知識星球
導讀：今年 4 月，梁勁在百度雲盤上傳了一份自己整理的學習筆記——《機器學習——從入門到放棄》。這份學習筆記 540 多頁，圖文並茂，而且全部用英文撰寫，如今這份檔案的下載量已超過 50000 次。由於在海外的 AI 社群反響強烈，梁勁隨後又將這份檔案上傳到了 DropBox。
關於梁勁，關於《機器學習——從入門到放棄》的誕生始末，希望下麵的對話能給你一點啟示。
在大資料（ID：hzdashuju）公眾號後臺回覆入門筆記，獲取下載連結。
作者：阿司匹林
來源：AI科技大本營（ID：rgznai100）
Youth is not a time of life, it is a state of mind. —— 塞繆爾·厄爾曼
雖然年紀大了，體力精力都下降了，但我不覺得自己很老，尚有一顆拼搏的心。——梁勁
1991 年，剛剛走出大學校門的梁勁被分配到政府部門當公務員。工作包分配，而且還是公務員，在很多人看來，這應該是一份非常令人艷羨的工作。但是對梁勁而言，這卻是他人生中最黑暗的時期。
那段時間每天上班就是喝茶、看報、聊天，下班後就是玩遊戲，但這不是我想要的生活，人生毫無希望的感覺，我想擺脫這種生活樣式，但又覺得無能為力，我不知道如果不做公務員，我還能做什麼，我什麼也不會啊，我這 10 年最寶貴的青春就這麼稀里糊塗荒廢了。
三十而立，但是不破不立。
2001 年，梁勁在親朋好友的反對聲中毅然選擇離開體制，併在因緣巧合之下，加入了一家 IT 創業公司，擔任產品設計經理，負責產品的構思，以及具體的使用者介面設計。從政府公務員到創業公司，一切都得從頭學起。
2005 年，梁勁離開待了 4 年的創業公司，進入 SAP 做設計師， 從事使用者體驗方面的工作，直到如今。
時間來到 2018 年，身為設計師的梁勁卻在 AI 社群一夜之間小有名氣。
今年 4 月，梁勁在百度雲盤上傳了一份自己整理的學習筆記——《機器學習——從入門到放棄》。這份學習筆記 540 多頁，圖文並茂，而且全部用英文撰寫，如今這份檔案的下載量已超過 50000 次。由於在海外的 AI 社群反響強烈，梁勁隨後又將這份檔案上傳到了 DropBox。
從動筆到完成，梁勁差不多花了一年左右的時間，作為人工智慧的門外漢，其中艱辛，可想而知。
關於梁勁，關於《機器學習——從入門到放棄》的誕生始末，希望下麵的對話能給你一點啟示。
Q（AI科技大本營，下同）：能簡單自我介紹下嗎？
梁勁：我是一名設計師，目前在 SAP 從事使用者體驗方面的工作，自 10 多年前加入這家公司以來，一直在做 business applications。
SAP 作為全球最大的企業級軟體系統供應商，在全球範圍內很多超大公司都在用 SAP 的軟體解決方案，包括微軟、蘋果、Intel、波音、3M 等 ，SAP 在企業管理系統方面積澱深厚，在這 10 年裡，我參與多款產品的研發工作，其中包括和數千名同事一起研發一款耗資數十億美金的大型產品，獲得了很多經驗、知識、教訓。
目前我參與的產品，是一款讓普通使用者自助式分析和展現資料的 Cloud Analytics 產品。
在加入 SAP 之前，我在一家初創公司擔任產品設計經理。這家 startup 是由 Intel 亞太區一個 VP 創立的，創立之時，正值網際網路泡沫破滅的時候，我們一群年輕人滿腔熱情地加入了這家公司。在奮鬥了 4 年之後，我選擇了離開，很不幸的是這家公司後來很快倒閉了。
