结束语 | 可以不完美,但重要的是马上开始

你好,我是黄佳。

终于开始提笔写结束语了,这也意味着这门二十多讲的《零基础实战机器学习》要完结了。首先,这里非常感谢每一位可爱的用户,一直在坚持学习、留言,给我提出一些很好的建议和反馈。

其实,从开始打磨到专栏完结,这中间只有3个多月的时间。但这3个多月,对我来说一直是在全力和极客时间的编辑打磨这门课。从最开始的课程设计讨论选择什么样的案例、选择什么样的组织逻辑,到后面每一篇文章、每一个步骤怎么去讲,我们都进行了反复的推敲和打磨。这样做的目的只有一个,那就是为你呈现一个轻松而快乐的机器学习旅程,让你在不具备扎实的机器学习理论基础的前提下,就能够学得会、学得爽。

课程完结了,我可以说一句:不辱使命!

回顾整个过程,远没有我想象中的轻松。但我非常庆幸,自己选择了开始这门课,并在遇到困难的时候没有退缩,而是凭着自己的热爱和坚持,把它做成。

因此,当编辑问我,在课程最后一讲有没有什么技术体系之外的话要和你分享的,我不假思索地回答:“可以不完美,但重要的是马上开始。

从SAP新手到第一本SAP中文书作者

其实,道理大家都会说,也都懂。但是,理解后去真正践行就是另外一回事了。我之所以如此“信奉”这句话,和我的经历有莫大的关系。

时间倒回至2003年,那时我刚工作不到一年,还是一个SAP ABAP新手程序员。那时候,我虽在国外,但英文也一般,当时我入门ABAP语言可以说是非常艰难。这其中的原因主要是,那时候网上的学习资料可远远没有今天这么丰富,没有好的中文文档可以学习,而英文文档读起来又非常不舒服。不过,工作还是要做,该学的东西还是要学,这也是我们必须要克服的。

有一天,一个想法突然闯进我的脑袋:像SAP这样已经日益“火起来”的软件,怎么能没有中文的编程书呢?为什么我就不能写一本出来?这个想法出现之后,就再也挥之不去。当然,与之同时出现的想法是:“我只是一个不到一年的ABAP新手,有什么资格写一本书呢?”“我一点知名度都没有,没有出版社会有兴趣和我合作的……”

客观来讲,这些想法都没错。一个新手要想写一本够水准的书,困难可想而知;而作为没有知名度的人,出版一本书的可能性微乎其微,尤其是在2003年的时候出书要比现在困难得多。但我仍然决定抛开这些顾虑,尝试一番。于是,我几乎给我知道的国内所有技术书的出版社发送了邮件,后来终于有一个编辑回复了我的想法,同意出版这本书。从开始到定稿,我花了整整一年多的时间。

其实现在回想起来,那个编辑的回信只有一句话,我现在仍然记忆犹新:“选题很好,我社愿意出版。”这句话让我非常兴奋,马上开始投入写作。我大量阅读SAP英文文档,并且在新加坡图书馆借了能够找到的所有SAP英文出版物,逐字逐句研习,同时思索着如何把自己从不懂到学懂的心路历程完整地复现下来,分享给我脑中的潜在读者。

此时,奇怪的事情发生了,当我以“出书”为目标重新开始学习之后,我的学习过程变快乐了、不再枯燥了,我的学习速度也比以前快了很多。当我仔细回顾这一过程,发现有三个学习方法对我日后的成长非常重要。

第一,就是阅读英文原版资料很重要。其实,不仅SAP早期的官方文档都出自英文,现在机器学习的主流框架,比如Scikit-learn、Keras、TensorFlow、PyTorch等,它们的官方文档和最新论文也几乎都是英文的。如果没有比较强的英文阅读能力,就不大可能获取第一手的资料。这一关我在写书时通过大量阅读逐渐突破了,如果你想走在技术的前沿,我建议你也尽早养成读英文资料的习惯。

第二,我发现如实记录并仔细体会自己从不懂到懂的过程很有好处。一个已经对一项技能非常熟练的专家,往往会忘记自己入门过程中的艰难困苦,会误以为这个技能本来就“十分简单”,其实并非如此。每一个技能都有一个先难后易的学习曲线,把自己克服困难的过程仔细记录下来,认真复盘,不仅可以分享给后来者,对你以后学习其它技能,也会大有裨益,能让你少走很多弯路。

第三,是很多技术作者都非常认同的一个观点,就是“输出倒逼输入”,这是费曼学习法的精髓,通过教别人来让自己学得更深、学得更透。当然,也许你并不会以“写一本书”为目标,但是,在你的学习过程中也会有非常多“输出”的机会,比如说把自己的知识总结成博客、给公众号投稿、在公司里面做一次技术分享,等等。你会发现你的收获要远远多过你的付出。

就这样,我用了一年的时间完成了这本书,在定稿之后,我把书稿寄给了那个同意出版这本书的编辑,结果发现邮件被退回,原来他已经离职了。我再次联系出版社说明情况,也不再有人回复我。

到这里,你是不是觉得我之前所做的努力都白费了?我自然极度失落,头脑中好像有很多虚拟的小人对着我说:“看吧,早就知道你这书出不出来嘛。”可是,尽管沮丧,我却没有停下来,毕竟这么难做的一件事,如果一切都十分顺利才是怪事,而且最为重要的是,此时我已经感受到了自己的成长,而这种成长超越了“出书”本身。

