机器学习，本质上是用模型解决实际业务问题。
通过学习模型，可以知道机器学习的基本机制以及相关领域问题是如何解决的。
学习有两种方式，一是记住问题和对应模型然后直接使用，二是了解模型底层的原理和推导过程。这和我们学习某种编程语言一样，可以只会调用类库，但要想成为专家，就必须了解底层原理，在面对复杂应用时，就可以融会贯通，做出适当取舍和正确决策了。
另外，了解原理，你可以告诉领导、同事，为什么选这个模型，甚至为什么选择TensorFlow，为什么选择Caffe。
正如老师所说，好的机器学习工程师，可以针对业务需求，提出高质量的解决方案。
机器学习工程师的三板斧：选特征、调超参、换模型。如何在限定数据、限定时间，为具体业务提供尽可能高效优化的模型，就是机器学习工程师的主要工作。
再简单的模型也要反复学，反复理解，从记忆到掌握。
机器学习模型用到的数学并不多，但因为看起来复杂，容易让人畏难，可以自己整理成速查手册，需要的时候快速查找。
理论联系实际，和自己的工作结合起来。
不要光看，多写程序。
