机器学习一定要很优秀才能做嘛？其实我们都可以。

人工智能不断兴起，各种相关的现实应用也层出不穷，不管是看上了行业的高薪资还是因为自身的兴趣，有越来越多的人想踏进这个领域。

但是我们可能发现，学了一段时间还是觉得自己什么都不会，对很多事情都很迷茫，不知道自己选择什么方向，不知道自己到底适不适合做相关的工作？不知道自己做这些有没有出路？

我现在刚上研究生，回头去看过去自己走过来的路，貌似一直在不断的尝试，不断的试错，不断应对来自各方的质疑、自身对现实的思考又让自己焦虑。

其实一切远不到选择什么方向，有没有出路的时候，我过去的经历告诉我的是，去做事情就好了，不会的东西该补的补，不懂的东西该学的学，三年后回头来看觉得问心无愧就够了。

我现在刚刚确定研究方向，跟着师姐利用神经网络做故障预测，我最近也在看些与数字孪生相关的文献。

入学之前师姐就发了好多神经网络相关的 Paper，还好自己听过贪心科技的机器学习课程，不然真就一头懵。

现在这个时代，不管是做传统工业、还是说做互联网企业，机器学习的东西是少不了的。
但是并不是说只有优秀的人才能去做，那些人只不过是因为脚踏实地的做了，所以才变得优秀。

23、24号这两天导师让看清华大学的质量可靠性研究院年会，记得作报告的一位香港的老师在 Ppt 里不断地在重复 Data、Machine
Learning、 Deep Learning 等等的名词。现在传统的行业都受到了人工智能、机器学习相关技术的冲击，所以我觉得这个领域还是有很大的机会的。

这两天在腾讯会议里看那些大佬做报告，聊的东西是什么我都不太清楚，但是也可能是研究生刚入门，要补习的东西太多了。

不管是学习什么，觉得自己对哪些知识不了解，就去搜一搜看看有什么学习方法，有什么学习路线。结合自己的兴趣去发现自己的研究方向。机器学习毕竟还是一种研究问题的方法，把它应用到现实问题中做出来些东西可能才会觉得自己不一样了吧。

我也不是一个优秀的人，从土木到制造业，感觉是一个坑到另一个坑。比较感激自己的就是大学在不断的尝试去找自己喜欢的事情，听老男孩的Python课程、听华盟网的网络安全课程、在贪心科技学机器学习中级课程，虽然过程也很心累，但是这些经历让自己多少也有了些计算机相关的理论基础，在去摸索新的东西不至于太陌生。

机器学习现在是一个热度很高的东西，23号的会议里面，有很多老师都在说希望能招到一些数学基础好、人工智能相关的知识较为深厚、又对质量和可靠性有基础的学生的。可见不管在哪些应用领域，都少不了机器学习工具作为支撑，不要质疑自己，去做就好了。

就拿我现在来说，一方面在补质量和可靠性方面的知识，一方面在上贪心科技机器学习高级魔鬼训练营的课程，强化学习和图神经网络相关的知识学完以后打算写篇BP神经网络提高故障诊断预测精度的 Paper 试试手、文献还要不断看，在这之前先把研究问题的工具学习好吧。

学习的路上本来就不是一帆风顺的，一步一步来吧，适当的压力要有，但也不要太焦虑，只要想做，我们都可以！