技术写作
Author:louwill
Machine Learning Lab
今天专门和读者朋友们聊一下公众号技术原创写作的事情。
我们这个号,17年申请的,老读者朋友们可能还记得,那会儿叫【数据科学家养成记】,具体定位在数据分析、数据挖掘等数据科学范围内的内容创作,后来随着笔者个人成长路径的改变,18年的时候改名为现在的【机器学习实验室】,到现在也有三年多了。
公众号创建至今,在数据和算法这个大方向上累计原创了218篇文章,在没有刻意做推广的情况下,累计读者也有3.5w+了,跟大多数技术圈内的号主相比而言,算是平平无奇。笔者个人也较为佛系,对涨粉之类的并没有太大的执念。
我们号的技术原创写作,主要有两个特征。一个是固定主题的系列原创,另一个是结合笔者学习和工作过程中碰到问题的归纳和技术总结。
关于系列原创,创号至今,累计贡献了【深度学习60讲】、【机器学习推导与实现30讲】、【语义分割理论与实战指南】和【深度学习100问】四个主要的系列,其中深度学习60讲也已改成书稿并出版。机器学习30讲也正在改写过程中,不日即将完稿。
关于问题归纳与技术总结,有较大的随意性,主要是笔者日常学习和工作过程中碰到的问题、思考的过程和解决方法,比如说MobileNet系列总结、sql2pandas方法汇总、超参数调优方法总结等。
下面以这篇机器学习最强调参方法!高斯过程与贝叶斯优化为例,简单说一下一篇能让读者有所收获的技术原创的产出过程。
首先是选题,按照笔者现在的工作节奏和状态,一般都会在前一周的周日确定下一周的公众号原创发文计划,比如说要有一篇原创,然后根据最近的学习和工作内容确定原创题目。
写这篇原创的原因在于笔者之前整理机器学习书稿,对贝叶斯调参这块有所涉及,决定单独拎出来在公众号上发一篇原创,所以说这篇原创是跟笔者近期的学习内容有关。主题确定之后,就会捋一下这篇文章的写作思路,这需要进行一下调研,整合一下思路,然后列出提纲。比如说这篇文章,笔者的写作思路是:
机器学习调参方法概览
网格搜索和随机搜索简介
引入第三种调参方法:贝叶斯优化
高斯过程简介
高斯过程代码示例
贝叶斯优化
贝叶斯优化代码示例
简单总结
因为有代码示例,所以在正式写作之前,得先把代码实验给写完,这个过程可能要查阅相关文献,高斯过程和贝叶斯优化,这两个主题本身背后就有大量的数学原理和细节,还需要查贝叶斯优化的开源库,结合示例进行实验。实验代码一般都在Jupyter上写。
代码实验无误之后,就可以开始实际写作了,当然这个写作过程也不是那种一气呵成,中间过程肯定是需要不断查阅相关资料的。
最后写作完成,所有配图、代码以及文章底稿我们都会在本地和印象笔记上进行备份。
本地备份:
印象笔记备份:
这样一整套流程下来,在一篇技术原创上花费的时间成本相当大,时间整合下来,没有6个小时绝对完不成。但这也正是写作的时间投入价值,在于能够给广大读者提供一篇具备学习和参考价值的推文。
按照笔者目前的工作和生活状态,一周能有一篇原创都只能算是勉力支撑了。其他时间只能用来转载或者写口水文,当然时不时还有广告推广。还请各位读者海涵。
最后说一下技术写作这个事情。笔者推荐各位技术行业的朋友,尽量都要有个自己的技术博客,不限于公众号或者其他平台,时不时进行一些技术输出、内容总结或者分享,坚持一段时间后,带来的长期收益极为可观。写作本身就是思考的过程,为了能够更好的思考,推荐大家现在就开始写技术博文。
往期精彩:
【原创首发】机器学习公式推导与代码实现30讲.pdf
【原创首发】深度学习语义分割理论与实战指南.pdf
谈中小企业算法岗面试
算法工程师研发技能表
真正想做算法的,不要害怕内卷
算法工程师的日常,一定不能脱离产业实践
技术学习不能眼高手低
技术人要学会自我营销
做人不能过拟合
点个在看