专栏首页目标检测和深度学习深度学习的研究方向: 你会为AI转型么?

深度学习的研究方向: 你会为AI转型么?

一. 人工智能应用领域

1. 计算机视觉 生物特征识别:人脸识别、步态识别、行人ReID、瞳孔识别; 图像处理:分类标注、以图搜图、场景分割、车辆车牌、OCR、AR; 视频分析:安防监控、智慧城市; 2. 自然语言处理 语音识别(Siri、Cortana、讯飞)、文本数据挖掘、文本翻译; 3. 数据挖掘 消费习惯、天气数据、推荐系统、知识库(专家系统); 4. 游戏 角色仿真、AlphaGo(强化学习); 5. 复合应用 无人驾驶、无人机、机器人;

天朝的 AI 趋势貌似势不可挡,华人的高智商开始凸显,看各大 Challenge 的获胜者,几乎清一色的华人的身影,包括 MSRA、FAIR、Google Brain 这几大研究机构,都有相当比例的华人科学家主导,让我看到了天朝崛起的希望。

来看一张别人的统计图:

在创业公司层面,目前国内也有很多 优秀的公司,领域的火热伴随着巨大的商机,你心动了么?

二. 需要具备的专业知识

1. 数学基础 数学知识比较关键,这是作为你理解和学习算法原理的基础,列出比较关键的课程: 高等数学(微积分)、线性代数、统计方法、矩阵论、概率论 PS:图像相关童鞋 可以看一下《数字图像处理》 2. 编程基础 两门编程语言是必须要掌握的,C++ 和 Python 3. 专业基础(算法和论文) 基础教程:【UFLDL】【PRML】 http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial Deep Learning Paper:【Paper】 https://www.cs.toronto.edu/~hinton/absps/NatureDeepReview.pdf Deep Learning Book:【Book】 http://www.deeplearningbook.org/ 机器学习公开课:【网易】

http://open.163.com/special/opencourse/machinelearning.html

三. 从学校制定的规划

你有机会面临一开始的选择,可以成为该领域的专家,对自己的规划应该是:

Step 1. 为 PhD 努力 这是必然的,你需要尽一切努力去得到一位学术大牛的指点,这至关重要,因为他能影响你的思维,做事情的方法,能够指点你技术的方向。 这个阶段要确定自己的方向,不要过于发散。 Step 2. 抓住实习机会 Google、FaceBook、MSRA 等大公司的实习机会也很关键(退而求其次选 BAT),这里有最专业的工程人才,要借助实习快速提升你的代码能力。 Step 3. 加入团队 求志同道合者 建立业余团队,比如开源项目、研究方向课题组、ILSVRC竞赛 等; 一方面可以 Follow 技术进展,另一方面通过 Challenge 提升自己解决实际问题的能力,不求获奖,重在参与;

四. 非专业人员转型

你会为AI转型么?

如果是我,我的答案会是,如果可以优雅的转身,那就转吧。

如何保证优雅的转身?请到上面看你的基础知识能够 Match 多少?如果你的主要编程语言是 C++ 和 Python,并且数学功底很好,那么恭喜你,没什么障碍了,最多三个月的转型期,你马上就能成为一名合格的 AI 从业者。

如果你大部分时间都在写 HTML and PHP,or再牛一点,精通 Java 的架构师,附带 大学数学挂过科,那么我给的建议是,没必要转型,了解 TensorFlow 的API就好了,想办法调用一下,该干嘛还是干嘛,继续领你架构师的高工资,AI的泡沫可不小,听哥的,别趟这趟浑水!

> 转型开始

开始转型,怎么一步一步的去实现这个目标呢?

