原文： https://machinelearningmastery.com/applied-machine-learning-is-a-meritocracy/
在新领域开始时，通常会感到不知所措。
你可能缺乏自信或感觉好像你不够好或者你缺乏一些先决条件。
您将在本文中探讨这些问题，并了解这些感受可能导致可能消耗大量时间和资源的行为，让您对自己感到失望。
您将了解到机器学习领域有很多途径，而且喜欢编程，这是一种精英。
感觉你不够好，或者你缺乏一些你认为必须拥有的技能才能开始机器学习，这是一种危险的想法。
我认为它很危险，因为它会导致你消耗掉可能不需要的大量时间，金钱和资源的路径。
例如，您可能觉得自己需要掌握数学或计算机科学或其他一些您并不热衷的科目。您可以决定只需要：
- 获得学位：本科或研究生学位，为您提供机器学习的正规教育，包括该机构定义的任何先决条件。
- 参加数学课程：一门课程，免费或以其他方式教你线性代数或微积分。
- 阅读教科书：关于机器学习的研究生水平教科书，其前提是概率论和线性代数的先前训练水平。
风险是你觉得在开始之前你需要达到一些最低技能水平。
你推迟开始机器学习，开始学习你认为需要的技能，这很困难。真的很难。
因为它很难并且你对它没有热情，你更有可能放弃，这意味着你继续拒绝自己开始机器学习的许可。
这条路可以适用于某些人，但这非常困难。
机器学习领域有很多途径。学位，数学课程和教科书都有一个地方，它们就在这条路上。
许多路径 照片由 keepitsurreal ，保留一些权利
机器学习是一个多学科领域，这意味着你有人来到科学和工程领域。
这也意味着“_ 机器学习从业者 _”没有原型，尽管我认为程序员在该领域有非凡的机会。
这是一个相对较新的领域，大部分文件都是由学者制作的研究论文和教科书。因此，这使得该领域的感知成为高度学术性的。这就是为什么重点关注理论而不是应用以及研究方法和更高学位等学者所需的训练需求。
应用技术人员的路径，并从实验和过程开始，也许一些编程。对这种方法充满信心，它是有效的，有效的，并且是无数程序员所遵循的道路。了解自己的局限性，发挥自己的优势和已经掌握的技能。
像软件开发领域一样，机器学习的应用是一种精英。精英管理是一种结构，根据参与者的贡献或证明的成就（优点）对参与者进行评估。
商业，客户和雇主关心您的凭据，但只有您所展示的结果与您可以实现的结果一样多。学位，其他奖项以及为财富 500 强公司工作的标志是其他人可以用来缩短这一决定的标志，但仅此而已。
作为一个精英，你必须证明你有自己的优点。如果您正在寻找被他人认可的技能，那么您必须展示并推广它。您可以通过参与项目，竞赛和完成小型开放项目，并使用此类工作的输出作为您自己和他人的能力广告来实现这一目标。
在这篇文章中，你了解到在开始一门新技术学科时，自然感觉不堪重负。您了解到，这些不足之处可能会带来危险等想法，例如花费大量时间和资源成本来追求您认为在开始之前需要拥有的学位或教育。
您了解到机器学习领域有许多途径，并且作为技术人员的程序员的经验路径受到重视。你还了解到，像编程这样的机器学习是一种精英，如果你坚持并做好工作，它就会被认可和承认。
- 2019 年 2 月更新：参见关于黑客新闻的讨论。