「吴恩达」吴恩达专访：我的人工智能科研之路( 四 ) |人工智能|机器学习|Coursera|

多样化的技能可以帮助我们发现更适用解决问题的工具。在学术方面我也有期望。假如我只做学术，并且有无限的预算，不用担心短期的影响的话，我会把所有的精力都花在研究无监督学习上，因为无监督学习是一个美丽的想法，它让人兴奋。举一个自监督学习的例子：我在网上抓取了一些无标签的图像数据，数据的种类各种各样，那么我会将每张图片旋转、翻转，然后训练一个有监督的神经网络预测图片原来的方位。
因为旋转了图片，所以产生的有标签的数据就是无限多。研究人员已经发现，通过无标签数据和捏造标签数据集，然后训练一个大型的新网络，采用隐藏层表示并使用迁移学习能够将其转移到另一个强大的算法上面。无监督学习越来越重要，并且在现实世界里发挥着作用，尤其是在计算机视觉领域，此概念融合其他学科的概念会让人兴奋。
我对稀疏编码也非常感兴趣，我看到过一个慢特征分析，其想法可以追溯到我们十年前的工作内容，但当时我们都被监督学习所分散精力，所以希望研究者可以围绕主题探索更多的工作，以便能够出圈。
6、养成学习习惯是重要的学习技巧！对于初学者来说，大概是16周可以完成深度学习专门的课程，也有的人在不到一个月的时间完成学习、也就是说，这取决于个人情况，我们在Course上面提供了非常专业化的课程，非常容易获得，也很实惠。如果学生经济困难，那么就可以申请经济援助也是可以的。
在学习深度学习和机器学习的时候，养成学习习惯是关键，因为这意味着规律性。对我自己来说，我养成了每周六和周日花点时间看书或学习的习惯，习惯会让人变得更容易。所以就像你刷牙的习惯一样，不会认为那刷牙的那两分钟所做的事情是烦人的。
记住，学习者不需要有认知负担的习惯，但要做到这一点一开始会非常困难。确信自己能够养成不需要做决定的习惯，学会坚持不懈！读研究论文是一件非常好的事情， “不读论文”的能力可以来自一年里每周都读论文，当你读了一百篇论文之后，你会学到很多。
关于学习的技巧，提倡手写笔记。对于我来说，当我深入研究某件事时，我会用手写下来。当然，视情况而定，不是每个人都适用，例如很多人在通勤途中的学习，书写就非常不方便。但是总的来说，手写笔记可以提高记忆力，能够让人们更多的回忆知识点，促进了人们的长期注意力的集中。
然后在写笔记的过程中，注重总结，可以写的慢一点，但要对学习的内容深层次总结。在学习过程中，实际上课程作业是人们进入新领域并学习概念知识的一种非常有效的方式。
博士生如果想投入研究，实际上最好的做法，是在开始几年的花时间奠定基础，虽然头几年的工作效率比较低，但是长远来看，确是非常棒。从小事做起，循序渐进，不要一上来就处理大项目，可以拿小项目练练手。当然，最关键的是先迈出第一步，然后再迈出一小步。
7、关于博士学位，关于找工作研究者应该获得博士学位吗？机器学习中最令人着迷的事情就是即使你没有博士学位也能做一些有影响力的事情。
当然了如果有人被麻省理工或者斯坦福等顶尖高校录取，那么也是一次极好的经历。另外，如果有人想成为一所顶尖大学的教授，那么就必须拥有一个博士学位。
另外，我建议你得到一份工作的时候，要问谁是你的经理？你周围的同龄人都有谁？因为我们都是社会生物，我们往往变得更像我们周围的人。如果你为优秀的人工作，你会学得很快。如果一家公司不告诉你与谁一起工作，或者说是轮换制度，我觉着这可能是一个令人担忧的答案，因为这意味着你无法与优秀的人一起工作。
8、如何建立一个成功的人工智能创业公司很多初创企业的失败都来自于产品制造，因为他们的产品没人想要。我本身倾向于结果以及客户驱动的商业模式。只有当客户决定给你的产品伸大拇指，还是小拇指的时候，才能决定你的成败。