关于机器学习的to do & not to do

前几天看到几篇不同的文章写关于机器学习的to do & not to do，有些观点赞同，有些不赞同，是现在算法岗位这么热门，已经不像几年前一样，可能跑过一些项目、懂点原理就可以了，现在对大家的要求更高，尤其工程能力更不可缺少，只跑过一些iris鸢尾花分类、啤酒与尿布、猫狗分类等的同学需要再提高提高，因为竞争太激烈了，我在这里结合我自己的经验总结一下吧。

To Do

做项目时，边搜集数据可以边用已经搜集好的少部分数据跑模型。不用等到所有数据都搜集好了再跑。

不知道什么算法合适，可以直接把所有的算法都跑一遍，看效果再选择，多跑几个应用场景你就知道什么算法适合什么场景，什么数据对不同的算法会有什么影响了。

不知道什么参数是最佳参数，可以用random search或者grid search自动搜索最佳参数组合，有经验以后对于每个参数的大概范围心里会有个数。

一定要练习工程能力，只会调参的demo侠现在很难找到工作啦。

模型复现和刷题是很好的锻炼工程能力的一种方式。

刷题不要追求数量，要总结不同类型的题目的经验，并结合之前的业务中，看能不能优化之前的业务逻辑。

模型复现可以给自己规定一个任务，譬如在一个月内，把某篇论文的Tensorflow实现的代码，复现成Pytorch或者PaddlePaddle等其他框架的代码，不是闲着没事做，而是模型复现可以迅速提高你对框架的熟悉度和代码能力。

模型复现的过程中，最难的是写新的op和模型效果（精度和速度）的对齐。这可能很折磨人，但是收获也很大。

如果要做新项目，可以先看看有没有预训练模型，可以快速做迁移学习的，如果有，那么整体的模型周期会快很多。

如果跑完算法，一定要有一个成品的形态，最好不要只做算法这一块，譬如跑完模型将其打包封装成服务接口（服务端和移动端等），达到让人可用的状态最好。

领导不想知道过程，只想知道结果。没有可用的东西和可视化的结果，他会觉得你啥也没做。

上条只针对部分领导。

没有人会比你更关心模型的参数调整导致模型的效果提升了0.1%还是1%，大多数人，尤其是leader、或者leader的leader，只关心它有什么用，真实场景的效果好不好。

可以多和同事、同行等互相交流，参加线下的学习会、交流会等，可能会有意想不到的收获。

学习新的算法，先把代码跑起来再说，再来看理论、数学推导、自己手写实现等。

除了调参以外，还需要关注关注部署上线、模型压缩等方面的内容。

Not To Do

训练数据不要太干净了，因为真实场景的数据往往和实验数据差很多，尝试加点噪音吧，做些数据增强和mixup等。

论文里的效果不一定能复现。可以尝试论文的思路，但是不要太过相信论文里的效果数据。

做一个项目就好好深挖，不仅仅要做出来，还要不断的优化，不然每个项目都只是跑通了，效果还行，没必要写到简历里，不如写一个做得很深入，尝试了各种优化方法并有效果提升的项目。

不要因为觉得自己数学不好就先去恶补数学，买一堆高等代数、数学分析、实变函数、复变函数等纯数学书，如果一定要看，推荐《线性代数》《信息论》《凸优化》《数值分析》。

上条推荐的四本数学书也不用全看，凸优化太厚了，其他三本可以在自己有大块时间可以刷书的时候，规定自己在一个月或者几个月的时间迅速刷完。线性代数是基础，数值分析是优化方法（也不用全看），凸优化与信息论与目标函数相关，涉及机器学习的很多理论知识。

不要觉得你训练的模型效果多好就多么厉害，除非是做科研、打比赛、工业界更关注能不能落地，能不能应用产生价值，不要自high = =

如果把你的算法封装成服务了，也要做做压测，学习下工程方面的内容。

最好的状态是，工程能力强，又懂算法，两者结合，效果更佳。不要只注重某一方面的提升，多关注下自己的代码风格，不要让你的同事code review的时候犯难。