详细内容或原文请订阅后点击阅览
经过6。5年的机器学习
深度工作，趋势，数据和研究后，在机器学习已有6。5年后，首先出现在数据科学方面。
来源:走向数据科学我在六年多前开始学习机器学习，这个领域正处于真正受到关注的阶段。 2018 年左右，当我学习第一门有关经典机器学习的大学课程时，幕后已经开发出关键方法，这些方法将导致人工智能在 2020 年代初蓬勃发展。 GPT 模型正在发布，其他公司也纷纷效仿，用他们的模型突破了性能和参数大小的极限。对我来说，这是开始学习机器学习的好时机，因为这个领域发展如此之快，总是有新的东西出现。
有时，通常是每 6 到 12 个月，我会回顾这些年，精神上从大学讲座快进到进行商业人工智能研究。回顾过去，我经常发现在学习 ML 过程中一直伴随着我的新原理。在这篇评论中，我发现在一个狭窄的主题上深入研究是我过去几年取得进步的关键原则。除了深度工作之外，我还确定了其他三个原则。它们不一定是技术见解，而是心态和方法的模式。
深度工作的重要性
温斯顿·丘吉尔不仅以其演讲而闻名，还以其令人难以置信的敏捷思维而闻名。有一个关于他和英国议会第一位女性阿斯特夫人之间言语争执的流行故事。为了结束与他的争吵，她打趣道：
如果我是你的妻子，我就会在你的茶里下毒。
丘吉尔以其标志性的敏锐回答道：
如果我是你的丈夫，我就会喝它。
像这样机智的妙语连珠是令人钦佩的，因为这是一种罕见的技能，而且并不是每个人都生来就有如此本能的才华。幸运的是，在我们的领域，进行机器学习研究和工程，快速的智慧并不是让你走得更远的超能力。真正重要的是深度专注的能力。
我所说的“深度工作”是指两者：
- 长时间深度专注的技能允许并鼓励这种专注的环境