眾（lian）所（pi）周（yao）知（hou），我是自學轉行演算法的。算轉行比較成功的吧。雖然不是那種手握幾篇頂會的大佬。但總算進入了阿里這樣的大廠，成為了別人眼中的大廠演算法工程師。今天，我想總結一下自己轉行自學的過程中踩過的一些坑，希望對你有所幫助和啟發。

不要看看不懂的書和影片

既然是自學，途徑無非就是看書和看影片兩種途徑。這些資料，今天已經非常的豐富了。每個人都可以有很多選擇。

但這就帶來另一個問題：究竟該從什麼書，什麼影片開始呢？

然後你去問身邊已經是演算法工程師的朋友，知乎上搜索，發現答案也是五花八門。有的說看西瓜書，有的說直接肝李航書，有的說什麼年代了，直接花書走起！有的說那誰誰誰的影片不錯，可以認真看看。

顯然，這麼多答案，等於沒有答案。

很多朋友最可能的選擇是，選被推薦次數最多的書或者影片來看。然後發現看的腦袋大，最後從入門到放棄。

這樣的過程我都經歷過，當初硬啃

李航

書，有很多地方不理解，怎麼也想不明白，一度懷疑人生。

回頭看，之所以看不懂，不過是當時不具備讀那本書的知識基礎而已。

自學要想成功，在我看來有兩點最關鍵：

持續激發興趣

構建

知識結構

興趣是最好的老師，始終保持一個濃厚的興趣，學習新知識就不再是一個負擔，而是一個快樂的探索過程。好的學習資料一定是每學完一部分，都有種發現新大陸的感覺。如果你在學習的過程中經常有這樣的感嘆：

“我去，還可以這樣！”

“哦，原來是這麼回事兒！”

“666！這解法帥呆了！”

那這份資料一定是適合你的！

初入一個領域，越快構建完整的知識結構，越有利於自學。知識結構這個東西，是一個指引，能幫助你判斷自己現在學習的怎麼樣，哪些地方比較薄弱，那些地方是掌握比較好的。

比如，你隱馬爾可夫模型學習的不夠好。如果你有完整的知識結構，你就可以明白，隱馬屬於

機率圖模型

的一種，你需要先學習機率圖模型。

機率圖模型屬於貝葉斯派，你又要去理解貝葉斯派和頻率派的聯絡和區別。

和隱馬相關的模型有最大熵隱馬爾可夫和條件隨機場，你需要進一步從機率圖模型的角度來學習三者的聯絡和區別。

從這個例子可以看出，有了知識結構，我們的學習會更加系統，更加主動，而不是東一榔頭西一棒子。

一份好的資料一定是時刻注重幫你構建良好清晰的知識結構的。

能做到以上兩點的資料，必然是能讓你看的懂的資料。那些看不懂的資料，自然就不適合用來入門。這些資料，隨著你段位的不斷提高，到該看的時候你自然會找來學習。

不要盲目地去實現演算法

程式設計師領域有句行話：程式碼面前，了無秘密。

很多人學習演算法時自然會想，如果能把每一種演算法都實現一遍，就一定能夠徹底掌握這個演算法。然後網上一搜，發現很多人支援鼓勵實現一遍演算法。於是一頭紮在程式碼裡，沉迷不可自拔。

我當時學習的時候，就看了一本python實現各種經典演算法的書籍，可以說是跟著抄了一遍程式碼，對裡面的每一行程式碼都力求深入理解。由此還發現了幾個bug，當時出生牛犢不怕虎，跟現在某一線公司AILab的負責人大佬專門交流指出，因為書是他翻譯的。

回頭來看，我並不覺得這樣的做法值得提倡。

歡迎關注我的公眾號：演算法的秘密

我們自學的目的是什麼，是轉行，而且是儘可能快地轉行。

我們的時間精力，必須投向那些最能幫助我們達成目標的事情。

清晰的目標感，會讓我們明白，實現演算法絕對是一個非常低效達成目標的方式。

如果你去面試，面試官不可能讓你用程式碼實現邏輯迴歸，實現GBDT或者Transformer。他最多是讓你寫寫

公式

，問問裡面的技術細節。而這些，都是可以在學習原理的過程中就完全掌握的。在時間有限的情況下，強烈不建議你去學習那些演算法的實現細節。

為防槓精，我有必要補充兩點。我是認同實現演算法就能全面徹底，更深刻地掌握演算法的。我所不認同的是，時間有限，目標是轉行的情況下，投入大量精力去實現很多演算法。

當轉行成功後，結合工作中用到的演算法模型，去學習裡面的實現細節，我覺得會是更好的選擇。這樣，實現演算法的過程就可以直接促進工作。

不要埋頭學習，忽略和工業界朋友的交流

記得我有段時間，真的是完全沉迷學習，對每一個演算法都學的津津有味。

一天天過去，當我準備找工作時，才發現。有個很重要的模型一直沒有學，就是xgboost。當時是2017年，xgboost如日中天，而我看的書上並沒有這個模型。而工業界使用xgboost已經是非常普遍了。

可想而知，面試時，我下很多精力學習的Adaboost沒有什麼人問，但是xgboost卻是每面必問。

後來，我透過讀論文，做專案，迅速掌握了這個模型，這是後來的事兒。

反思這件事兒。我們不難發現一個事實。

機器學習

，深度學習都處在一個飛速發展的時代，新的模型層出不窮，而且很多模型從論文到工業運用已經縮短到了一兩個月的時間，甚至更短。

經典的模型固然要學深悟透，但最前沿的進展也同樣要時刻關注，因為新的模型經驗做法一旦被運用到工業界，就會成為面試的重點，如果你不能很好的掌握，是很難透過面試的。

獲得這些新的進展最好的辦法就是多和工業界的朋友交流，他們身在一線，最清楚哪些模型好用，哪些模型只是博士碩士們畢業的墊腳石。這樣，就可以有意識地重點學習那些工業界主流的模型，面試的時候就會更有把握。

有的朋友可能說，我沒有工業界的朋友怎麼辦呢？

很簡單，很多公眾號都有自己的微信群。加進去，活躍一點。沒事兒多觀察大家聊天的內容，發現裡面的大佬，主動請教問題，發個小紅包活躍活躍氛圍。這不就解決了嗎？而且樂意在群裡解答大家問題的大佬，一般也是熱心幫助人的，你放低姿態請教，都會認真回答的。

最後，下決心要趁早

現在AI領域的求職競爭越來越激烈，很多人開始猶豫，要不要入行，擔心學了半天找不到工作。

我沒有辦法告訴你自學完能不能找到工作。你可以在某乎上搜一下一些大佬們的觀點建議。

我只想說，無論你是決定轉還是不轉，都要早下決心。

時間不會等待猶豫觀望的人。

祝好！

歡迎關注我的公眾號：演算法的秘密。

也可以加我微信：milter007 進行交流。