作為早期員工，我經歷了產品從誕生到死亡的全過程，很多感慨，即便離開這家公司很多年了，回想起來也依然有點感傷，就像是看著一個小寶貝誕生後不幸夭折的感覺。雖然公司的產品失敗了，但這段經歷是我職業生涯成長最快，收穫也最大的一段時間。
Q：您大學畢業之後都從事了哪些工作？
梁勁：我的專業是化學相關，大學畢業後，被分配到政府部門做公務員。這是我人生當中最黑暗的 10 年，那段時間每天上班就是喝茶、看報、聊天，下班後就是玩遊戲，但這不是我想要的生活，人生毫無希望的感覺，我想擺脫這種生活樣式，但又覺得無能為力，我不知道如果不做公務員，我還能做什麼，我什麼也不會啊，我這 10 年最寶貴的青春就這麼稀里糊塗荒廢了。掙紮了很久，我最後決定破釜沉舟，下定決心把自己的飯碗砸掉了。
這些年很多人為了考公務員，擠破了頭，是不少人熱衷的工作，即便在當時，公務員也是熱門工作。當時我辭職的時候，周圍的朋友一片反對之聲，有一個認識的領導，對我說：“你是不是腦子出問題了？多少人鑽頭覓縫想當公務，你卻要自己砸掉鐵飯碗！”回想起來，這一生做出了很多愚蠢的決定，但離開政府部門是我這一生最正確的抉擇。
離開政府後，因為機緣巧合，我加入了剛才提到的那家創業公司。其實一開始是非常艱難的，從政府部門跳到渾身不搭界的 IT 創業公司，技能上是有所欠缺的，我所有的相關技能都是基於興趣愛好自學的，從專業程度上來說，我完全就是新人。
我在那家公司，負責產品的構思，以及具體的使用者介面設計。因為是初創小公司，所以職責比較綜合，我在這家公司邊做邊學，逐漸在綜合能力上得到了很大的提高。
現在遍地都是 startup，其實當年國內的創業公司非常非常少，我們做的產品，最早是對標 Groove（後被微軟收購），後來產品方向變了，嘗試過不同的方向，但最終還是失敗了。
在初創公司工作，有朝不保夕的感覺，但做事也有它的好處，與 9 萬人的大公司相比，在小公司個人其實有更強的 ownership，對產品有更大的影響力，可以及時驗證 idea 最後的成效，雖然公司產品最終失敗了，但這個過程個人收穫不少。
在創業公司打拼了幾年之後，迫於生計，我最後選擇了進入外企，開啟了另外一段職業生涯。
Q：從什麼時候開始關註人工智慧？因為什麼原因而關註？
梁勁：最早關註人工智慧，大概是在 2016 年，也就是在 AlphaGo 一鳴驚人之後，當時感覺很震撼。然後開始斷斷續續看關於人工智慧相關的文章和影片，但是還是停留在最基本的概念階段。後來在網易公開課上，試圖看吳恩達在斯坦福的機器學習教程（不是 Cousera 的那個版本），看了一陣就放棄了，因為看不懂 。
其實我不是程式員，本身沒有很強的動機去深入學習 AI，我當時做的產品本身也不涉及 AI。只是我做資料視覺化產品，已經好些年了。看到人工智慧的火爆，我在思考是否有機會用 AI 重塑傳統的Business Intelligence/Analytics（商業智慧/商業分析）？
長期以來，傳統的 Business Intelligence/Analytics 都是基於歷史資料，關註的是 “what happed? why did it happen?” ，它關註的是過去，但高階或者新一代的BI/Analytics 是predictive solution，更關註的是未來。“What will happen?” 甚至是“What is the best that could happen ?”
