毕业三年了，在学习和规划方面，需要有所改变。
目录
自我认知
之前看到一篇鸡汤文，说要把自己当成一个平凡的人，不要觉得自己怎么怎么样。以及某位老师说的那样：没长爱因斯坦的脑子，不要做爱因斯坦的事儿。说实话，刚听到的时候，觉得心里不舒服。因为年轻，心很大，一直觉得自己会怎么怎么样。中国的历史很长，长到很多事情都有正反的例子来支持你的论点。
其实，这些话主要是想表达的是一个温和的观点：认识自己。要知道自己能够做什么，擅长做什么，通过努力了能够学会什么。这并不是否定个人的能动性。最简单的来说，初中或者高中，很多人或多或少的都经历过，周五计划带几本书回家看看，可以周一回来之后，原封的带回家。
所以，在计划的时候，一定要认清自己。合理的规划，而不是为了规划而规划。
重复与争论
今年，我很多时候都是在复习的阶段。复习之前的翻译的文章，复习一些机器学习的东西。很多知识，之所以需要复习是因为过了一段时间之后不用，会忘记。
这可能一方面是我理解的不够深入。虽然，在最开始学习的时候理解的不错，但是没有触及到更加深刻的东西。另外一方面，系统性也不够，不能很好的把各个模型组织起来。所以，接下来还是需要更深入的理解，写一些更容易回顾和强化理解的文章。之前的文章，都太注重翻译和公式了，回顾起来不是特别方便。
当然，这里遇到了一个瓶颈，相当于道路的分歧。比如正则化，这个可以用贝叶斯学派的先验概率来推导，也可以用凸优化里的求解空间约束来解释。不知道具体选择什么的合适。他们并不矛盾，但是就是同一件事情可以用很多理论去解释的时候，不知道选择什么的解释是更加合理和值得走下去的路。
同样的回归问题，可以用概率论和最大似然概率估计得到参数，也可以用最小二乘法得到参数。而最小二乘法是可以用最大似然推导出来的。换句话说，可能是两个层面的东西，一个应用层面的，一个学习理论的层面。本质上并不矛盾。
目前，很多教材和课程都是偏应用的。在统计学习理论层面涉及的较少。另外，对于很多的模型对比和研究讨论的也是不够的。比如贝叶斯模型和logistics回归的对比，应该不仅仅局限在生成模型和判别模型，还有很多更加深刻的东西影响着。
计算机
之前一直在强化的是机器学习能力，包括python的相关应用。但是，实际工作中还是需要其他开发语言的支持的。虽然说，不要重复造轮子，但是基本的创造能力还是要有的。而我这边在数据结构和算法设计等计算机基础中，只有基本的认识，学过一点排序等比较入门的东西，没有系统的学习和深入过。另外，对于c++/java等一些开发还是很陌生。从最开始，心里就比较抵触c++这种开发模式，不过自从用c++写了CNN模型之后，感觉还可以吧，之后可能会好好的学习一下c++。 语言这种东西，时间长不用，就忘记了，一方面可能是因为我没有认真记住一些东西，另一方面更多的是因为计算机基础的薄弱，对于算法设计和数据结构的认识不够深刻。所以，突然发现自己水平好渣呀。需要提高的地方有点多，有点不知道所以然了。
计划
发现很多时候，在那里看书看视频，不如自己对着课件手动的推导和整理一遍来的高效。动手，才是王道呀。很多理论，说是那么回事，实际做的时候，不可能满足那么多假设，会出现各种问题。