您的位置 首页 培训问答

【杂谈】2020年如何长期、系统,全面地学习深度学习和计算机视觉,这是有三AI的完整计划

对深度学习从业者要说的话

深度学习的前身是神经网络,属于机器学习技术中的一种,诞生于半个多世纪以前,随着计算硬件水平的提升,工业大数据的积累以及相关理论的完善,如今得以在各行各业大展拳脚。从应用领域来说,人工智能相关的主流领域,包括但不限于计算机视觉,自然语言处理,语音处理等,都得益于深度学习技术的发展而大大拓展了相关工业界的应用,那么学习深度学习到底是需要掌握哪些知识呢?这里我重点说几个。

(1) 深度学习理论的熟悉。

不是所有的从业者都需要在深度学习理论上有所建树,但是我们必须要熟悉它。熟悉它的学习机制,为什么有效,到底适合什么样的任务。熟悉其中初始化,激活机制,归一化,正则化,优化方法,优化目标,可视化等内容。

掌握深度学习理论,这样才能更深刻地理解模型,才能在你的模型无法正常工作时,定位到问题。

(2) 模型架构的设计和优化。

模型的设计和优化是从业者必须熟熟练掌握的能力。掌握它你才拥有一定的原创能力,能够针对不同的任务选定合适的模型,能够将模型的性能真正发挥出来,能够知道模型的瓶颈在哪里,能够将模型推进到真正的工业界上线使用。

掌握模型架构的设计和优化,是区分技术研发人员和技术应用人员的重要指标。

(3) 深度学习开源框架。

作为一门应用学科,工具是重要基石,而深度学习开源框架根据不同的应用场景,并未或者说不太可能形成大一统的趋势,所以一个熟练的工程人员都会掌握若干主流框架。

长期从业者应该尝试从用框架到逐渐自己搭建框架,进一步提高编程与设计能力。

对计算机视觉从业者要说的话

计算机视觉技术诞生于半个多世纪以前,随着深度学习技术的成熟开始在很多领域大规模落地,以研究方向来说,大大小小至少数十个领域。这里我重点想说的有几件事情。

(1) 计算机视觉技术饱和了吗?这是在过去的一段时间里被反复讨论的主题。

我认为研究领域没有饱和,诸如3D图像,计算机图形学等领域甚至只能说初探其境,很多老问题如分类检测跟踪也在与复杂的现实场景做搏斗,很多底层问题如图像增强离产品落地也有距离,从视觉感知要走到人类理解的水平,还远远谈不上饱和。工业届的很多行业都还等着计算机视觉技术去优化流程,降低成本,我们要把目光放得更大更远,而不仅仅是龟缩于自己感兴趣的小圈子。

所谓饱和,饱和的是浅尝辄止的心态,如果不求甚解,并不爱这个行业,那么我的建议就是劝退。

另外,关于算法工程师,请大家不要停留在算法工程师就是看看文章做做调参这个认知上,它要做的事情很多。搜集合适的数据,选定项目方案,模型优化部署,算法后续迭代,都不是简单的工作。

(2) 达到一个什么样的水平可以去找工作?

这应该是取决于你想找一个什么样的工作,一个行业发展渐趋成熟稳定后,从业者肯定是金字塔分布。

如果将这一行的从业者分为三个梯队,那么第一梯队是顶级研发人员,占比不会超过5%,大部分同志并不会成为其中一员,在没有三五年的积累后不用考虑这个问题。

第二梯队是大中小企业的一线开发,占比至少在60%以上,所需要的技能是丰富的项目经验和扎实的编程能力,其中难点在于培养出对项目的敏感性,能够以较低成本不走歧路地完成项目。如何成为这样的人,第一步至少要先熟练掌握计算机视觉的基础算法,精读足够多的文章,从头到尾完整做过多个不同方向的项目。

第三梯队是非核心开发人员。很少有人一上来就担当大任,所以一开始入行往往是从这个梯队开始的,跟着别人做事学习,比如做数据分析与标注类工作。所需要的技能是扎实的编程能力和一定的算法经验,东西看的懂,用得对。

我们怎么做学习计划

对于学习,有三有几个观点。

(1) 学习必须是系统和完整的。学习的目标是为了长期使用,那么必然需要系统性地掌握知识,往后才能够触类旁通。短期突击(如单个项目)或许可以通过考试,但是终究用处有限,而且迟早会暴露残缺的知识背景。

目前短视频时代最大的问题就是信息的碎片化,在不断更新的信息下我们很容易被带入浮躁的学习氛围中,成为那只掰玉米的猴子,遇见很多东西,但最后空手而归。时刻应该铭记,学习是为了用合适的方法解决合适的问题,要想做到这一点需要完善的知识储备,没有一招吃遍天下的秘籍。

(2) 学习必须是长期和动态的。本行业的特点是技术迭代更新确实非常快,因此要保持长期的学习习惯,几个月的固定学习周期是不够的,这只能初窥门道。学习资料是死的,人是活的,源源不断的问题根本就不是资料,尤其是录制好的音视频能解决的,因此我们要保证长年累月的交流渠道是畅通的,必须要有一个长期学习的技术圈子。

(3)学习资料要丰富。学习是一个非常复杂的高维认知行为,因此学习资料形式最好也是包含各种形式,最好包含视频和图文,囊括线上和线下交流,这样能够满足各类人群的需求,方便及时反馈问题。

(4) 学习必须要完成闭环。学习的目标不是为了学习,而是为了使用。从掌握知识,到后续积累人脉和项目经历,甚至完成学生到老师的转变,越往后越有价值。我希望跟着我们学习的同学,能够持续在生态中获益,成为专栏/书籍作者,成为老师,成为项目负责人,甚至是合伙人。