傳統的BI （business intelligence）雖然號稱商業智慧，但其實沒有真正的智慧。用 AI 去革新 BI/Analytics，才有機會提供真正的“智慧”，然而這不可避免會涉及到 AI/Machine Learning，如果我自己完全不懂，我又如何能去設計突破性的 Analytics 產品呢？
所以，我就有了學習“機器學習”的動機，我並非想成為這方面的專家，而是希望透過學習“機器學習”，瞭解它的原理，想把它和傳統的 Analytics 結合，看看有沒有機會做出有突破性的創新產品。
Q：什麼時候產生自己動手寫一本機器學習教程的想法的？為什麼？
梁勁：學習“機器學習”完全是自我驅動的，並非是工作上的硬性要求，而且我這是跨界學習，作為非程式員，要去學“機器學習”，本身挑戰不小。但凡自學新的 topic，特別是對上有老、下有小的職場人士，要長期堅持下去其實是不容易的事情。
如果這個 topic 還很難，如果沒有強烈的動機，不少人學著學著就很容易放棄了，這是人性使然。
我在學習初期，也遇到巨大的困難，根本學不下去。後來自己想方設法在網上找各種英文教程硬著頭皮看，勉強看懂一些，到後面才越來越順了。在看的過程中也做了一些筆記，到後來內容也積累得越來越多。
Learning by doing 和 Learning by teaching 都是高效的學習方法，所以，我就想透過 Learning by teaching 的方式去學習，於是產生了把筆記整理成教程的想法。透過整理筆記，重新組織，也是一個整理思路，加深理解的過程。
在接觸機器學習時，有兩篇文章讓我印象深刻。一篇是 Machine Learning is Fun!（https://medium.com/@ageitgey/machine-learning-is-fun-80ea3ec3c471），還有一篇是 ”圖解機器學習（http://www.r2d3.us/visual-intro-to-machine-learning-part-1 ）”。
我意識到很難的 topic 其實可以用直觀、有趣的方式去呈現。市面上機器學習的教程可謂多不勝數，但寫的直白簡單的卻鳳毛麟角。人都喜歡看圖的，討厭看大段大段枯燥乏味的文字，因此，我萌發了用圖形化的方式去寫一份教程的想法。
Q：在開始動筆之前做了哪些準備？
梁勁：寫這個教程，其實是邊學邊寫。針對每個演演算法，查書籍，在 YouTube上看影片、在 Google 上搜索介紹演演算法的文章，特別是斯坦福、卡內基梅隆大學的課件，如果只是簡單的黏貼和複製，那是網路搬運工，沒有太大價值。我在一開始就定位於做一份高質量的精品筆記，所以在消化它們的基礎上，吸取精華，並重新組合，儘量以圖形化的方式來展現。
雖然這份筆記的內容大部分都來自別人，但解構並重組，也算是一個再創造的過程，這個過程特別耗時。打個比方，搞懂一個演演算法，花了一個星期，再把它用新的方式表述，花了 2-3 個星期。我不是 AI 專家，這份筆記跟市面上的教程，從深度或廣度都沒法比，但我自信它對於初學者的友好性，可能不亞於絕大部分教程。
Q：您是怎樣學習機器學習的數學知識的？
梁勁：吳恩達有幾個影片，介紹機器學習裡用到的常用數學知識，可能只需要 2-3 個小時學習就能瞭解了。
Q：您是如何安排寫作時間的？
梁勁：為了寫這個教程，佔用了大量私人時間，經常做到深夜，週末泡在星巴克寫，過年的時候都每天寫，這是一個艱難的過程。
Q：在寫這本教程的過程中都碰到了哪些困難？
梁勁：遇到最大的困難，還是數學，這恐怕也是多數人學機器學習遇到的最大障礙。我大學畢業多年了，對於數學早已忘得一干二凈，每次看到演演算法部分，看到數學就崩潰，看不懂啊，那些符號是啥意思都不知道，彷彿天書一般。
後來看了 Andrew Ng（吳恩達）的 Coursera 上的教程，然後逐漸就能看懂那些公式了，看懂那些數學符號了。要精通 Machine Learning 肯定需要很懂數學，但如果只是入門和應用，需要懂的數學並非想象的那麼難。我在做這份筆記時，考慮到了初學者忘記了數學這種情況，儘量圖解註釋了相關公式。
