博士之路-大龄博士也能发光

这篇文章主要写了我的博士之路。我希望初学者少踩一些坑，我也希望我能做个“雪中送炭”的人，做一个有社会责任感的博士。（黄海广）

2014年9月，我考上了博士，那时候已经36周岁7个月了，然后，第一次知道了“机器学习”，开始了学习之路。在学习的道路上，我踩了无数的坑，直到博三才感觉渐入佳境。我发现初学者最需要的是“雪中送炭”，而不是“锦上添花”。作为博士，要有社会责任感，我希望初学者少踩一些坑，我也希望我能做个“雪中送炭”的人。

一、博士阶段

我的作品都比较简单，不需要太高知识水平，但是很少有人认真去做，或者坚持做下去，因为大部分人在学习过程中学会了，很少会把学习的东西重新整理分享给别人。做这些事情，需要专注和严谨。
我相信：赠人玫瑰，手有余香。以下是几个学术公益作品，都是站在巨人的肩膀上完成的。

1.翻译吴恩达机器学习课程

2014年12月开始到mooc网上学堂学习机器学习课程，该课程内容非常不错，但好多视频没有中文字幕，我就发动几位博士来一起翻译字幕，我整理和翻译了大部分视频，并把视频和中英文字幕压制到mkv文件中去。（该视频字幕已经无偿送给网易云课堂：吴恩达机器学习课程，由他们进行润色，致谢里有我的名字。这个课程有好多个翻译版本，我的可能是最差的一个版本，但可能下载最多。）
这个视频可以上B站搜索“吴恩达机器学习”，目前是最受欢迎的机器学习课程，课程免费。
此外，我的github里有离线视频下载，中英文字幕的。

https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes

2.机器学习笔记

在学习机器学习课程时，我发现看视频有点累，就边看边写笔记，大概写了三个月，写了差不多了，我在mooc学院发个帖子给大家下载。后来我也忘了发帖这个事情了，直到博二下学期有人发邮件告诉我链接失效了，我才发现笔记已经被下载了7000多次了，然后被百度云和谐了。我觉得笔记应该帮助了不少人，给了我继续修改完善笔记的动力，一直断断续续改了两年，期间收到几千封感谢邮件，后来我把笔记放到了github上提供下载，被下载了几十万次，获得2万多star。原课程的作业代码是octave的，现在几乎用不到了，我用python3.6复现了课程代码，并且公开了笔记的word和markdown版本。
图：四年来的笔记更新记录

以上资料都放在了我的github：
https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes

3. 深度学习笔记

2017年8月，吴恩达老师推出了深度学习课（DeepLearning.ai），这门课是陆续推出的，我开始组织翻译课程，很多朋友加入义务翻译的队伍，翻译了第一门课之后，网易云课堂宣布他们得到授权翻译所有五门课程，我们就不再翻译了，开始编写这门课的笔记，我组织了很多同学来一起编写，最后由我来整理成word和markdown文件，那时候正好是写博士论文的时候，特别忙，但还是抽出时间来整理笔记。此外特别要感谢林兴木和祝彦森同学，他们提供了自己做笔记，我来修改整合。此外，我对DeepLearning.ai的课后测试题进行了翻译，建议初学者学习。所有题目都翻译完毕，适合英文不好的同学学习。
这个笔记相当详细，有700多页。
图：深度学习笔记打印后的效果

笔记放在github下载：

https://github.com/fengdu78/deeplearning_ai_books

4.统计学习方法的代码实现

我初学机器学习过程中，李航老师的《统计学习方法》给我极大的帮助，我试着从github搜索下载和自己修改代码，把这本书用python代码实现了，并放到了github下载（差不多7000star）：
https://github.com/fengdu78/lihang-code

2019年7月我参加机器之心举办的GMIS峰会，见到来了李航老师，加了微信，简单交流了下，我做的这个项目得到了李航老师的肯定，后来我邀请李航老师加入了我的博士微信群，李航老师热情应邀。

5.数学基础翻译

机器学习的基础是数学，数学内容真的太多，初学者根本学不完。我把考研和考博的数学笔记中跟机器学习有关的部分做成了markdown文件，提供下载。
我学习了Stanford cs229 manchine learning课程，相比于Coursera中的机器学习有更多的数学要求和公式的推导，课程全英文，基础材料部分还没有翻译。这个基础材料主要分为线性代数和概率论，而且针对机器学习课程做了优化，非常适合学习。我已经翻译了线性代数部分，石振宇博士翻译完了概率论部分，我修改制作后放在github和百度云提供下载。数学基础的github：
https://github.com/fengdu78/Data-Science-Notes/tree/master/0.math

