理论和实践是数据职业的互补方面，尤其是机器学习的从业人员。 人们通常会根据自己的自然兴趣和学习方式而掉入理论实践围栏的一侧。 但是要在这个领域变得出色，就需要您积极地在我们阅读的概念和我们面临的现实场景之间取得平衡。
那么如何平衡呢？
建立您所阅读的内容！
您需要构建东西； 很多事情。 您需要构建一个神经网络，并查看其如何像文档或日记一样执行任何操作。 您需要尝试Kaggle比赛，看看自己尴尬的低排名盯着您。 您需要一起破解一个javascript应用程序，该应用程序试图在后端运行ML算法，只是由于未知原因而停止运行。
许多人因为不舒服而回避建筑。 不断地跟踪错误，无休止地遍历堆栈溢出，试图将如此多的交互部件整合到一个系统中。 另一方面，阅读很有趣且容易，因为材料像一个完美的小故事一样流动。 所有概念都已经摆放到位，我们正在使用的叙述是我们所有人都希望事情能够成功的方式。
但是，如果您不感到不适，就不会学习。 理论上和实践上当然都是这样，但我认为阅读起来容易些。 当我们翻阅期刊并理解概念时，我们会感到很好，但仅阅读其他方面的成就，您就不会在自己的领域有所作为。 如果您建立了自己的阅读内容，并且失败了（并且将会失败），您将获得无法通过阅读吸收的理解。
请记住，您并不是为了使某件事起作用。 您正在建造，以便一次又一次地遇到挫败感。 那堵墙是您的老师，是您职业潜力的真正来源。 一旦您学习了凌空理论并反复练习，您就会发现平衡的方法有多有益。
