0.筆記倉庫
任務安排
AI入門路線
動手深度學習md
Task01：初識深度學習
深度學習介紹和環境安裝配置
1.深度學習介紹
1.1 AI地圖
x軸：模式
y軸：想做的東西
感知：所見（人能夠快速反應）
推理：基於所見的想象
知識：根據所見形成自己的知識
規劃：根據知識進行長遠的規劃
自然語言處理：感知，用的最多的是機器翻譯
計算機視覺：在圖片中推理
1.2 應用
圖片分類
物體檢測：物體出現的位置；物體分割：每一個畫素所屬的種類
樣式遷移：變換風格（濾鏡）
人臉合成
文生圖
文字生成
無人駕駛
案例：廣告點選
流程：觸發-點選率評估-排序
三類人
- 領域專家：專業相關人士。瞭解使用者行為，對模型擬合提出需求。（有點像產品經理？
- 資料科學家：根據領域專家的需求翻譯成機器學習要做的事情。利用資料訓練模型，訓練模型
- AI專家：最佳化模型
QA
（只記錄我有問題的地方
- 機器學習的有效性和可解釋性
有效性：所有提出的新模型都會解釋一下為什麼有效
可解釋性：深度學習的可解釋性很難評
- 深度學習無法用數學規範表述，只能用直覺理解是嗎
深度學習可以用數學表示，但是具體用數學解釋它為什麼工作，為什麼不工作做不到
- 資料科學家和AI專家的主要區別在哪裡？
資料科學家：把實際業務問題轉化為機器學習能做的任務；
AI專家：提升模型精度
資深資料科學家可以認為是AI專家
- 如何尋找自己領域的paper
等待分享
Tips：融合多個模型提升精度
2.環境安裝配置
我開擺了...因為配置總是有一堆問題所以我就直接用kaggle雲端跑了。
https://www.kaggle.com/work
或者直接Google Colab，教材有連結到
但是雖然這麼說，直接在本地pip install想要的包也是有一定機率能跑通的，反正就是，碰到問題再解決吧qaq
然後我的本地也是可以啟動jupyter notebook的（所以應該是可以的
3.Datawhale環境配置講解
地址：手把手帶你配動手學深度學習的環境
同上
4.李沐：GPT時代AI怎麼學？
沒有GPT之前，深度學習在特徵工程方面的最佳化有很大效果，但是這是人能夠在5s內完成的。現在的LLM是專業人士在大量時間才能完成
todo：探索transformer的智慧上限
達到上限後探索新架構
潛力無窮，動手就是了！