從上大學到工作以來逗威，已經(jīng)有幾次準備系統(tǒng)性學習機器學習了蚌讼，每次堅持不了太久便放棄了辟灰。
整體來看，由于自己數(shù)學基礎(chǔ)很一般篡石，但是對事又喜歡追根究底芥喇，對于某種算法或理論，一定希望能夠在理論高度上全方位理解夏志、證明乃坤、解釋，不然萬分痛苦沟蔑，難以繼續(xù)湿诊。機器學習涉及數(shù)學內(nèi)容寬泛，往往開始一個算法學習之后瘦材，便需要一頭轉(zhuǎn)進茫茫數(shù)學大海之中厅须。而數(shù)學這個東西，并不是短期內(nèi)就能熟練或掌握的食棕，所以學習進程很難繼續(xù)下去朗和。工作以后，平時學習時間更少簿晓，加上自己需要刷leetcode眶拉，便更少有時間能夠系統(tǒng)性學習。這一來二去憔儿，浪費了不少時間忆植。
最近由于工作原因，又必須撿起機器學習的學習谒臼，一上來我還是按照老套路來朝刊，之前已經(jīng)復習過一段時間統(tǒng)計學了，感覺上是比原來好一些蜈缤。但還是堅持不下去拾氓。
想來想去，只能把機器學習劃分為兩個獨立學習進程：
1. 應(yīng)用底哥，只關(guān)注算法應(yīng)用場景咙鞍，使用方法房官，基本概念即可，不糾結(jié)于具體數(shù)學細節(jié)续滋，數(shù)學證明易阳，記住結(jié)論，把自己的疑惑感暫時鎮(zhèn)壓吃粒，把問題拋到第二個任務(wù)隊列中。將算法應(yīng)用到工作和實際生活當中拒课，有直觀理解和感受徐勃。完全當成黑盒來學。
2. 數(shù)學早像，機器學習算法的完整數(shù)學理論基礎(chǔ)僻肖，涉及更多數(shù)學的就更廣泛的去涉略。從兩個方面來研究卢鹦，一個是具體的問題和目標臀脏，一個是一本書或者一門課的刷。
這樣一來冀自，兩種任務(wù)互不影響揉稚，著急的時候，只處理任務(wù)1熬粗，有空閑時間的時候搀玖，可以處理任務(wù)2，這樣不會因為任務(wù)2而導致任務(wù)1的阻塞驻呐，任務(wù)1帶來的成就感灌诅，也能促使任務(wù)2的消費。
不要時刻屈服于好奇心和求知欲的淫威含末，有時候會照成關(guān)注點偏移猜拾，需要適當延后滿足.