总结为4点: 看书、读论文、用框架、敲代码。

1. 看书 抓住工作之余的任何时间看书,每天坚持两个小时,最好把基础中提到的这些技术知识点都看完。 恒心很重要,有恒心者有恒产,不管你信不信,我反正信了。 2. 读论文 读经典论文是最能提高你的技术逼格的方法,SSD、YOLO、LSTM、DQN 等等,每一个经典算法都是一次技术飞跃,读文章可以结合 Blog来看,当然也有很多翻译文章,所谓 “前人栽树,后人乘凉”,英文不太好的童鞋有福。 Lucky,大多数的 Paper 都会附带实现代码,这是 共享的时代。 PS:也是共享单车的时代,看到 OFO 集5个徽章得 77.77,真是醉了,连个数都是 支付宝的套路。 3. 用框架 深度学习相关框架要多用,Pytorch,TensorFlow,Caffe,都是开源的,很多新的算法、文章都是基于这些框架实现的,必须熟悉。 4. 敲代码 要理解的更深一些,或者加入自己的想法,定制自己专业领域的特殊问题,这就需要你在原来的基础上进行修改,修改是再创造的过程,不管是数据的重新训练,还是接口的不同调用方式,都是一种加深。

除了 看书之外,其他三个 Item 是需要目标来驱动的,以解决项目中的实际问题为出发点,这是最好的入门方法。

五. 技术发展趋势

前面也讲过,下一步的发展重点在 迁移学习、强化学习、非监督学习 层面,对抗网络(GAN) 也将会焕发新的光彩。

而在应用领域,机器人将会在很大层度上推动深度学习的发展,也许在将来的5-10年,真的会诞生真正意义上的智能体,最近听说某某机器人通过了 图灵测试,很好奇,一看也只是在某个简单的层面。

量子计算机、类脑、超脑 等大一批科技新星为之注入了强悍的体系支撑,全球在技术领域持续的资金和人才投入也将持续提供无限的动力,也许 AI目前是泡沫,但若是支撑到某个领域的突破,必然会带来新的生产力变革,换句话说,科技泡沫总归 比 房地产泡沫来得更实在一些。

本文分享自微信公众号 - 目标检测和深度学习(The_leader_of_DL_CV)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-03-18

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • Kaggle :第二届 YouTube-8M 视频理解挑战赛

    朱晓霞
  • 报名 | 免费!创新工场5周AI实战夏令营来啦,教育部+北大认证

    朱晓霞
  • 你不得不了解的8种神经网络结构!

    机器学习已经在各个行业得到了大规模的广泛应用,并为提升业务流程的效率、提高生产率做出了极大的贡献。目前机器学习主要在以下方面应用: 模式识别:实际场景中的目标、...

    朱晓霞
  • 深度学习要走向更深?Gary Marcus称DL与经典AI结合才是出路

    自1950年代以来,AI的发展一直承载了过多的未能实现的期待。尽管近年来由于深度学习的突破而实现了质的飞跃,当今的AI领域仍然有诸多问题亟待突破:面对攻击时的脆...

    新智元
  • Java面试题 - 02前言:一、JavaWeb高级:二、数据库:三、框架篇:

    1. 什么叫监听器(listener)? 答:监听器主要是用来监听特定对象的创建或销毁、属性的变化的,是一个实现特定接口的普通java类。具体实现哪个接口,要...

    贪挽懒月
  • 【spring源码解析】一个坑的问题解决方案

    本文转载自:http://blog.csdn.net/m0_37798534/article/details/79584031

    用户5640963
  • 对AI产品经理的一知半解

    对产品的定义随着时光的变迁往往有着不同的内涵,同样的,对产品经理的理解也可能有着不同的认知。

    半吊子全栈工匠
  • 滑铁卢大学研究团队利用AI和雷达监测血糖,准确率高达85%

    在最近的一项研究中,滑铁卢大学研究人员将雷达和人工智能(AI)技术相结合,以检测葡萄糖水平的变化,而无需每天刺破手指来测量血糖。

    AiTechYun
  • 推荐一款src自动化扫描和收集的工具

    目前支持的功能 全自动扫描: python webmain.py -a target.com --> baidu_site && port/...

    用户1467662
  • 2019 前端秋季社招面试经历总结(二年多经验)

    今天,土哥给大家带来一篇优秀同行的面经分享,一起摸摸2019年下半场的前端行情,以及预估自己目前在市场上的价格。

    闰土大叔

扫码关注云+社区

领取腾讯云代金券