二、博士毕业

毕业以后，我回到家乡，因为我的两个孩子还在读书，所以，叶落归根。那时候过了40周岁了，我到一个专科学校做了一名科研人员。一年多以后，收到温州大学的橄榄枝，专科学校的领导和同事都对我很好，但是，经过思想斗争，我觉得应该去更高的平台，经过半年的努力，以及领导的开明，2020年10月，我得以顺利入职温州大学。接下来聘了副教授，半年后担任了人工智能系主任，硕士生导师。

年龄有时候确实是问题，但是心态不能老。 

我觉得我还是一张白纸，我在专科学校教了一个学期的课，接下来，到了本科学校，认认真真听了一个学期的课，接下来就开始上课了，第一学期上得不大满意，但第二、第三学期，学评教一下子就到学院前列了，教学等级A级，获得了年度优职、校优秀教师等荣誉，并指导了两个校优秀毕业设计。

说说博士毕业以后的作品：

1.机器学习慕课

我上的一门课叫《机器学习》，本科生学机器学习有点难，但也不是没有可能，我在摸索中，设计适合本科生的机器学习课程，写了教材，录了视频，做了课件。我有丰富的科普文章写作经验，知道初学者需要什么，因此，上这门课还是相当得心应手。慕课地址：

https://www.icourse163.org/course/WZU-1464096179

课程资源（pdf版本课件和代码）公布在Github：

https://github.com/fengdu78/WZU-machine-learning-course

本书的课件和教案，可以分享给在职的教师，请用edu邮箱联系我：haiguang2000@wzu.edu.cn

目前已经发给国内900多位老师。

图 课件截图

机器学习的参考书非常多，都很优秀，难就难在如何让本科水平的学生理解机器学习，这方面还有很长的路要走。

2.写了一本机器学习教材

在教学过程中，我学习和借鉴了国内外很多非常优秀的机器学习课程或作品(如吴恩达老师的机器学习课程、李航老师的统计学习方法、周志华老师的机器学习等)，经典是只能学习，不能超越。

站在巨人的肩膀上，本人决定写一本适合本科生和初学者的机器学习入门书，以方便只有本科三年级数学水平的学生入门。

这本书将在清华大学出版社出版，已经交稿7个多月了，预计将要出版了。

本书正文300多页，此外还包含代码、课件、视频、教学大纲、教学进度。不仅适合初学者学习，也适合新手老师授课。

其他

1.交流群

我的qq和微信的机器学习爱好者朋友越来越多，我产生了建立机器学习交流群的想法。2016年2月我建立了第一个qq群，群的质量和活跃度在相关领域处于top1%行列，群人数平稳增长，每天增加几十人，就这样过了三年半，现在已经有13个机器学习爱好者qq群了（10个2000群，3个3000群），群友慢慢成长起来，我见证了很多菜鸟到大牛的转变。

后来qq用的人少了，于是，我也建立了微信群，目前有28个微信群，其中三个群是人工智能博士群，有1400多博士，包括李航老师那样的大佬也在群里。
通过网上的交流，我认识了李航老师、徐亦达老师等业界大神，也认识了很多学术界和工业界、竞赛圈的大佬。

2.知乎和公众号
2017年底，我遇到了向老师，一位多次获得数据竞赛冠军的数据分析师，她推荐我注册了知乎（ID：黄海广），还介绍了很多数据竞赛的top选手给我认识。
我的知乎发了几十篇机器学习相关文章，粉丝达到65000多人。
在向老师指导下，2018年9月，我注册了公众号“机器学习初学者”，为机器学习爱好者提供学习的路线和基础资料，粉丝达到13.5万人。

（公众号在2019年10月，走上了商业化的道路，也招了助理，因此会有广告）。

3.线下交流
由于在不同的城市，我和机器学习爱好者的线下交流不是很多，但有机会一定会当面交流。

图：2018年12月，CCF BDCI决赛，沈阳，担任嘉宾，和数据竞赛大师撸串（左三）

图：2019年7月GMIS峰会，上海（C位）

结语

最后说下躺平，我是不建议的。

躺平了，什么机会都没有，不躺平，才会有机会。

“当时代抛弃你，都不会说再见。”我是时刻牢记这句话，也是奋斗的动力。

年龄确实是问题，但不是主要问题，不同的阶段，仍然可以照样发光，希望能尽自己的微薄之力，为机器学习初学者“雪中送炭”。

机器学习交流qq群955171419，加入微信群请扫码