机器学习的初学者如何在机器学习和深度学习中完成他们的MOOC，将它提升到一个新的水平，并且能够阅读研究论文并在一个行业中有效地做出贡献？

课程是一种非常有效的学习方式，所以从那里开始肯定是有道理的。完成ML MOOC后（ml-class.org）和深度学习专业化（http://deeplearning.ai），这里有一些额外的步骤：

1. 在Twitter上关注ML的领导者，看看哪些研究论文/博客文章等。他们很兴奋，也去读它们。
2. 复制其他人发布的结果。这是一种非常有效但高度低估的擅长ML的方式。看到很多新的斯坦福大学博士生成长为优秀的研究人员，我可以自信地说复制他人的结果（不仅仅是阅读论文）是最有效的方法之一，可以看到并确保你了解最新的细节。算法。许多人跳得太快，试图发明新东西，这也值得做，但实际上是一种学习和建立知识基础的较慢方式。
3. 当你阅读了足够的论文/博客/等。并且复制了足够的结果，几乎神奇地你会开始有自己的意见和自己的想法。当您构建新内容时，将其发布在论文或博客文章中，并考虑开源代码，并与社区分享！希望这将有助于您从社区获得更多反馈，并进一步加快您的学习。
4. 参加任何其他丰富活动，帮助您学习，如在线比赛，聚会，参加（或观看在线视频）良好的AI / ML /视力/ NLP /演讲/等。ICML，NIPS和ICLR等会议。
5. 找朋友来做这件事。你可以自己取得很多进步，但让朋友反复思考将​​有助于你的学习，也会让它变得更有趣。如果您可以访问教授，博士生或优秀研究人员等AI专家，请与他们联系。有时我和Geoff Hinton，Yoshua Bengio，Yann LeCun等人进行了5分钟的谈话，从中学到了很多东西。还有来自斯坦福大学的博士生，团队成员deeplearning.ai，或者我有时会访问的各个公司的工程师。
6. 尽管有朋友与之合作的重要性，如果你的朋友不同意你的想法，有时你仍然应该实施它并尝试自己去看看。Geoff Hinton在他的“深度学习英雄”采访中也说过类似的话。

我所知道的每一位世界级ML研究员都花了很多时间来实现算法，调整超参数，阅读论文，并自己弄清楚什么有效，哪些无效。我仍然觉得这种工作很有趣，希望你也能。

宝宝起名 起名