Q：從動筆到完成大概花了多長時間？是什麼讓您支撐下去的？
梁勁：前前後後，大概花了一年左右時間。回頭一看，我都不知道自己是怎麼堅持下來的。整個過程挺艱難的，有時看不懂演演算法的時候，心裡那個著急啊，數學忘光了，學起來非常吃力，有時也難免有想放棄的想法。只是又覺得筆記做得這麼多了，貌似做的還不錯，放棄也有點可惜，於是又硬著頭皮做下去，那些困難後來基本也剋服了。
Q：在這個過程中您最大的收穫是什麼？
梁勁：整個過程，我特別想驗證的一點，就是是否可能把特別複雜的東西，用淺顯易懂的方式把它講述清楚？目前來看這個標的初步達到，從讀者的反饋來說，他們對筆記的評價非常 positive。如果有資源和團隊，我很自信還能以更好的方式去呈現概念，做出一份非常好的優質教程。只是限於成本和時間，我一個人目前沒有不太可能做到這點。
太多的技術書籍和檔案都寫得晦澀難懂，為什麼不能寫得淺顯易懂呢？可是要把複雜的東西講得深入淺出，讓別人讀起來順暢，讀起來舒服，這本身就是一個巨大的挑戰。
我們的教育體系，沒有怎麼教過學生如何去以友好的方式、以結構化的方式去陳述和表達概念，甚至非常多的老師也不知道怎麼很好地教授複雜的概念，照本宣科。無數學生深受其害，不是學生笨，而是老師不會教。很多一流的專家，長於技術，長於研究，但不善於清晰易懂地表達，他們更不知道以何種方式向初學者去表達。
曾經看過網上有人說,“不要使用同濟版《高等數學》教材…美國的教材寫的真不錯，通俗易懂；麻省理工的老師教的真是好，深入淺出。國內的教材怎麼就這麼難懂！但是同樣是高數，為什麼學起來感受會差別這麼大呢？”
我沒有學過同濟版的高數，但我有類似的感覺，國內的教材，各種技術書籍，普遍寫的很爛。不是 topic 太難，而是它沒有被以合適的方式去表述！
我在想一個問題，國內的中學、大學教材，是否有必要來一次改寫大翻新？大學裡是否有必要把“視覺傳達設計/communication design”作為一門必修基礎課？
這是一個終生學習的時代，如何讓學習變得更輕鬆，更高效，更有趣，這裡面有很多方法和技巧，值得有志人士去研究，我也倡議一下，希望設計師、Technical Writer、產品專家、技術專家、心理學家、教育學家，共同努力研究這方面的實踐方法，總結提煉Best Practice。
比如吳恩達的《機器學習影片教程》，算是機器學習領域屈指可數的優秀教程了，裡面有很多值得學習的教學技巧，以後有時間，可以寫篇文章分析總結好的展現技巧。
Q：筆記傳到網上之後，有人給您提意見嗎？
梁勁：有的，不斷有讀者發郵件或微信後臺留言點贊，表示感謝。普遍的評價是教程做的精美，覺得教程寫的很清晰、淺顯易懂。當然也有讀者幫助指出了教程中的差錯，提出建議，並期望提供更多演演算法的介紹。
Q：未來會關註哪些 AI 領域？打算寫另外一本教程嗎？
梁勁：未來可能會關註一下強化學習。暫時沒有寫另外一本教程的打算。我這個英文版筆記是無償分享，不斷有讀者問是否有中文版，很抱歉暫時沒有這個計劃，做這個太耗費精力，以後看情況再說吧。
Q：對想轉型 AI 的職場人士有什麼建議？
梁勁：我也不是 AI 專家，提建議不敢當。我只是想說，無論公司，還是個人，需要不斷進化，以適應環境和趨勢的變化。長期侷限在某個領域和環境裡，即便成為專家。
如果不積極擁抱新事物、新知識，有 overfitting （過擬合）的巨大風險，一旦局勢發生巨大變化，原先的知識、技能、優勢都會化為大幅貶值，甚至化為烏有，被時代所拋棄。保持積極的學習心態，是避免自己走向保守封閉，跟上歷史行程的有效手段之一。
在大資料（ID：hzdashuju）公眾號後臺回覆入門筆記，獲取下載連結。
更多精彩
在公眾號後臺對話方塊輸入以下關鍵詞
檢視更多優質內容！
PPT | 報告 | 讀書 | 書單 | 乾貨
Python | 機器學習 | 深度學習 | 神經網路
區塊鏈 | 揭秘 | 高考 | 福利
推薦閱讀
Q: 你入門了嗎？放棄了嗎？
歡迎留言與大家分享
覺得不錯，請把這篇文章分享給你的朋友
轉載 / 投稿請聯絡：baiyu@hzbook.com
更多精彩，請在後臺點選“歷史文章”檢視
