ML学习建议(Andrew Ng)
贴上吴恩达的建议（渣译）来自Bilibili机器学习视频148楼NewConstance用户
在社交媒体上关注那些机器学习的领军人物，看他们热切关注哪些论文、博客等，自己也去试着阅读；
复现别人的成果。尽管这一方法经常被人低估，这仍是一个非常有效的方法去学习ML。看见很多斯坦福PhD学生们成长为厉害的研究人员，我可以很自信的说，复现别人的结果（而不仅仅是读论文）是能使你理解最新的算法的细节的一种有效方法。很多人急于创造新成果（尽管这也很值得一做），但这对你学习积累你的知识基础来说，是慢得多的路子。
当你读完了足够的论文、博客等并且复现了别人足够多的成果，神奇地，你也将开始独立思考自己的idea。当你成功的做出了成果，把它发表在论文或者博客里，也可以考虑开源你的代码和社区分享。这样你可以从社区中得到更多的反馈，从而也有益你的学习。
参加各种可以提升你学习能力的活动，比如关于AI/ML/CV/NLP/语音的线上竞赛、聚会、会议（或者在网上看也可以），比如NIPS/ICML/ICLR。
找志同道合的朋友一起学习。自学的话当然可以学到很多，但是和朋友思考idea也一样可以，同时会更有趣。如果你有机会接触到那些AI专家，比如教授、PhD学生或研究人员，不妨也和他们交流。有时候我和很多大佬比如Yoshua Bengio（花书作者之一）Geoff Hinton（深度学习元老级人物）Yann LeCun（CNN提出及改进者）交流，仅仅一个5min的对话我就能学到很多东西；同样和在斯坦福的PhD、deeplearning.ai的团队员工以及许多公司的工程师交流时，我同样能受益匪浅。
如果你的朋友和你就某个idea意见不合也没关系，有时候你依然应该试着自己实现着看看。Geoff Hinton也曾在访谈里说过类似的话。我所认识的每一个世界级AI研究者都曾经花费了大量的时间独自实现算法、调试超参数、阅读论文、尝试那些可行或不可行的（idea）。我依然觉得这种工作很有趣，我希望你也这么认为。