AI学习笔记-从一杯豆浆说起

春节假期间的一次聚会，往年最能闹腾的朋友，这次只愿意喝一点豆浆。他头发少了，也不再多讲值晚班时和护士们抓迷藏的各种工作趣事。

而我是能懂他的。我们经常联系，知道他工作的压力与烦恼，更加知道他的责任心和随时准备去医院造浮屠的节奏。作为深受领导赏识、病人喜爱、德艺双馨的年轻主任医生，在这样的五线小城市的中心医院里有着各种尴尬。

而这只是目前医疗资源不平衡，医患信任失衡造成的恶性循环中一个小小缩影。

近来的一段时间我都在学习人工智能，也了解到很多基于医疗数据开展人工智能的项目。我相信不久的将来AI定能做出让人惊叹的贡献，到了那一天，我会放心地劝我的医生朋友开怀痛饮。

幻想一下，集合全球最顶级医疗团队治疗经验和最海量医疗数据训练出来的机器医生遍布各线城市、乡村的医院，它能提供最佳的诊断，更重要的是它不会因为中心城市的护士更漂亮而跑走，是不是很神奇？

幻想一下，比狄仁杰、李昌钰、柯南、福尔摩斯，也许还有秦风更厉害的机器探长，它们不知疲倦，从人类无法理解的维度提前阻止犯罪，是不是女朋友都没有理由抱怨没有安全感了？

再幻想一下，量化投资的机器人帮你寻找各种投资机会，帮你赚取一笔一笔的财富，而你却徜徉在南太平洋的海风里，是不是很爽？

每每想到这些个场景，都能点燃我心中的一团火。

这团火让我经历了从python爬虫（scrapy）、numpy、pandas、matplotlib 到scikit-learn、keras、pytorch；

从Linear Regression、Logstic Regression、神经网络到cnn、rnn ；

从吴恩达的Machine Learning 到 Neural Networks and Deep Learning；

还有损失函数、梯度、优化器、反向传播、超参数、归一化、正则化、过拟合各种概念；

svm、knn、k-mean、决策树、随机森林、梯度提升各种算法；

再到nlp领域里，HMM、CRF、tf-idf、cbow、skip-gram、word embedding；

再到久违的线性代数、概率统计到微积分等等数学基础的奇幻之旅。

时而清晰如雨后阳光洒满大地，时而混沌如天地尚未分开。

且这些还都是基础，真正能让人有所不同的是对数据的理解以及调参经验。

当然，经过上述的摸索，我已经有了一条自己的学习路径。

a、获取数据（书籍、课程、实验问题和数据）

b、特征提取（找到更佳的学习资源）

c、配置优化器（找大牛来指点，加速学习过程）

d、验证、测试和参数调优（无他，多coding，多练习）

e、要注意过拟合（注意学习资源获取的广度、多举一反三）

f、避免梯度弥散和爆炸（牵强的说要注意保持兴趣、适当放空、多记笔记、多反思）

也许，就能fit一个不错的AI工程师～ Fighting！

且将此文作为开篇，希望后续能记录学习中的点滴并与大家分享，期待大家的指正！

我觉得fit这个词很好，契合了拟合模型的概念，同样适用于健身、健康，希望有很好的心态、很棒的身体、能’炼‘出很赞的模型！

Ok，AIfitness，Let‘s fit！