學了點opencv,做了一個車牌識別,被打擊到了。目前有點迷茫,不知道該學點什麼。是否要聽聽吳恩達老師的機器學習(本人對機器學習沒有任何瞭解),是否聽聽李飛飛老師的課。然後再代碼實現方面要具備哪些能力(代碼水平一般)類似那些框架什麼的。本人的目標是能做出點小的東西,主要是發論文(想讀博)。目前研一已經過去2個月了。求大佬不吝賜教
推薦關注我們公眾號有三AI,一年原創將近百萬字的技術文章,大部分是計算機視覺領域,可以參考我們的年終總結:
【年終總結】2019年有三AI做了什麼,2020年我們要做什麼??
mp.weixin.qq.com
另外從兩個方向來回答這個問題,第一個是怎麼系統性進階,第二個是如何系統性學習。
第一個問題,如何系統性進階,我鬥膽將學習深度學習的同志分為5大境界,分別是白身,初識,不惑,有識,不可知,下面一個一個道來,以計算機視覺方向為例。
http://weixin.qq.com/r/xEw1LebEMbtOraJO9xnW (二維碼自動識別)
1 白身
所謂白身境界,就是基本上什麼都不會,還沒有進入角色。在這個境界需要修行的內容包括:
(1) 熟練掌握linux及其環境下的各類工具的使用(2) 熟練掌握python及機器學習相關庫的使用
(3) 掌握c++等高性能語言的基本使用
(4) 知道如何獲取和整理,理解數據
(5) 掌握相關的數學基礎
(6) 瞭解計算機視覺的各大研究方向
(7) 瞭解計算機視覺的各大應用場景
(8) 瞭解行業的優秀研究人員,知道如何獲取最新的資訊,能夠熟練閱讀簡單的技術資料
如果掌握了這些,那麼就從白癡,不,是白身境界晉級了。怎麼判斷這個境界呢?可以參考以下的文章,看看掌握的如何。
AI白身境界系列完整鏈接:
第一期:【AI白身境】深度學習從棄用windows開始
第二期:【AI白身境】Linux幹活三板斧,shell、vim和git
第三期:【AI白身境】學AI必備的python基礎
第四期:【AI白身境】深度學習必備圖像基礎
第五期:【AI白身境】搞計算機視覺必備的OpenCV入門基礎
第六期:【AI白身境】只會用Python?g++,CMake和Makefile瞭解一下
第七期:【AI白身境】學深度學習你不得不知的爬蟲基礎
第八期: 【AI白身境】深度學習中的數據可視化
第九期:【AI白身境】入行AI需要什麼數學基礎:左手矩陣論,右手微積分
第十期:【AI白身境】一文覽盡計算機視覺研究方向
第十一期:【AI白身境】AI+,都加在哪些應用領域了
第十二期:【AI白身境】究竟誰是paper之王,全球前10的計算機科學家
2 初識
所謂初識,就是對相關技術有基本瞭解,掌握了基本的使用方法。在這個階段,需要修行以下內容。
(1) 熟練掌握神經網路
(2) 培養良好的數據敏感性,知道如何正確準備和使用數據
(3) 至少熟練掌握一個深度學習框架的使用
(4) 熟悉深度學習模型的基本訓練和調參,網路設計
(5) 掌握歸一化,激活機制,最優化等對模型性能的影響
(6) 能熟練評估自己的演算法,使用合適的優化準則
我們正在更新這一個系列的文章
AI初識境界系列完整鏈接:
第一期:【AI初識境】從3次人工智慧潮起潮落說起
第二期:【AI初識境】從頭理解神經網路-內行與外行的分水嶺
第三期:【AI初識境】近20年深度學習在圖像領域的重要進展節點
第四期:【AI初識境】激活函數:從人工設計到自動搜索
第五期:【AI初識境】什麼是深度學習成功的開始?參數初始化
第六期:【AI初識境】深度學習模型中的Normalization,你懂了多少?
第七期:【AI初識境】為了圍剿SGD大家這些年想過的那十幾招
第八期:【AI初識境】被Hinton,DeepMind和斯坦福嫌棄的池化,到底是什麼?
第九期:【AI初識境】如何增加深度學習模型的泛化能力
第十期:【AI初識境】深度學習模型評估,從圖像分類到生成模型
第十一期:【AI初識境】深度學習中常用的損失函數有哪些?
第十二期:【AI初識境】給深度學習新手開始項目時的10條建議
3 不惑
進入到不惑境界,就是向高手邁進的開始了,在這個境界的重點就是進一步鞏固知識,並且開始獨立思考。如果說學習是一個從模仿,到追隨,到創造的過程,那麼到這個階段,應該跳過了追隨,進入了創造的階段。
如果是在學校讀研究生,就要能夠發表水平不錯的文章,如果是在公司做業務,就要能夠提出正確且快速的解決方案,如果是寫技術文章,就要能夠信手拈來原創寫作而不需要參考。
這個階段需要修行以下內容:
(1) 熟練玩轉數據和模型對一個任務的影響
(2) 能夠準確的分析出模型的優劣,瓶頸
(3) 對於新的任務能夠快速尋找和敲定方案
(4) 擁有各種各樣的深刻理解深度學習模型的技能,從可視化到參數分析等等等
(5) 能夠優化模型到滿足業務的需求,實現工業級落地
(6) 瞭解行業的最新進展,並在某些領域有自己的獨到理解
不惑境界的內容
第一期:【AI不惑境】數據壓榨有多狠,人工智慧就有多成功
第二期:【AI不惑境】網路深度對深度學習模型性能有什麼影響?
第三期:【AI不惑境】網路的寬度如何影響深度學習模型的性能?
第四期:【AI不惑境】學習率和batchsize如何影響模型的性能?
第五期:【AI不惑境】殘差網路的前世今生與原理
第六期:【AI不惑境】移動端高效網路,卷積拆分和分組的精髓
第七期:【AI不惑境】深度學習中的多尺度模型設計
第八期:【AI不惑境】計算機視覺中注意力機制原理及其模型發展和應用
第九期:【AI不惑境】模型剪枝技術原理及其發展現狀和展望
第十期:【AI不惑境】模型量化技術原理及其發展現狀和展望
第十一期:【AI不惑境】模型壓縮中知識蒸餾技術原理及其發展現狀和展望
第十二期:【AI不惑境】AutoML在深度學習模型設計和優化中有哪些用處?
4 有識
到這裡,就步入高手境界了。可以大膽地說自己是一個非常合格的深度學習演算法工程師甚至是研究員了,在自己研究的領域裡處於絕對的行業前沿,對自己暫時不熟悉的領域也能快速地觸類旁通。
無論是眼界,學習能力,還是學習態度都是一流水平,時而大智若愚,時而鋒芒畢露,當之無愧的大師兄。
5 不可知
最後一個境界,就是不可知境界,超出我能描述的範圍了。舉一個例子,馬文·閔斯基,既可以讓AI生,又可以讓AI死,這樣的人是不會遇到的,放心好了。
這個修行之路仍然在更新中,我們發布了超過360頁的指導手冊,大家可以去自行獲取。