关于人工智能培训课程的一些思考

楔子

昨日返沪,2019年正式开工。

回顾去年,印象最深的,便是人工智能的大火,以及雨后春笋般涌现的大量培训课程。

多,真的多。内容五花八门,不过也遵循一定规律。

一直想写点什么,拖了很久。因为某些契机,终于提笔,写一写,关于人工智能培训课程的思考。

内容

一般而言,课程主要会涉及四个阶段。

第一是基础层面,面向小白。一方面包括数学基础,例如微积分、线性代数、概率论、最优化的一些必要知识点。

另一方面包括编程基础,例如Python语法、如何写代码然后运行。

第二是数据层面,目标是做点东西出来。从数据的采集、存储、分析、可视化等角度切入,从数据中挖掘价值、得出结论。

以Python为例,这一阶段会涉及大量工具包,体验调包侠的快乐。

忍不住从心底里感叹,Python真好用。

不过逐渐感觉,每次差不多都是,来个数据集,预处理一下,弄点统计,调几个包,再搞些图。

要不再来点别的?

第三是机器学习,偏重模型。其一包括理论概念,例如分类和回归、特征和标签、训练集和测试集、欠拟合和过拟合等术语。

其二包括线性回归、决策树、随机森林、支持向量机等经典模型。

当然,以上绝大部分内容,都能在一本卖西瓜的书中找到。

其三包括实战应用,又可以调包了,数据加sklearn,做分类、搞回归。

第四是深度学习,近几年大火,最方便唬人和割韭菜的卖点。

其一包括深度学习理论,例如神经元、激活函数、全连接层、卷积神经网络、循环神经网络、初始化方法、优化方法、正则化方法等。

其二包括代码实现,TensorFlow和PyTorch来一发?

其三包括实际应用,和具体研究领域的子任务相结合。

计算机视觉:图片分类、物体检测、语义分割、实例分割、关键点定位、目标追踪、图片生成、图片超分辨率、图片翻译等。

自然语言处理:语言模型、文本分类、中文分词、词性标注、命名实体识别、摘要生成、机器翻译、阅读理解、自动问答、聊天机器人等。

智能语音:自动语音识别、文本转语音、同声传译、声纹识别等。

总之,人工智能培训课程大多围绕以上四个阶段,但不同课程的受众未必相同。

区别

培训课程那么多,有啥区别?

首先从制作方来看,主要可以分为四类。

第一是神级大佬,个人实力过硬,课程质量高且大多免费,例如吴恩达深度学习微专业、李飞飞计算机视觉、李宏毅机器学习。

第二是学术团队,由一线大学的老师和博士组成,课程质量多有保障。

第三是培训机构,数量占比最大,目的当然主要是盈利。

第四是个人出品,出于个人兴趣或盈利,将一些相关内容整理成课。

其次从内容上看,和之前讨论的四阶段相结合,可以是基础课、入门课、进阶课、理论课、实战课等。

最后从价格来看,可以分为免费课和收费课。

但收费课未必一定比免费课好,收费课的价格从几十到几百再到几千不等,不同收费课的性价比有可能天差地别。

当然,课程内容到底好不好、性价比到底高不高,主要看,课程制作方的实力,以及良心。

利弊

接下来,聊一下培训机构的利弊。

出于盈利的最终目的,培训机构会选择当下热点,寻找合适讲师,快速打造内容,通过系统运营,捕获大量学员,完成培训周期。

从几百的单门课程,到几千的微专业,甚至几万的包就业培训班,种类繁多、性质各异。

优点很明显,冲着培训某种技术而去,因此能短时间内了解到较为系统的相关内容。

最大的缺点,质量良莠不齐,效果无法保证,仅有培训背景未必能被业界认可。

选择

那么,如何正确选择课程?尤其是并不便宜的收费课?

首先,对自己有清晰的定位和规划,结合之前讨论的四阶段,想明白,自己从哪来、现在在哪、以后到哪去。

其次,保持正确的心态,功利心不可太强。学习是不断完善和提高自我的过程,千万别抱着学完这门课就能怎样的想法,例如拿到多少钱的offer。

接下来,详细了解课程信息。属于基础、入门还是进阶?包括四阶段中的哪些?偏理论还是重实战?制作方背景和实力如何?勿盲目跟风,适合自己,才值得一学。

最后,仔细过一遍课程目录,最好三分之一的章节已经掌握,另外三分之一知道大概,剩下三分之一尚未了解。

学习一门全新课程大多不容易一次性掌握,相比之下,一边温故一边知新,既轻松不少,也能获得更多成就感。

当然,学习永远是自我驱动,选择感兴趣的内容,兴趣是最好的老师。

最后

保持好学之心,学得越多,越发明白世界之大、自身不足。

人外有人、天外有天。

但唯一能掌控在手心里的,就是努力成为更好的自己。

原文发布于微信公众号 - 宏伦工作室(HonlanFarm)

原文发表时间:2019-02-16

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。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券