如果没有那么优秀,研究生阶段选择机器学习方向还有出路吗？

2019 年 8 月 9 日 极市平台

加入极市专业CV交流群，与6000+来自腾讯，华为，百度，北大，清华，中科院等名企名校视觉开发者互动交流！更有机会与李开复老师等大牛群内互动！

同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流。关注 极市平台 公众号，回复 加群，立刻申请入群~

本文内容已获得作者授权

来源：https://www.zhihu.com/question/335991165

如果没有那么优秀，研究生阶段选择机器学习方向还有出路吗？

有题主在知乎上发文称，机器学习大佬的经历给了他很大触动，顶级名校、各种科研经历和项目成果，“写论文已经开始不追求顶会，而是追求完美的质量”。

而自己“在本科阶段只是一个普通本科，周围也没有那么多大牛能够指点......考研有幸考入到211学校”并且每次“想起大牛们在研究生阶段谈笑风生间优化框架底层算法，感觉差距很遥远，内心一种无力感”。

那么，如果没有那么优秀，研究生阶段选择机器学习方向还有出路吗？

作者：微调

https://www.zhihu.com/people/breaknever/activities

那天读了一句话，大意是人生有两个重要时刻：一是意识到自己只是普通人，二是意识到自己的孩子只是普通人。评论区也读到两句有意思的话，大意是人生有两个重要时刻：一是发现自己不是普通人，二是发现自己是普通人。

这些想法虽然真实，但稍微有点悲观。如果我们普通人能先破后立的话，一般也能做出一点小突破。题主提到的“每天读两篇论文，坚持背50个英语单词，多学点公开课”，这些都似乎都对科研有一定的帮助，但都不是问题的核心。

照我的观察，很多厉害的工作不是从一开始就那么惊艳，而是慢慢雕琢而成。作为一个普通的科研工作者，我们可以从两个维度提高：

思考的频率、广度和深度
执行力

思考的频率指的是回溯旧问题的次数，这种习惯可以培养。比如我们学习到的新知识其实是一件件工具，不断用学到的新工具去重新思考以前的旧问题，往往新工具就能解决旧问题。我的一个建议不如把自己遇到的各种科研问题，不论多么不成熟都记下来在本子上，每过一阵子去翻看一遍学到的新知是否能够解决新问题。

比如没学数据结构前，你总在想为啥我实现的机器学习模型这么慢，学了以后才知道搜索近邻可以用kd-tree，要是可并行的任务可以分解成小任务在多个core上运行。很多问题的答案其实非常朴实无华，但当你知道答案时，往往连问题都忘了，所以你总是没有好点子。因此要不断的记录，不断的回溯。随着你不断重复这个过程，思考的广度和深度都会上升。

我喜欢的是在夜跑出发前选一个主题，一边跑就一边天马行空想和这个主题相关的内容。跑完步再把内容记录下来（我一般看情况会选择纸质笔记或者evernote，最后再整理到OneNote里）。你往往想着A主题，就会联想到B，时间长了就会有一些靠谱的点子出来。

其次就是执行力，人最终的问题就是想太多而做太少。绝大部分学术新星一开始的点子也是老板给的，或者一开始的工作也并非特别惊艳。但做的多了，质量总是会上升的。务实的说，有了尚可的点子就先做实验，有了尚可的实验结果就写论文，今天发不了CVPR就先发ICIP，迭代式上升才是符合普通人的路线。如果想要奔着搞大新闻的目标做科研，往往会卡很久很久很久...很久很久很久。但也不能总恰烂文章，必须逐步提高对自己的要求。

