你閱讀了足夠的論文/博客/等。并且復制了足夠的結果，幾乎神奇地你會開始有自己的意見和自己的想法。當您構建新內容時，將其發布在論文或博客文章中，并考慮開源代碼，并與社區分享！希望這將有助于您從社區獲得更多反饋，并進一步加快您的學習。
4. 參加任何其他豐富活動，幫助您學習，如在線比賽，聚會，參加（或觀看在線視頻）良好的AI / ML /視力/ NLP /演講/等。ICML，NIPS和ICLR等會議。
5. 找朋友來做這件事。你可以自己取得很多進步，但讓朋友反復思考將??有助于你的學習，也會讓它變得更有趣。如果您可以訪問教授，博士生或優秀研究人員等AI專家，請與他們聯系。有時我和Geoff Hinton，Yoshua Bengio，Yann LeCun等人進行了5分鐘的談話，從中學到了很多東西。還有來自斯坦福大學的博士生，團隊成員deeplearning.ai，或者我有時會訪問的各個公司的工程師。
6. 盡管有朋友與之合作的重要性，如果你的朋友不同意你的想法，有時你仍然應該實施它并嘗試自己去看看。Geoff Hinton在他的“深度學習英雄”采訪中也說過類似的話。

我所知道的每一位世界級ML研究員都花了很多時間來實現算法，調整超參數，閱讀論文，并自己弄清楚什么有效，哪些無效。我仍然覺得這種工作很有趣，希望你也能。

寶寶起名 起名