前幾天看到幾篇不同的文章寫關于機器學習的to do & not to do，有些觀點贊同，有些不贊同，是現在算法崗位這么熱門，已經不像幾年前一樣，可能跑過一些項目、懂點原理就可以了，現在對大家的要求更高，尤其工程能力更不可缺少，只跑過一些iris鳶尾花分類、啤酒與尿布、貓狗分類等的同學需要再提高提高，因為競爭太激烈了，我在這里結合我自己的經驗總結一下吧。

To Do

做項目時，邊搜集數據可以邊用已經搜集好的少部分數據跑模型。不用等到所有數據都搜集好了再跑。

不知道什么算法合適，可以直接把所有的算法都跑一遍，看效果再選擇，多跑幾個應用場景你就知道什么算法適合什么場景，什么數據對不同的算法會有什么影響了。

不知道什么參數是最佳參數，可以用random search或者grid search自動搜索最佳參數組合，有經驗以后對于每個參數的大概范圍心里會有個數。

一定要練習工程能力，只會調參的demo俠現在很難找到工作啦。

模型復現和刷題是很好的鍛煉工程能力的一種方式。

刷題不要追求數量，要總結不同類型的題目的經驗，并結合之前的業務中，看能不能優化之前的業務邏輯。

模型復現可以給自己規定一個任務，譬如在一個月內，把某篇論文的Tensorflow實現的代碼，復現成Pytorch或者PaddlePaddle等其他框架的代碼，不是閑著沒事做，而是模型復現可以迅速提高你對框架的熟悉度和代碼能力。

模型復現的過程中，最難的是寫新的op和模型效果（精度和速度）的對齊。這可能很折磨人，但是收獲也很大。

如果要做新項目，可以先看看有沒有預訓練模型，可以快速做遷移學習的，如果有，那么整體的模型周期會快很多。

如果跑完算法，一定要有一個成品的形態，最好不要只做算法這一塊，譬如跑完模型將其打包封裝成服務接口（服務端和移動端等），達到讓人可用的狀態最好。

領導不想知道過程，只想知道結果。沒有可用的東西和可視化的結果，他會覺得你啥也沒做。

上條只針對部分領導。

沒有人會比你更關心模型的參數調整導致模型的效果提升了0.1%還是1%，大多數人，尤其是leader、或者leader的leader，只關心它有什么用，真實場景的效果好不好。

可以多和同事、同行等互相交流，參加線下的學習會、交流會等，可能會有意想不到的收獲。

學習新的算法，先把代碼跑起來再說，再來看理論、數學推導、自己手寫實現等。

除了調參以外，還需要關注關注部署上線、模型壓縮等方面的內容。

Not To Do

訓練數據不要太干凈了，因為真實場景的數據往往和實驗數據差很多，嘗試加點噪音吧，做些數據增強和mixup等。

論文里的效果不一定能復現。可以嘗試論文的思路，但是不要太過相信論文里的效果數據。

做一個項目就好好深挖，不僅僅要做出來，還要不斷的優化，不然每個項目都只是跑通了，效果還行，沒必要寫到簡歷里，不如寫一個做得很深入，嘗試了各種優化方法并有效果提升的項目。

不要因為覺得自己數學不好就先去惡補數學，買一堆高等代數、數學分析、實變函數、復變函數等純數學書，如果一定要看，推薦《線性代數》《信息論》《凸優化》《數值分析》。

上條推薦的四本數學書也不用全看，凸優化太厚了，其他三本可以在自己有大塊時間可以刷書的時候，規定自己在一個月或者幾個月的時間迅速刷完。線性代數是基礎，數值分析是優化方法（也不用全看），凸優化與信息論與目標函數相關，涉及機器學習的很多理論知識。

不要覺得你訓練的模型效果多好就多么厲害，除非是做科研、打比賽、工業界更關注能不能落地，能不能應用產生價值，不要自high = =

如果把你的算法封裝成服務了，也要做做壓測，學習下工程方面的內容。

最好的狀態是，工程能力強，又懂算法，兩者結合，效果更佳。不要只注重某一方面的提升，多關注下自己的代碼風格，不要讓你的同事code review的時候犯難。