R 深度学习入门指南（三）
十二、总结
我们已经读完了这本书。到现在为止，你应该感到很舒服，因为你已经获得了数据科学、机器学习和深度学习的一般概述。如果没有，你至少应该充分意识到在复习和进一步研究中你需要集中精力的地方。这本书的目的不是让任何人成为专家。相反，它应该被用来突出这些技术在给定领域中各自的能力。最后，我想就使用这些模型的最佳方式和机器学习的一般方法向所有读者提供一些建议。
在每个领域，都有长期被研究的特质。这就是我通常所说的 X 科学，其中 X 是我们正在讨论的一个给定的领域。有时，在更广泛的领域中已经开发了特定的定量子领域来处理这些目标。鉴于这个世界的复杂性，在你寻求实现机器学习方法来解决问题之前，全面研究更广泛的领域和你感兴趣的特定子领域是一项要求，这一点怎么强调都不为过。我从许多同事和朋友那里听到的抱怨之一是，许多数据科学家经常有一个压倒性的缺陷:领域知识。机器学习和深度学习算法已经非常擅长在各种环境中执行，并且越来越能够产生鲁棒的解决方案。然而，在给定的环境中不恰当地使用一个好的工具会产生与在给定的环境中不恰当地使用错误的工具一样糟糕的结果。
在大规模实现算法之前，你应该确保你已经深刻理解了你所选择的算法。很少有比提供一个解决方案更糟糕的事情了，眼睁睁地看着过程失败，却无法提供如何修复的建议。除了一些不好的事情发生之外，通常你会被期望和那些没有多少技术背景的人讨论这些算法。虽然我在前几章已经强调了这一点，但我必须再次说明良好的可视化和简洁解释的力量。虽然你可能会发现错综复杂的细节引人注目，但一般人没有你花在这个主题上的自学时间。所以，只把事情弄得尽可能复杂。
最后，我敦促你在制定自己的解决方案时，尽可能发挥创造力。机器学习算法的激增令人兴奋，因为它彻底改变了我们的世界，但如果这些算法不以独特的方式使用，它也会导致产品之间的高度同质化。解决问题的过程，虽然有时令人沮丧，但也应该是富有挑战性和令人兴奋的。这应该是一个运用你的聪明才智创造独特解决方案的机会——而不是使用陈旧和陈旧的解决方案。重用大部分代码，虽然在开发阶段节省时间很诱人，而且经常是必要的，但也应该尽可能避免。总是强迫自己从零开始解决问题，因为这将激发新的更好的解决方案。
我祝愿所有读者在各自的学习、事业和生活中取得最大的成功。机器学习是我遇到过的最令人沮丧的概念之一，但通过学习它，我学到了大量关于计算机科学和我自己的知识，同时也认识了大量非常聪明的人。我希望通过研究这一领域给我的生活带来的快乐也能同样带给你好运。
真诚地
塔维·贝索罗二世
