从0自学成AI高手，她只用了一个产假

王小新 问耕 发自 凹非寺量子位 出品 | 公众号 QbitAI

这是一个励志（但并非鸡汤）的故事。

△ Nicole Finnie一家

上面这位母亲，名叫Nicole Finnie，现在是一位AI高手。前不久，她从全球数千人参与、奖金10万美元的DSB（Data Science Bowl）年度大赛中脱颖而出，赢得一枚银牌。

这件事的励志之处在于，Nicole一年前还没有接触过机器学习和数据科学。

更励志之处在于，她竟然是在休产假带娃期间，从零开始，自学成才。

休产假、带娃……你只有经历过，才知道这意味着什么。

确实佩服。

但，为什么要在休产假的时候开始学机器学习？原因并不复杂。

“最初，我想为宝贝女儿做一个在线物体识别的应用程序，所以开始对深度学习感兴趣。”Nicole Finnie解释说。

效果怎么样？

“现在，刚一岁的她喜欢拿着我的手机玩个不停。”（高级高级。）

那么Nicole Finnie是怎么从0自学成才的呢？

且看下面这个——

首先，感谢吴恩达老师。

Nicole Finnie自学的起点，就是吴恩达的机器学习课程。她之所以自学吴恩达的课程，也是因为工作中带的学生，也在Coursera上跟随吴恩达学习。

Coursera是吴恩达参与创办的在线教育平台。吴恩达在这个平台上开设的课程主要包括两个，我们也给一下传送门。

机器学习：https://www.coursera.org/learn/machine-learning

深度学习：https://www.coursera.org/specializations/deep-learning

当然，只是从这里入门，需要学习和练习的还有很多。比如Nicole Finnie在为女儿搭建物体识别AI时，参考了GitHub上的Tensorflow源码，并使用预训练好的YOLO v2模型构建了这个应用程序。

其次，感谢德国劳动法。

根据新华社的报道，“德国人认为，孩子出生头３年最需要父母陪伴，应创造更多机会，让初为人父母者与孩子在一起。”

所以，德国的带薪产假大约是一年时间。

“感谢德国的劳动法，我有一个较长的带薪产假。我是一个闲不住的人，所以当我的宝宝小睡时，每次可能只有20分钟，我会花时间上网学习机器学习，虽然那时我也很困。”Nicole Finnie说。

最后，感谢过去的自己。

虽然在机器学习这件事上是从零开始。

但Nicole Finnie并非没有基础。实际上，她本科毕业于台湾大学，随后又考入德国斯图加特大学获得硕士学位。

求学期间，她一直研究计算机、软件工程等领域。目前她已经供职于IBM八年多，现在是IBM德国研发中心的一名软件工程师。

过去积累最大的帮助，就是能让Nicole Finnie快速地把想法转化为代码。

直到两个月前，Nicole Finnie才第一次从同事口中听说Kaggle。当时，这位组里的首席数据科学家要在实验室创建一个新的机器学习项目，他建议一起上Kaggle找下有关项目。

后来，她组队参加了DSB大赛。

为什么首次参赛就能获得好成绩？她总结了几点。

首先，我们从Kaggle论坛寻找有关信息来产生一些可能想法，然后通过阅读学术论文进一步研究这些想法。当我觉得某个方法可能会可行时，我会花很多时间来研究并实现它。

当你有了一些思路，一定要结合不同研究论文和网上资源来实现这个算法，这点很可能让你从众多参赛者中脱颖而出。还有一点，你一定要选择参加你感兴趣的比赛。

Nicole Finnie也详细回顾了比赛过程。

因为这是一个图像分割竞赛，我尝试了多种不同的CNN组合，也尝试了不同输出通道和不同后期处理方法的结合，并根据本地模型效果来选择最佳模型。在第一阶段的最后一周，我写了一个自动化程序来测试多种数据增强方法对模型训练的影响。

在最后3天，我们的一个远程同事@CPMP加入了我们团队，他是一位Kaggle。他建议我们使用加权多数投票（weighted majority voting）来集成3个最优模型，这使得我们最终模型的鲁棒性和泛化能力更强。

他们这个团队里，还包括组里的数据科学家@hafeneger和@alexec，以及Nicole的丈夫@jliamfinnie。每周他们都会碰面一起讨论新想法。

为了这次的大赛，她会早早地哄宝宝去上床睡觉。孩子睡着后，Nicole Finnie才开始奋战Kaggle。“当然，我也喝了不少茶和咖啡来提神。讲真，我的身体很疲惫，但是比赛的兴奋劲让我继续工作。”

当然在Nicole休产假期间，她丈夫也休了育儿假。他们一起学习、一起参赛、轮流工作，当一个人奋战Kaggle时，另一个人得去照看小孩。

至于以后还会不会继续参加比赛，答案是肯定的。