最后，也是我觉得最重要的一点就是「兴趣」。恬不知耻的举一个我的例子，几周前我回答了一个关于模型集成的问题（大部分机器学习算法具有随机性，只需多次实验求平均值即可吗？），回答后我搜索了半天发现没有易用的工具，于是就花了两周时间做了一个初步的Python工具库出来，并打算长期开发完善它。

https://zhuanlan.zhihu.com/p/75584326

因为这一切都是兴趣推动的，所以才很有动力。你只有对自己的内容认可，才能做出让大家接受的内容。

我做过的第一个比较受欢迎的工作（https://github.com/yzhao062/pyod）也是相似的，才能有热情花好几年时间来完善它。你最好能找到自己觉得有意思且重要的课题，而非是能发XXX会议的课题。只有这样你的内心才有动力，而非迷茫与功利。

而这一切的前提，也还是要有一定的思考和观察，毕竟好的点子不会从天上掉下来。而当你的工作质量上去了，得到关注与发表到好的期刊/会议只是水到渠成而已。回到主题，我们必须先承认自己并不在科研食物链的顶端，而且往往是处于中下游。但梁静茹也给了我们勇气，鼓励我们去做一些至少自己感兴趣且可以感到满意的工作。

想要做出这类工作，就需要不断提高自己的思考能力和执行力。再务实一点说，从就业角度看做机器学习不一定比学软件开发性价比更高，毕竟后者岗位多需求大不易过气。所以在投身机器学习科研前，或者任何科研领域前，不如先想想自己的目的是啥，是为了找工作？发大财？当科学家？还是？没了解清楚前，不要给自己定一个虚无缥缈的的目标，也不要读了大牛的成功故事就感到自惭形秽。

日子是我们自己的，你被感动、被激励只是说明人家文章写得好，和我们关系不大。你学学写作技巧后，最好赶快回到现实世界里来比较重要。不要给自己加戏，自怨自艾、感动、受鼓舞，都大可不必，务实就好。

有天我妈问我的工作内容到底是啥？我告她就是修自行车。一个新点子就像是个骨架，初期修修补补先上路再说，叮叮哐哐咱慢慢修它，先能骑就行。你沿路捡个轮胎，随手淘个发动机（找到了新的工具），再一改装，或许就成摩托车了。

搞科研的，别看见人家有摩托车就焦虑，就眼红，就着急，其实大家都是一路捡破烂过来的。

大家出门都是一双脚，你要啥自行车啊？

作者：香蕉树下的老中医

https://www.zhihu.com/people/bai_62868/activities

每次看到这种类型的问题，我都想到沐神在朋友圈说过的话。

截图如下，

虽然tianqi也是我的偶像，但是我知道这种差距是弥补不过来的。。。

(xgboost就不说了)，不管是从mxnet（早期cxxnet）还是到现在的tvm。你会发现，这些流弊的人思考问题的方式和执行能力（据说tianqi每天的作息时间都是非常固定）是你所想象不到的，这也能够说明为什么他们能在某个特定的时代做出具有一定意义，并且思想较为超前的system或者tools（虽然有些人会喷tvm，mxnet。。。

结合我自己的感觉，有幸今年暑假在cornell做summer research，旁边坐着dmlc社区，当时TVM的某位作者。和大佬简单对下了护照，没想到我俩竟然是同年同月同日同时生，大佬(PhD第一年)现在的citation已经110+了（各种大满贯+best paper）。。。再看看自己，菜狗一只，根本不敢说话，默默舔就完事了！其实啊，这些差距并不是你我这种普通人做了什么努力就能弥补过来的。

人生啊，活得开心就好，没必要把自己整的那么难受。实在不行就像我一样，早早脱坑，早早开始准备老家的公务员考试。进入新的世界，你就会发现其实你的天赋点加到了别的domain。

不知道兄弟你听没听过这句话：“十年科研一场空，一张彩票变富翁!”

对于这个问题你怎么想呢～欢迎大家在下面留言讨论～

-完-

*延伸阅读

添加极市小助手微信（ID : cv-mart），备注：研究方向-姓名-学校/公司-城市（如：目标检测-小极-北大-深圳），即可申请加入目标检测、目标跟踪、人脸、工业检测、医学影像、三维&SLAM、图像分割等极市技术交流群，更有每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流，一起来让思想之光照的更远吧~