##經驗壁壘
俗話說「一張白紙好作畫」。有時候經驗反倒是乙個籠子，錯過新的/更強大的解決方案。思維模型的固化會讓你很難接受另一種程式設計模型。
舉個現實例子：公司現在要開展乙個全新的專案，並且在前期調研時發現***語言特性完美適配專案架構，作為公司高管你會選擇讓月薪3萬的程式設計師學習新語言之後接手這個專案還是招聘3個月薪5千的技術新手？
##直線超車 假設人類已經研製出一種光速飛行器，我們要去25光年外的一顆小行星，現在飛行器可以以1倍光速飛行，但是在到達目的地之前很難更換飛行器。你是否現在出發？
假設5年後有望研發出2倍光速的飛行器。你是否現在出發？
##精力投資 不客氣的說，一直以來機器學習的應用只是demo級別。在人工智慧的道路上，現階段處在塑造血和肉的階段，距離真正的智慧型具有相當遠的距離。現階段是各框架/庫/api/語言的混沌時代，好似2023年android/ios/windowphone的三國時代，如果當時你選擇的是windowsphone，誰會憐惜你當時付出的青春？stephen elop嗎？
##追隨道德強者 我個人是google的追隨者，不是盲目崇拜，而是相信google "do not be evil"的原則。最近google發布了tensorflow的中文課程developers.google.cn/machine-lea…（不用梯子也能訪問），我看了下課程內容設計的很合理，表現的很直觀，甚至還有練習題。你大概會花費15個小時學習。
##最後 不管別人通過哪些途徑來「入門」深度學習，但顯然最有效的方式是這15小時的精力投資。這是你直線超車的機會。
機器學習 選對時機直線超車
俗話說 一張白紙好作畫 有時候經驗反倒是乙個籠子，錯過新的 更強大的解決方案。思維模型的固化會讓你很難接受另一種程式設計模型。舉個現實例子 公司現在要開展乙個全新的專案，並且在前期調研時發現 語言特性完美適配專案架構，作為公司高管你會選擇讓月薪3萬的程式設計師學習新語言之後接手這個專案還是招聘3個月...
機器學習之超引數
學習器模型中一般有兩種引數 一種引數是可以從學習中得到 一種無法靠資料裡面得到，只能靠人的經驗來設定，這類引數就叫做超引數 超引數定義 超引數是在開始學習過程之前設定值的引數。相反，其他引數的值通過訓練得出。定義關於模型的更高層次的概念，如複雜性或學習能力。不能直接從標準模型培訓過程中的資料中學習，...
機器學習 超引數搜尋
模型中除了在訓練中自己更新的引數，需要在預先設定的引數稱為超引數。大概有如下 bachsize,epoch,learniing rate,四種主要策略可用於搜尋最佳配置 1.babysitting，又名試錯 trial error 2.網格搜尋 grid search 3.隨機搜尋 random s...