作为2011年就加入知乎的早期用户红利获得者，这两年感觉自己输出能力弱了很多。学生时代的大部分所思所感都表达过了，而工作后，面对大千世界，很多东西自己也没有想清楚，很难向大家分享有意义的思考，也就作罢。埋头学习，认真思考，少说多做，等到时机到了，自然会有文思泉涌的时候，不必强求。
但2017年还是非常精彩的一年，在这里也与大家分享一些自己的思考。
选择
最近很多人问我现在再开始学习机器学习晚不晚，以及为何当初选择了学习机器学习这个领域。我总是不厌其烦地告诉他们，机器学习现在是最好的时机。原因有很多：
一是这个领域很新。虽然机器学习已经发展很久了，但是机器学习以优化黑箱模型追求预测能力真正的爆发点来自于2012年的 AlexNet，这意味着大量的学院派可能才刚开始进入职场，而现在职场中的大部分机器学习专家都是靠自学为主。你与他们没有差别，努力就能学好，自信就是专家。
二是机器学习是个颠覆性的方法论革新。它带来的改变会从互联网延伸到各个领域，各个学科，我敢断言是人类这一次技术革命的基石。对于预测能力的追求是人类思考科学的本质，而所谓的黑箱模型也只是暂时的黑箱，随着对于黑箱的深入理解会带来我们对于智能的重新思考，解锁更大的生产力。
倘若有心，就应该立刻开始学习机器学习，能够与机器学习这个领域一起成长是这个时代最大的福利。
我在2011年本科大二的时候进入了实验室，对于很多领域进行过探索，当时就感到数据挖掘和机器学习领域会有爆发式的进展。2013年进入 CMU 硕士学习后我有目的地学习了若干门机器学习相关的课程，包括深度学习、PGM、进阶统计、大规模机器学习等等，对于这个领域有了全面的理解。也仅仅过了18个月的学习毕业后，我从一个普通的软件工程本科生，变成自信的求职者，拍着胸脯说我是一个机器学习的专家，我来解决你们公司的问题。18个月让我发生了突变，我能做到，我相信大家也能做到。
成长速度
摩尔定律说芯片的速度每18个月会提升一倍。当我回顾过去，自大学以来，我似乎也是人生每18个月就会发生翻天覆地的变化。在 CMU 的18个月我变成机器学习的从业者，入职后的第一个18个月我探索了大量的机器学习应用，掌握了把模型做上线的能力，而第二个18个月，在新公司，我已经能入职就上线模型，为公司立即带来数百万美元的营收提升。
18个月能力翻倍是我对于自己成长的目标，倘若我现在做的事情，不能让我在可以预见的未来18个月后生活发生翻天覆地的变化，那一定是我做的东西不对，我需要立刻发生改变。而对于18个月这样时间跨度的思考也让我更加耐心，任何计划能够坚持一年半都会看到不一样的结果。
下一个18个月会怎么样？我很难想象，我也很期待。
工具
最近小伙伴讨论了一些软件工程师的职业发展，似乎很多人觉得软件工程师是一个特殊的职业。然而我并不这么认为，从历史上来看，软件工程师也会与其他工程师一样，包括曾经的机械工程师、结构工程师、电子工程师等等，会有自己朝阳和辉煌的时刻，但随着工具和大规模标准化的发展，也会变成普通的工程师。
我在大学的时候探索过不少不同的学科，当我看到建筑学科的工程管理是如此地标准化时，我是相当震惊的，而当时的软件工程照猫画虎的模仿是失败的。一个学科的早期就开始大量的模仿，而没有融入其本身的特质，确实很难产生效用。但让子弹飞一会吧，如今软件工程管理开始有了自己的方法论，而火热的云+SaaS+开源的充分竞争也让工具逐渐走向标准化。软件工程师的历史也逐渐向所有的其他的工程师的历史靠拢：
工程师的工作大部分就是造轮子与用轮子，而工具的逐渐标准化使得重复造轮子的需求越来越弱，越来越多的工程师核心任务并不是研发，而是整合（Integration），与其叫 Software Engineer， 不如叫 Integration Engineer 更为贴切。中间层的需求会越来越少，而工程师们的选择要么是上层的商业需求更近，要么是往技术的更底层深入，而所有中间造轮子的都会被标准化的工具所替代。
这是所有工程师的发展历史，软件工程师也不会例外。
虽然长远来看软件工程师这个职业也会回归平淡，但此时真是工程师们的黄金时代，是工具的大繁荣时代。每过18个月，光工具的进步带来的生产力的提升就能翻一倍。一个人可以完成的任务越来越多，小而精悍的技术团队靠着正确的工具整合与使用可以轻松带来千万亿万美元的营收，而不会让技术成为瓶颈。这意味着真正有能力的技术人员收入还可以高很多，是再好不过的消息了。
2018
2017年做了不少高风险的决定，想着人在能够承受风险的时候就要做大胆的决定，扛下来了就是飞跃，我们一起看看2018会不会开花结果。
最后，也祝大家，新年顺利，有空路过旧金山的时候来找我喝一杯咖啡，直接私信我咯 ;) .
--
by
