退群指南

AI-hackers

薅群中的学员，除了专业人士，大都有两个这样的疑问：

“机器学习如何同我的专业结合？”
“我能通过自学找到机器学习的相关工作吗？”

今天我想为这两个问题给出一个确定无疑的答案，那就是：只有你自己才能找到答案。

人生中充满偶然。也许你下一次去参加行业会议，旁边坐的就是一位机器学习跨界而来的大佬；也许你在课程论坛上请教问题的助教，就是可以引荐你入行的一位大牛。

关键在于，当这种机遇降临的时候，你准备得如何了？

你能否对跨界大佬侃侃而谈你对业务结合点、效率提升、商业竞争力的思考？你能否对远程大牛滔滔不绝你对算法的理解，解决问题的思路，手头项目的挑战？

当然，以上只是硬币的一面，其另一面则是你要付出的机会成本。

如果我把学习机器学习的时间放在本职工作上，会不会更快升职？
如果我不转行，是不是在原行业也能混得不错，拿到相似的薪资？

更大的可能是，我们的生活并没有那么戏剧化。事实上，许多跨领域应用的过程，转行的过程，都伴随着大量的试错。

在试错的过程中，你的信念来源不应该是“（当前的）xx职位薪资”“（当前的）xx公司工作环境”。原因是：这个世界变化太快了。随手给证据：

• 2000年的财富五百强，现在已有45%不复存在。
• 2007年第一代iPhone上市，改变人们对智能手机的认知；2013年，诺基亚手机业务被收购。
• 2008-2014年初，国际石油价格在百元附近；2015年，跌破50美元。（此变化间接促成我前工作单位被高价收购）
• 2008年，国际碳价曾高达23欧元／吨。世界银行曾预计其交易量将超过原油交易市场。2012年，跌至1欧元以下。对CDM从业者的冲击可想而知。

还有大量我经历过见证过的兴衰，都让我得出这个结论：不要用线性推论去预测未来。真正的“未来”，尤其是科技商业的未来，毫无疑问是跳跃发展的。即使没有新技术冲击，过度乐观的高潮后，必有幻想破灭的低谷。

媒体已有太多对人工智能和机器学习的溢美之词，在现实中我们可能并不能直观感受到这一点，尤其是在中国。许许多多的创新和试错发生在我们看不见的时间源头，或是大公司讳莫如深的部门。而机器学习领域的发展也不会是一帆风顺的指数曲线。如果你懂一点理财，甚至操作过比特币，你会知道，选对买入对象不难，难在长期持有。若你需要一个确定无疑的未来保障才肯投入，你永远都无法真正投入。

此时，你需要内部动机。

问问自己：如果机器学习的薪水和工作时间与产品经理、运营编辑、生物博后、或者其他任何你行业中的基础职位相似，假设你对于这几个职位的胜任程度没有不同，你是否更愿意选择机器学习成为你每日的工作？

If the answer is not a passionate "Yes!", then you should probably quit.

有人也许要问：“我接触这个领域时间很短，还没有真正做点什么，不知道是不是真的更有兴趣，反正对其他事情兴趣也不大。怎么办？”

我建议：拿出两个月的业余时间（每周20小时以上），全心全意地完成一个阶段性的学习，最好是做一个甚至几个项目；而不是在“如果我学了”的想象中晃悠一天又一天。如果最终发现这不是你喜欢做的事，也不过浪费了两个月的业余时间而已。

No more cheap talk, show me your code.