写代码会变得有点沮丧，需要用色彩包围自己自律和自学这两个词不能掉以轻心。一个人必须对自己的教育和启蒙负责。如果你忽略它，别人就会为你做出选择。1.数学、代码和数据是你的前三名。任何有效的机器学习管道都是数学、代码和数据的交集。每个项目仅在与其他项目结合时才有效。如果您的数据质量很差，那么无论您的数学多么优雅，或者您的代码多么高效，都无关紧要。如果你的数据质量很高，但你的数学是错误的，那么你的结果可能不会很好，或者更糟，会造成伤害。如果您的数据和数学是世界一流的，但您的代码效率低下，您将无法从扩展中获益。该数据为您提供了一个包含天然宝藏的采矿地点。数学是你的镐。代码让您可以构建一支挥舞镐的机器人大军。这三项是系统输入（您拥有的）和输出（您想要的）之间的桥梁。注：三个专业的数学分支还包括统计和概率。2.三巨头的唯一例外有一个比无法平衡三巨头更大的罪过：忘记了三巨头是为谁服务的。如果代码不能为客户服务，那么执行得更好的代码，由更优雅的数学提供支持，对于从最丰富的数据中获得洞察力来说毫无意义。工程师经常会发现自己迷失在一个过程中，忘记了他们最初想要的结果。尽管他们怀着良好的意愿行事，但他们忘记了意愿不如行动重要。三大项目至少要给顾客带来一些好处，聊胜于无。澄清一下，如果你的高级模型需要47倍的时间来提高1%的准确率，它是否提供了良好的体验？3、再崇拜三巨头也不要被他们蒙蔽了双眼，不要被自己的爱蒙蔽了双眼。自学成才的机器学习工程师是他们自己的大怀疑者。他们知道数据不能证明，只能反驳（证明先前的概念错误只需要十亿分之一的数据点），一点点糟糕的数学会产生极端的后果（自然而然地不是线性的），代码只有同样的效率因为它是最弱的。无论三巨头多么神圣，直觉也不容忽视。如果结果好得令人难以置信，除非你很幸运，否则它可能是错误的。4.与你需要服务的客户保持良好的关系让机器做它们擅长的事情（重复这个过程）。当它让你做你擅长的事情时（关心、设身处地为他人着想、提问、倾听、领导、教导）。您的客户不像您那样关心三巨头。他们关心自己的需求是否得到满足。5.向为你奠定基础的人致敬当你想到计算、机器学习、人工智能、数学等，你会想到谁的名字？AdaLovelace、GeoffreyHinton、YannLeCun、YoshuaBengio、AlanTuring、FeiFeiLi、GraceHopper、AndrewNg、JonVonNeumann、AlanKay、StuartRussel、PeterNorvig？当然，在你听到或记住的所有名字中，有1000个名字有所贡献，但从历史书上消失了。后起之秀应该认识到前人的巨大努力，但也承认他们每个人都会告诉崭露头角的机器学习工程师同样的话：该领域的未来取决于你的工作。6.不要低估完全重写的力量你的目标应该是第一次就构建可靠的东西。但随着你的技能提高，你可能想要重构以前的作品，将它们拆掉并以新的视角重新创作。自学成才的机器学习工程师明白，就像大自然一样，软件和机器学习项目永远不会结束，它们总是在运动中。数据发生变化，代码在新硬件上执行，一位天才找到了一个计算效率高、低内存依赖的优化器合适，并将其命名为Adam。您不仅应该对这些变化持开放态度，还应该欢迎它们。一旦它们出现，请使用您更好的判断力来决定它们是否值得在您的系统中实现——仅仅因为某些东西是新的并不意味着它是必需的。7.避免工具碰撞编程世界中的一个常见轶事是粉刷自行车棚。它谈论的是一个程序员或一组程序员担心车棚应该是什么颜色，而不是问像车棚是否真的可以存放自行车这样的重要问题。当然，这个自行车棚也可以用电脑程序代替。在机器学习的世界里，你会听到有关R或Python、TensorFlow或PyTorch、书籍或课程、数学或代码优先（两者，记住三位一体）、Spark或Hadoop、AmazonWebServices或GoogleCloud的无休止争论平台、VSCode与Jupyter、Nvidia与...所有比较都是有效的，但没有一个值得与对方争论。你应该回答的真正问题是：什么能让我以最快、最可靠的方式建立我的想法？一旦你问自己这个问题，你会发现其他人都在问自己同样的问题。工程师的诅咒是从工具开始寻找问题，而不是从问题开始寻找工具，只有在没有合适工具的情况下才应该构建它。学习资源也是如此。数学、代码和数据三巨头在你学习时不会改变，唯一重要的是你如何使用它。不要忘记：许多问题无需机器学习即可解决。8.你的想法就是商品不要把执行好想法的人和窃取你想法的人混为一谈。你的想法在别人手中比在你脑子里更有价值。作为一名工程师，您的角色不仅是构建自己的想法，还要与他人交流，向他们展示如何从这些想法中获益。如果您缺乏这种沟通技巧，您应该与有这种沟通技巧的人一起工作，或者寻求培养这些技巧。在一个没人知道该相信什么的世界里，您可以通过做真实的自己来与众不同。对你必须提供的和你不知道的诚实。能够承认自己的无知是一种力量，而不是弱点。好技术总是赢，说谎永远不会赢。构建技术。别说谎。9.你的邻居、同事、同学、伙伴也在思考这个问题。你认为别人的进步是嫉妒的来源吗？还是您将其视为可以做的事情的动力？你对他人的成功感就是你成功时的感受。10.不要贪婪你应该寻求使用三巨头来建立你的技能来回答你想服务的人的问题，但你不应该出于欲望而这样做。欲望会诅咒你，让你永远把未来看得太重，而不是享受现在所拥有的。想要提高技能的治愈方法是培养对学习的热爱。自学成才的机器学习工程师可以快速学习利用数学、代码和数据的力量所需的概念，但不能操之过急。他们明白学习任何有价值的技术都需要时间，如果是这样，他们不妨享受这个过程。从一开始，您就是对自己的启蒙和教育负责的人。了解这一点，您应该选择无论运气如何都会成功的项目。该项目是否满足您的好奇心？它挑战你的技能吗？能让你受戒吗？如果是这样，那就足够了。最后，在走自己的路的同时，自学成才的机器学习工程师始终牢记：没有知识就没有资格没有行动没有思想没有享受没有学习没有风格没有创造没有实践，没有技巧；没有工具，就没有目的；没有交易，毫无疑问，就没有假设；没有贡献，就没有消费；没有对现在的爱，就没有对未来的渴望；最重要的是，没有三巨头就没有机器学习。
