在上一篇文章中，我讲述了我是如何开始使用ML的，但是，当然，我的示例不足以一概而论：可用时间，技能，期望，背景都是要考虑的因素，并且在选择一种方法时会产生巨大影响。
此外，通过与不同角色，不同背景的人交谈，但所有人都有兴趣加深对这些主题的了解，我意识到人们很有好奇心，但是第一步可能很困难，并且可以建议一些东西（一本书或一门课程）对于某人，但对其他人的错误选择。
但是我们需要从某个角度出发，因此让我们进行简单的分类，例如使用从工作角色派生的角色，然后从此处移动以想象不同的学习路径。
为简单起见，让我们考虑：
首席执行官
具有强大业务背景且没有技术专长的人。
他/她想了解有关ML的更多信息，目的是回答诸如以下问题：这些技术如何改善业务？ 要花多少钱？ 如何测量投资回报率？
首席技术官/技术经理
具有良好技术知识的个人资料，一位前开发人员转投管理层。 可能是从CxO任命的人就这些主题制定战略计划或从PoC开始，所以他/她的问题可能是：我需要知道什么才能聘请合适的人来组成一个专门的团队？ 为了有效管理该团队和项目？ 如何评估外部供应商或云ML服务？ 如何将结果呈现给高层管理人员？
科技
精通一种或几种语言/框架的技术人员，愿意获得新技能（和相关工具），并且需要知道如何实现CxO提出的要求。
我知道，这有点简单，但让我们将其视为基准。
那么，如何开始这一旅程？
我对CEO的个人建议是自上而下的方法，这意味着从全局和基本事实出发，获得足够高的理解力，以做出更好的战略决策，并为选择合适的人选就这些主题提供共同基础。 。
要获得的（技术）知识数量可能是与其他角色相比最低的知识，但是发现通才和特定见解之间的最佳权衡可能比仅仅拥有完整的特定课程要困难得多。
在管理方面，它取决于几个因素（特定的活动，学术和工作背景，个人学习和管理人员的态度），但是我可以说，您可能不需要掌握超低水平的知识，而需要对什么内容有扎实的理解。在ML项目期间发生这种情况至关重要，以便更好地理解可能出现的问题，与团队进行更有效的互动并帮助高层管理人员回答他们的战略问题。
对于Tech而言，问题甚至更加复杂：应用领域无数，其中包含大量的框架，库，语言和特定的技术目标（数据检索，数据准备，模型培训和评估，基础架构/操作，演示），因此上述因素更相关。
这是一张小小的励志形象🙂（作者：Swami Chandrasekaran）
不用担心，它看起来还不错。首先，混合了不同的角色，其次，没人能了解所有内容，因为没人知道每种编程语言和框架。
因此，我的建议是对理论和实践都采用相同的方法：同时学习和尝试。
您不能只阅读书籍或观看视频，而是需要尝试并面对很少提及的所有实际问题，与此同时，在没有很好的理论理解的情况下做一些实际的事情也许一开始就可以工作但这是死路一条（我个人了解到的事实）。
在下一篇文章中，我也将重点关注这些方面，因为我认为总体上更好的理解可以导致更多采用，并使它民主化（此处没有附带条件，我不是尝试出售服务或GPU的大型云提供商provider
最后的想法：吴教授最著名的名言之一是“人工智能是新的电”
所以问题是：您还在使用蜡烛吗？