当然,目标还是要完成的。我从头开始寻找新的出版社,在持续的寻找和等待中,我又花了一年的时间,把第一稿完全重写了一遍。当给第二个出版社交稿的时候,从技术到文字,书稿的水平和质量已经大幅提升。最终,我成功出版了第一本SAP中文技术书《SAP程序设计》。

其实,我想不管结果如何,我的收获都要比“不开始”所获得的多很多。因为你一旦开始,成长也就开始了。如果始终迈不开那一步,就等于放弃了所有成功,包括成长的可能。

我们每个人的一生中,都会出现几个非常棒的想法,这些是属于你自己的机遇。当机遇来临时,抓住它最好的方式就是马上开始。如果你瞻前顾后,无限放大那些阻碍因素,那你永远也不可能达成你的目标。

所以,我真心希望已经领略了“机器学习”风采的你,能够把握住未来那个“专属于你”的机遇,勇敢前行,勿求事事完美,只需尽情享受成长所带来的愉悦。

最后,我还为你准备了一个毕业问卷,希望你能用2分钟填写一下,和我分享你对这门课建议以及你对机器学习的想法,非常期待你的反馈!

感谢你的一路陪伴,日后我们有机会江湖再见!

精选留言

  • 在路上

    2021-10-25 12:07:38

    维特根斯坦引用歌德的《浮士德》中的一句话作为座右铭,就是“太初有为”,一切的开端是行动,然后才有语言。学习这件事,不要等想清楚了再行动,而是在行动中去领悟,学到一定阶段,原来想不明白的事情就变得清晰了,原来不曾有的机会就可以把握了。

    佳哥的课程很棒,通俗易懂,充满实践。
    作者回复

    “太初有为”,多么优美的文字同时蕴含深刻的哲理,可以指导生活。
    ——轮子一旦开始转动,许多风景、事物、想法、机会都将逐渐显现。

    2021-11-16 23:03:18

  • 黑山老妖

    2021-10-20 11:28:55

    课程很棒!加油!!!
    作者回复

    深深感谢!🙏🙏

    2021-11-16 22:49:32

  • Ed_Lee™

    2022-07-16 22:10:40

    二刷书+专栏!第一遍就是懵,期间补充了一些很基础的理论知识,回过头来看第二遍,这次再结合专栏里的案例跟着实践,感觉一下子清晰了很多,感谢!
    作者回复

    同学的鼓励是我努力的动力。谢谢同学认真学习。

    2023-09-12 23:45:36

  • JL

    2021-12-03 16:07:08

    感谢老师!作为技术零基础学员工作需要一边看课一边学python,虽然python 基础还没怎么练,但是机器学习的很多原理都能看懂了!会继续努力的
    作者回复

    谢谢分享~加油!

    2021-12-14 23:31:49

  • Edison Zhou

    2025-06-03 22:39:00

    从另一门AI实战课来的,把自己的学习过程整理成了十几篇博客。又因为对机器学习想要了解更多,订阅了这门课,仍然是输出倒逼输入,最好的风景永远都是在路上,感谢佳哥。
    作者回复

    太棒了,加油!!!!!

    2025-06-08 09:15:08

  • Aaron Liu

    2025-03-13 07:44:34

    值得刷几遍,第一遍看到后面有点跟不上了。动手实践是关键。现在ai时代,买了佳哥的《图解GPT》《动手做AI Agent》,一起向前
    作者回复

    感谢支持,一起持续学习!

    2025-03-31 12:45:51

  • 2024-10-13 17:54:49

    作为一个老鸟,终于工作中必须要用AI了,于是刷了这个课,非常不错,感谢作者
    作者回复

    感谢!

    2025-03-31 12:46:29

  • 黄俊萌

    2023-05-21 09:02:59

    感谢,开发转数据挖掘,单位从0开始搭建,不知道怎么入手,课程帮助提供了工作思路
    作者回复

    谢谢 一起加油学习

    2023-05-31 00:21:37

  • 老徐

    2022-12-02 11:20:41

    对于机器学习,这算是入门极好的课程了,抛开了复杂晦涩的算法知识,更多从应用的角度来讲解机器学习的工具和使用过程,对初学者来说这无疑是最好的教学方式了。
    作者回复

    感谢您的鼓励!再接再厉。

    2023-02-23 10:37:38

  • 李孟聊AI

    2022-06-02 11:11:36

    感谢佳哥,很棒的专栏
    作者回复

    谢谢鼓励!!

    2023-02-23 10:54:52

  • 尼古拉斯德彪

    2022-04-11 19:08:12

    课程通俗易懂,非常不错
    作者回复

    谢谢!

    2023-02-23 10:44:43

  • 静心

    2021-11-26 14:45:52

    我是机器学习方面的一个小白,几乎什么都不懂,很多概念没有听过。

    还是在大学毕业后前几年的时间做过一点机器学习,那是在2002年左右。当时是需要解决栅格地图上高程标注自动化识别的问题。研究了一些资料,最后选中了神经网络,记得当时只做了三层,基本上可以识别0-9和小数点,识别准确度并不是很高。

    其实原因有三:
    1、当时的机器学习生态还不够成熟;
    2、自己所掌握的知识有限;
    3、对神经网络的应用不够。

    看完这套课程,我觉得如果再让我做相同的,我会信心更足一些。

    以前一直没弄明白如何实现一套机器学习程序或服务,看完以后整个流程基本上明白了。
    感谢作者的付出。
    作者回复

    非常非常感谢您的鼓励,加油!

    2021-11-29 14:58:42