本文主人公：Udacity机器学习导师Derek
认识Derek是在Udacity的学习社群里面，因为一段聊天记录：某学员带着强烈的情绪和愤怒抱怨课程、服务各种不周到，换做任何人听到那些字眼都会很不舒服。一片安静的时候，Derek特别冷静的站出来，肯定了学员遇到的客观问题：课程的服务反馈不及时。接着说到了他对目前情况很多沉思。
在线教育是一个时代的创举，它让每个独立的个体都有学习的权利。在线教育的实质就是教育的平民化、公平化，现在整个在线教育的行业，并没有前人做出更为标准有效的范例，每一家有想改变教育行业意识的在线教育公司，在实施中都会遇到很多很多的盲点和难点，所以Udacity也是摸着石头过河，虽然艰难，但是不曾放弃。
针砭时弊，又不乏赤子之心，这就是我对Derek最初的认识。
后来接触比较多了，才发现Derek不仅是一个拥有知识深渊的博士，还是Udacity机器学习社群的导师，甚至是GDG志愿者及旅行爱好者。现在比较流行的斜杠青年，放在Derek的人格光圈里得到了加持，原来这个男博士，还挺有温度。
Derek和正宫——Udacity机器学习课程经理walker在加州玩耍的合照。
今天我们就来走进Derek开挂一样的故事，他对学习、对生活、对工作的认真，来自普罗大众，却又散发光芒。
问：说一说你现在学习的方向吧？
我本科的时候，学信息与计算机科学，参加了全美大学生数学建模竞赛和物理建模竞赛，在机器学习方面积累了一定的经验。自己对机器学习也很感兴趣，业余的时候会跟着系里面的教授做算法学习和研究。因为喜欢也比较看好机器学习和人工智能在未来的发展前景，所以选择继续深造读博，目前研究方向是机器学习领域的迁移学习和lifelong machine learning。
问：能和我们介绍下你为什么选择机器学习和人工智能呢？
首先是兴趣，当我接触机器学习后发现，深入掌握各种算法，能让程序运行得更高效，实现更复杂的任务才是需要孜孜以求的目标。所以我开始关注算法领域，追寻真正核心，真正内在的部分。现在看起来，机器学习的算法相比软件开发中使用到的各种算法更为高阶，研究如何让计算机像人一样思考和行动，是当前人工智能研究的核心部分。
其次是职业的发展，因为如果只是编程语言的学习，从事码农的工作的话，门槛是比较低的，从业人员很多，竞争非常大。但如果你对算法有很深入的理解的话，便可以从事更复杂的程序开发工作，进入更好地公司，竞争力会强很多。同样的，机器学习算法的学习难度比普通的编程语言学习，甚至普通的算法学习难度都会大很多，通常需要半年到一年才能入门，而从事相关工作的话需要两三年的相关经验。而拥有这样的技能的话，竞争力会再提一个档次，进入公司的起薪和发展空间也会好很多。
问：你平时还会看什么书、什么网站、什么渠道来额外学习呢？
书籍的话，主要看一些专业论文，网站的话我主要比较倾向于Coursera, Udacity, Edx这些比较专业的慕课平台，这些网站的课程会比较专业，深入，利于系统性的学习。在这些网站上学习，我不会简单地看视频，做项目作业来学习获取证书。
问：能和我们聊一下你和Udacity第一次触电经历吗？
我是在15年的初时候，在GDG学习Android Study Jam的时候认识的，当时课程内容就放在Udacity上，那时候就开始学习了。我比较喜欢Udacity灵活的学习模式，可以在任意时间开始自己喜欢的课程，可以根据自身情况自己掌握进度 。
Udacity的实战项目也是我非常喜欢的一个亮点，可以让我有机会检验自己在学校里面学习的机器学习知识是否实用，这样我对学习更有信心。项目评审服务当然是Udacity最有价值的一个服务，导师非常认真非常专业，会给我指出很多问题，甚至还会给我推荐合适的文档和论文进行阅读，对我帮助非常大。
问：在学习中，有没有遇到什么趣事，或者印象深刻的事？
比较好玩的事，大概是在去年优达夏令营的时候自己几乎每天都要在Classroom里面待上6,7个小时，每天都会提交两三次项目。
每次收到新邮件都非常激动地去看Reviewer的评论然后迅速地按要求修改project再次提交。这种高效和优质的交互让我学习非常有动力，也让我快速具备了使用Python进行机器学习实践的能力。那段时间优秀的优达学员们组成的“塔奇克马集团”经常在一起热烈交流，也让我学到了非常多的内容。