综上,关于计算机视觉的学习,我们推出来“季划”的学习模式,总的来说有以下特点:

(1) 总体学习时间和进度安排。

分难度依次增加的3个计算机视觉学习小组,即“春夏秋”三个等级,各自有各自的定位,如下图。每一个季划有推荐的学习周期和固定的学路线。

(2) 多元的学习方式。

有三作为主要导师直接带领,囊括随时一对一答疑,微信群交流,线下活动,多本自写的书籍,图文课件与代码,一年免费的知识星球社区,学习视频,每周微信直播等内容。

如此一来,我们打通了所有的学习方式,从而保证学习效果。

(3) 知识输出与应用。

学习的目标是为了应用,让知识产生价值,平台给学习的同学准备了内容组,研发组,运营组等小组,让大家可以输出自己学习的知识,拓展知识技能,获得收入和个人影响力的提升。

有三AI是一个创业团队和社区,一直在寻找志同道同的你。

接下来,就介绍我们相应的深度学习和计算机视觉学习小组。

有三AI春季划

春季划是给以下选手准备的,目标是完全入门计算机视觉,培养后续能够独立进行该领域学习的习惯和能力。

(1) 深度学习/计算机视觉/图像处理零基础学生与转行的从业者。

(2) 深度学习/计算机视觉/图像处理基础薄弱,缺少实践,停留在网络视频课级别的选手。

(3) 不具备能完成从数据准备到模型调优全流程的深度学习/计算机视觉从业者。

(4) 未能熟练掌握计算机视觉基础领域,模型设计与调优等算法的选手。

所以春季划覆盖从“编程基础”,“开源框架”,“图像基础”,以及难度从低到高的深度学习实践项目(分类,分割,检测,GAN,模型设计与优化),每一个知识点未必非常详细,但是核心要点力求包括,下面是一张项目相关的图供大预览。

【详细了解春季划请点击】【通知】2020年有三AI-CV春季划升级,更多项目,更多框架,更高难度

有三AI夏季划

夏季划是春季划的进阶,是给已经有比较好的计算机视觉基础的选手准备的,目标是较深入地掌握若干计算机视觉领域,培养独立完整的工程项目能力。

(1) 有较好的python编程基础,缺少C++编程经验,不熟悉模型的部署和优化。

(2) 缺少深度学习和计算机视觉项目经验。

所以夏季划覆盖了“Caffe等框架的完整源代码解读与C++部署”,“Python小程序的前端,后端模型部署”。“目标检测与跟踪”,“文本检测和识别”,“表情识别与编辑”,“人脸识别”,“人体关键点检测”,“人像分割”,“三维人脸重建”,“模型剪枝与量化”等深度学习与计算机视觉实践项目,下面是一张项目相关的图供大家预览。

【详细了解夏季划请点击】【通知】2020年有三AI-CV夏季划升级,更多项目,更高难度,更加落地

小提示???:报名夏季划的同时如果报名春季划,则可以享受春季划半价。

有三AI秋季划

秋季划是直接参照公司架构进行分组,暂时分四大方向,模型优化,人脸算法,图像质量,生成对抗网络。

当你在某一个领域里做到极致,便会成为该领域的专家,从此就真的有了立足之地,这也是最后一个季划,以后还会增加新的方向。

注意:参加秋季划有以下基本要求。

(1) 熟练掌握Python,会使用C++编程。

(2) 至少能使用Caffe,Tensorflow,Pytorch三大开源框架。

(3) 扎实的数字图像处理基础,熟练掌握OpenCV。

(4) 扎实的深度学习理论基础。

【模型优化小组】需要掌握深度学习模型设计,调参,优化,部署。需要学习的东西包括8大方向:数据使用,模型使用和调参,模型性能分析,紧凑模型设计,模型剪枝,模型量化,模型蒸馏,NAS。

【人脸算法小组】需要掌握当前人脸图像领域的主要算法,学习的东西包括8大方向:人脸检测,人脸关键点检测,人脸识别,人脸属性分析,人脸分割,人脸美颜,人脸编辑与风格化,三维人脸重建。

【图像质量小组】需要掌握与图像质量相关的内容,学习的东西包括8大方向:图像质量评价,图像构图分析,图像降噪,图像对比度增强,图像超分辨,图像去模糊,图像风格化,图像修复。

【生成对抗网络小组】需要掌握GAN的理论和应用知识,学习的东西包括8大方向:基础理论,结构设计,图像与视频生成,语音生成,图像增强,风格迁移,图像编辑,综合使用技巧。

【详细了解秋季划请点击】【通知】如何让你的2020年秋招CV项目经历更加硬核,可深入学习有三秋季划4大领域32个方向

小提示???:所有报名过春夏季划的,可以半价报名秋季划。

最后Tips:报名联系有三微信Longlongtogo即可,请先仔细阅读相关的文章介绍。所有加入过有三AI知识星球,购买过书籍的同学,可抵扣相关费用。

转载文章请后台联系

侵权必究

往期精选

言有三新书来袭!业界首次深入全面讲解深度学习模型设计

言有三新书预售,不贵,有料

【总结】有三AI秋季划模型优化组3月直播讲了哪些内容,为什么每一个从事深度学习的同学都应该掌握模型优化的内容

【总结】有三AI秋季划人脸算法组3月直播讲了哪些内容,计算机视觉你不可能绕开人脸图像

【总结】有三AI秋季划图像质量组3月直播讲了哪些内容,为什么解决好底层图像处理问题那么重要

【通知】有三AI发布150页深度学习开源框架指导手册与GitHub项目,欢迎加入我们的开源团队

【通知】有三AI更新420页14万字视觉算法工程师成长指导手册,可下载收藏打印

为您推荐

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注

返回顶部