一篇技术原创的产出始末-技术圈

技术写作

Author：louwill

Machine Learning Lab

今天专门和读者朋友们聊一下公众号技术原创写作的事情。

我们这个号，17年申请的，老读者朋友们可能还记得，那会儿叫【数据科学家养成记】，具体定位在数据分析、数据挖掘等数据科学范围内的内容创作，后来随着笔者个人成长路径的改变，18年的时候改名为现在的【机器学习实验室】，到现在也有三年多了。

公众号创建至今，在数据和算法这个大方向上累计原创了218篇文章，在没有刻意做推广的情况下，累计读者也有3.5w+了，跟大多数技术圈内的号主相比而言，算是平平无奇。笔者个人也较为佛系，对涨粉之类的并没有太大的执念。

我们号的技术原创写作，主要有两个特征。一个是固定主题的系列原创，另一个是结合笔者学习和工作过程中碰到问题的归纳和技术总结。

关于系列原创，创号至今，累计贡献了【深度学习60讲】、【机器学习推导与实现30讲】、【语义分割理论与实战指南】和【深度学习100问】四个主要的系列，其中深度学习60讲也已改成书稿并出版。机器学习30讲也正在改写过程中，不日即将完稿。

关于问题归纳与技术总结，有较大的随意性，主要是笔者日常学习和工作过程中碰到的问题、思考的过程和解决方法，比如说MobileNet系列总结、sql2pandas方法汇总、超参数调优方法总结等。

下面以这篇机器学习最强调参方法！高斯过程与贝叶斯优化为例，简单说一下一篇能让读者有所收获的技术原创的产出过程。

首先是选题，按照笔者现在的工作节奏和状态，一般都会在前一周的周日确定下一周的公众号原创发文计划，比如说要有一篇原创，然后根据最近的学习和工作内容确定原创题目。

写这篇原创的原因在于笔者之前整理机器学习书稿，对贝叶斯调参这块有所涉及，决定单独拎出来在公众号上发一篇原创，所以说这篇原创是跟笔者近期的学习内容有关。主题确定之后，就会捋一下这篇文章的写作思路，这需要进行一下调研，整合一下思路，然后列出提纲。比如说这篇文章，笔者的写作思路是：

因为有代码示例，所以在正式写作之前，得先把代码实验给写完，这个过程可能要查阅相关文献，高斯过程和贝叶斯优化，这两个主题本身背后就有大量的数学原理和细节，还需要查贝叶斯优化的开源库，结合示例进行实验。实验代码一般都在Jupyter上写。

代码实验无误之后，就可以开始实际写作了，当然这个写作过程也不是那种一气呵成，中间过程肯定是需要不断查阅相关资料的。

最后写作完成，所有配图、代码以及文章底稿我们都会在本地和印象笔记上进行备份。

本地备份：

印象笔记备份：

这样一整套流程下来，在一篇技术原创上花费的时间成本相当大，时间整合下来，没有6个小时绝对完不成。但这也正是写作的时间投入价值，在于能够给广大读者提供一篇具备学习和参考价值的推文。

按照笔者目前的工作和生活状态，一周能有一篇原创都只能算是勉力支撑了。其他时间只能用来转载或者写口水文，当然时不时还有广告推广。还请各位读者海涵。

最后说一下技术写作这个事情。笔者推荐各位技术行业的朋友，尽量都要有个自己的技术博客，不限于公众号或者其他平台，时不时进行一些技术输出、内容总结或者分享，坚持一段时间后，带来的长期收益极为可观。写作本身就是思考的过程，为了能够更好的思考，推荐大家现在就开始写技术博文。

往期精彩：

一篇技术原创的产出始末