问：学到博士不容易，有什么棒的学习方法或者经验，可以分享给我们吗？
在我看来，学习最应该避免的就是一味追求速度。很多同学希望花最少的时间学完，尽快去运用或者找工作。这种心情可以理解，但是知识的掌握需要逐渐积累和深入的理解，快速浏览并不能让自己拥有完善的知识体系去应对实际工程中复杂的调整。
机器学习的学习是需要一两年时间的，感兴趣的同学应该先扎实地巩固自己的数学和编程基础。在学习过程中也不要光看课程视频和仅满足于完成Project，需要思考如何搭建自己完整地知识体系，主动去学习课程没有提及的内容，深入思考，才能正在做到灵活运用。
问：有没有什么人在你学习经历中，对你的印象最大？
我的导师是影响我比较多的人，他把我带入机器学习这个大门，我开始学习的时候是13年，那时候大数据比较火，当时“机器学习”这个概念还很不为人知，所以导师算是带我比较早进入这个领域，我的领路人是他，他也是我的启蒙者。
在本科学习里其实算是积累初级知识，真正要去学习机器学习走到前沿甚至科研，其实还是要走个两三年。
问：你觉得终身学习，对你来说意味着什么？
学习应该是要去学习最深入、最核心的知识，机器学习中有很多算法是需要研究的。学习这个也还是会花费很多时间，其实我觉得越学一个东西，你觉得越难，证明你学习的越深入，收获和成就感也会越深入。做研究的话，最难的一点是创新，创新意味着在前人的基础上继续努力。有时候发现自己努力几个月来做一个项目，最后并没有比别人做得更好，就会挺痛苦的，但是这个也是有好处的，因为你走了和前人一样的路数，你就知道了那些前人专家在机器学习这个领域有什么局限，可以怎么突破。终身学习对我来说，更重要的是去深入到一个领域，积累各种知识，不追求急于求成。我周围一些认识的人，可能只是为了有证书去学习，其实这不叫终身学习。终身学习者关注的是自己，能不能懂，以后的运用如何，这是更为长期的一种努力状态。
问：据我知道你还是GDG志愿者，来和我们聊一下你的GDG经历吧。
我是2015年GDG Suzhou正式成立的时候加入的。可以说GDG对我的发展影响非常大。加入GDG后开始了解很多Google的产品，Google的技术和开源技术。从加入GDG开始，就有社区的成员教我使用Git，Linux命令，怎样搭建服务器，怎么进行Android开发等等。这些都是校内完全学不到的，而且很多GDG成员是资深的工程师，他们教给你的技术会非常的规范和专业，对你以后的工作会非常有帮助。
Derek 在 Google I/O大会
问：如此斜杠青年的生活方式，你是怎么安排好时间来平衡这一切的呢？
其实做事情之前，需要有目标，然后给自己要达到这个目标作一个时间规划。因为大家每个阶段都有一个自己的发展目标，不一样的人需求不一样，自然要做的也不一样。其次是需要效率，做事情应该是按照重要级来排序，我一般做事情之前，都是有逻辑、有思考来做的。有目标的去安排生活工作，比随便乱打靶会有效得多。因为我相信往正确的道路走一点点，比走偏了方向的前进很多有用。
其实我还很喜欢旅行，喜欢自驾，和朋友一起去享受时间。
问：所以你最喜欢的一个城市是哪里？为什么呢？
现在的话，比较想去英国，因为喜欢英国厚重的文化，喝喝下午茶、看看大本钟、走走爱尔兰。当然了加州也是个不错的城市，适合工作，湾区那边整个文化、氛围都很棒，Google、Facebook、Udacity都在那边，以后有机会还是也想去那边体验下。
问：那你的生活态度是什么呢？
用心生活，对我来说很重要。现在很多人急急忙忙、一个目的地奔向另一个目的地，其实我原来也有这个误区，会焦虑。我觉得就是每一天做好自己该做的事情，晚上躺床上想想，当天也是很充实很有成就感，享受每一个当下就够了。海明威说过，优秀的人其实是比昨天的自己更优秀，而不是比别人优秀。我希望我也可以用心去生活，珍惜好每一天。
没想到Derek是这样有温度的男博士，最后给大家分享几张他肆意生活的旅行照吧：
采访完Derek的那个晚上，音乐很轻柔，餐厅的沙拉很好吃。博士说的对，用心生活，带着温度和务实去过每一天就很舒服。
回复关键字【mlnd求职】，获取来自硅谷的机器学习求职指南，超级实用！
@所有人 点击[阅读原文]，了解硅谷最潮“深度学习”课程，19周零基础变身最抢手的人工智能人才！
