如果我没有那么优秀，我研究生阶段选择机器学习方向还有出路吗？

看到这个问题，就想到大二时候的自己。对什么事情都很迷茫，不知道自己要去做什么？

我现在也刚刚上研究生，回头去看过去自己走过来的路，貌似一直在不断的尝试，不断的试错，不断应对来自各方的质疑、自身对现实的思考又让自己焦虑。

其实一切远不到选择什么方向，有没有出路的时候，我过去的经历告诉我的是，去做事情就好了，不会的东西该补的补，不懂的东西该学的学，三年后回头来看觉得问心无愧就够了。

我现在刚刚确定研究方向，跟着师姐利用神经网络做故障预测，我最近也在看些与数字孪生相关的文献。

入学之前师姐就发了好多神经网络相关的 Paper，还好自己听过贪心科技的机器学习课程，不然真就一头懵。

现在这个时代，不管是做传统工业、还是说做互联网企业，其实机器学习的东西是少不了的，不知道为什么会觉得没有出路呢。

23、24号这两天导师让看清华大学的质量可靠性研究院年会，记得作报告的一位香港的老师在 Ppt 里不断地在重复 Data、Machine Learning、 Deep Learning 等等的名词。现在传统的行业都受到了人工智能、机器学习相关技术的冲击，所以我觉得这个领域还是有很大的机会的。

关于没有那么优秀，其实大家都是普通人啊，我在腾讯会议里看那些大佬做报告，聊的东西是什么我都不太清楚，但是也可能是研究生刚入门，要补习的东西太多了。

觉得自己对哪些知识不了解，就去搜一搜看看有什么学习方法，有什么学习路线。结合自己的兴趣去发现自己的研究方向。机器学习毕竟还是一种研究问题的方法，把它应用到现实问题中做出来些东西可能才会觉得自己不一样了吧。

我也不是一个优秀的人，从土木到制造业，感觉是一个坑到另一个坑。比较感激自己的就是大学在不断的尝试去找自己喜欢的事情，听老男孩的Python课程、听华盟网的网络安全课程、在贪心科技学机器学习中级课程，虽然过程也很心累，但是这些经历让自己多少也有了些计算机相关的理论基础，在去摸索新的东西不至于太陌生。

机器学习现在是一个热度很高的东西，23号的会议里面，有很多老师都在说希望能招到一些数学基础好、人工智能相关的知识较为深厚、又对质量和可靠性有基础的学生的。可见不管在哪些应用领域，都少不了机器学习工具作为支撑，不要质疑自己，去做就好了。

就拿我现在来说，一方面在补质量和可靠性方面的知识，一方面在上贪心科技机器学习高级魔鬼训练营的课程，强化学习和图神经网络相关的知识学完以后打算写篇BP神经网络提高故障诊断预测精度的 Paper 试试手、文献还要不断看，在这之前先把研究问题的工具学习好吧。

学习的路上本来就不是一帆风顺的，既然已经选了这个方向就努力去做吧。一步一步来吧，适当的压力要有，但也不要太焦虑，心情不好也不是什么好事。