最近，2022年卡塔爾世界杯激戰正酣，各國球星在綠茵場上閃耀光芒，球迷們也為之瘋狂。更抓人眼球的是，在這屆世界杯上使用攝像頭幫助判罰越位。這個系統通過球內的傳感器，每秒發送500次足球位置，再利用體育場屋頂的12個攝像頭跟蹤場上的一舉一動，并跟蹤球員身體上的29個點。??[1]?? 

機器學習將結合采集到的數據通過實現訓練好的模型對球員的動作進行識別，從而判斷越位犯規行為并進行自動警報。報警信息將用來驗證裁判的現場判決，同時攝像機和皮球產生的數據還將被用來自動創建動畫，并在球場大屏幕上播放，讓判決更加透明。

除此之外，本屆世界杯還引入人臉識別技術對觀眾的表情進行實時監控，通過機器學習算法判斷“球迷惡行”，將不良行為“扼殺在搖籃里”。

機器學習的應用前景

如今各行各業類似應用到機器學習的案例比比皆是。上周在一次開發者沙龍上，我就遇到幾個剛剛畢業不久的大學生，說起來也是我的校友。我們從軟件開發聊到了人臉識別，再聊自動駕駛和元宇宙，最后落到了機器學習。我們都認為，在數據和算力爆發的今天擁有機器學習的能力至關重要，可以利用數據和算法模型對即將要發生的事情進行預測。并且談到網上有一位博主將近5年的國際比賽作為數據集用于預測世界杯小組賽的結果，經過訓練后的機器學習模型居然命中了好幾場比賽的結果。談到興起時，幾位校友都提出想要進行機器學習方面開發的想法，于是向我咨詢相關的問題。

作為在軟件開發領域工作快20年，在機器學習領域頗有經驗的老兵，我自然是知無不言，言無不盡，非常樂意為師弟們指點一二。在和他們的交談中我發現，一提到機器學習的研發大家就會與自動駕駛、人臉識別、智慧社區、元宇宙聯系起來。并且，在機器學習的應用領域都有自己的理解，例如：利用機器學習識別寵物圖片，幫助主人找到丟失的寵物。通過機器學習分析附近的停車位，幫助駕駛者自動導航到空車位。創建基于機器學習的小說平臺，作者只用提供概念和想法，小說的整體由機器完成。談到興起時，手舞足蹈，好不開心。不過在談論算法、模型、微積分和數學公式時，明顯從他們臉上看到畏難的情緒，畢竟這些理論和實踐知識是研發必備的基礎。有的同學在自學，有的同學報名了一些小培訓機構跟著“半桶水”的老師學習，感覺提升乏力。

機器學習怎么高效入門？

作為有著多年架構和機器學習開發經驗，并且有培訓講師經驗的老司機，我給到他們幾點個人建議，在這里也與君分享：

1. 找老師帶路：盡量不要自學。不是不鼓勵大家自學，主要是時間有限，機器學習所需要掌握的知識多且雜，需要耗費大量的時間，最終你還找不到重點。當你啃完基本大部頭，和你一起開始的人早就可以做應用開發了，甚至可以接項目做了。所以，找一個好老師，讓老師帶著你學，加快理解和實踐的速度。所謂，讀萬卷書不如行萬里路，行萬里路不如閱人無數，閱人無數不如名師指路。有老師帶你，幫你快速入門，少走彎路。

2. 找靠譜課程和平臺：現在的培訓課程良莠不齊，如果碰到好的老師算你運氣，如果遇到個“半桶水”不僅學費打了水漂，浪費了時間，還一無所獲。因此，需要找靠譜的老師和課程資源、靠譜的平臺，找到對的方向，學起來才效率高。機器學習平臺研發做得比較早，普及范圍也比較廣的有 TensorFlow。我初學機器學習時也是在這上面打基礎，同行業里有不少開發者也是用這個框架訓練和部署。對機器學習感興趣的開發者可以先從TF開始上手，中國大學MOOC上就有免費的中文課程，比如??《TensorFlow 入門課程 - 部署篇》??和??《TensorFlow 入門實操課程》?? ，可以系統地了解機器學習的基礎知識體系和技能。

3. 理論實踐并重，雙向成長：機器學習中的理論就是“天”，實踐就是“地”，要學會真本事，就要頂天立地。但是，機器學習中包含著大量的理論和模型，如果通過死記硬背的方式很難理解，大家可以多看看課程里老師講解的例子，跟著平臺上提供的實操練習，才能快速上手。我最近帶了幾個機器學習新手，也是通過理論+實踐訓練，進步很快。我推薦的課程對初學者的計算機和編程門檻要求不高，每節課10分鐘左右。如果學習中遇到什么疑問，想和更多同學交流，可以進群提問、互動，還能參與一下有獎學習活動，學習也更有動力。

掃碼添加社區活動小助手，進入社群

今晚還有谷歌開發者專家在線講解和答疑《TensorFlow 入門課程 - 部署篇》，直播間還有抽獎環節，大家多關注、多提問，才能在機器學習的道路上更加精進！

直播間鏈接：??https://zhibo.51cto.com/liveDetail/373??

作者介紹

崔皓，51CTO社區編輯，資深架構師，擁有20年架構經驗。曾任惠普技術專家，參與多個機器學習項目，撰寫、翻譯20多篇機器學習、NLP等熱門技術文章。《分布式架構原理與實踐》作者。