對深度學習從業者要說的話

深度學習的前身是神經網絡，屬于機器學習技術中的一種，誕生于半個多世紀以前，隨著計算硬件水平的提升，工業大數據的積累以及相關理論的完善，如今得以在各行各業大展拳腳。從應用領域來說，人工智能相關的主流領域，包括但不限于計算機視覺，自然語言處理，語音處理等，都得益于深度學習技術的發展而大大拓展了相關工業界的應用，那么學習深度學習到底是需要掌握哪些知識呢？這里我重點說幾個。

(1) 深度學習理論的熟悉。

不是所有的從業者都需要在深度學習理論上有所建樹，但是我們必須要熟悉它。熟悉它的學習機制，為什么有效，到底適合什么樣的任務。熟悉其中初始化，激活機制，歸一化，正則化，優化方法，優化目標，可視化等內容。

掌握深度學習理論，這樣才能更深刻地理解模型，才能在你的模型無法正常工作時，定位到問題。

(2) 模型架構的設計和優化。

模型的設計和優化是從業者必須熟熟練掌握的能力。掌握它你才擁有一定的原創能力，能夠針對不同的任務選定合適的模型，能夠將模型的性能真正發揮出來，能夠知道模型的瓶頸在哪里，能夠將模型推進到真正的工業界上線使用。

掌握模型架構的設計和優化，是區分技術研發人員和技術應用人員的重要指標。

(3) 深度學習開源框架。

作為一門應用學科，工具是重要基石，而深度學習開源框架根據不同的應用場景，并未或者說不太可能形成大一統的趨勢，所以一個熟練的工程人員都會掌握若干主流框架。

長期從業者應該嘗試從用框架到逐漸自己搭建框架，進一步提高編程與設計能力。

對計算機視覺從業者要說的話

計算機視覺技術誕生于半個多世紀以前，隨著深度學習技術的成熟開始在很多領域大規模落地，以研究方向來說，大大小小至少數十個領域。這里我重點想說的有幾件事情。

(1) 計算機視覺技術飽和了嗎？這是在過去的一段時間里被反復討論的主題。

我認為研究領域沒有飽和，諸如3D圖像，計算機圖形學等領域甚至只能說初探其境，很多老問題如分類檢測跟蹤也在與復雜的現實場景做搏斗，很多底層問題如圖像增強離產品落地也有距離，從視覺感知要走到人類理解的水平，還遠遠談不上飽和。工業屆的很多行業都還等著計算機視覺技術去優化流程，降低成本，我們要把目光放得更大更遠，而不僅僅是龜縮于自己感興趣的小圈子。

所謂飽和，飽和的是淺嘗輒止的心態，如果不求甚解，并不愛這個行業，那么我的建議就是勸退。

另外，關于算法工程師，請大家不要停留在算法工程師就是看看文章做做調參這個認知上，它要做的事情很多。搜集合適的數據，選定項目方案，模型優化部署，算法后續迭代，都不是簡單的工作。

(2) 達到一個什么樣的水平可以去找工作？

這應該是取決于你想找一個什么樣的工作，一個行業發展漸趨成熟穩定后，從業者肯定是金字塔分布。

如果將這一行的從業者分為三個梯隊，那么第一梯隊是頂級研發人員，占比不會超過5%，大部分同志并不會成為其中一員，在沒有三五年的積累后不用考慮這個問題。

第二梯隊是大中小企業的一線開發，占比至少在60%以上，所需要的技能是豐富的項目經驗和扎實的編程能力，其中難點在于培養出對項目的敏感性，能夠以較低成本不走歧路地完成項目。如何成為這樣的人，第一步至少要先熟練掌握計算機視覺的基礎算法，精讀足夠多的文章，從頭到尾完整做過多個不同方向的項目。

第三梯隊是非核心開發人員。很少有人一上來就擔當大任，所以一開始入行往往是從這個梯隊開始的，跟著別人做事學習，比如做數據分析與標注類工作。所需要的技能是扎實的編程能力和一定的算法經驗，東西看的懂，用得對。

我們怎么做學習計劃

對于學習，有三有幾個觀點。

(1) 學習必須是系統和完整的。學習的目標是為了長期使用，那么必然需要系統性地掌握知識，往后才能夠觸類旁通。短期突擊(如單個項目)或許可以通過考試，但是終究用處有限，而且遲早會暴露殘缺的知識背景。

目前短視頻時代最大的問題就是信息的碎片化，在不斷更新的信息下我們很容易被帶入浮躁的學習氛圍中，成為那只掰玉米的猴子，遇見很多東西，但最后空手而歸。時刻應該銘記，學習是為了用合適的方法解決合適的問題，要想做到這一點需要完善的知識儲備，沒有一招吃遍天下的秘籍。

(2) 學習必須是長期和動態的。本行業的特點是技術迭代更新確實非?？?#xff0c;因此要保持長期的學習習慣，幾個月的固定學習周期是不夠的，這只能初窺門道。學習資料是死的，人是活的，源源不斷的問題根本就不是資料，尤其是錄制好的音視頻能解決的，因此我們要保證長年累月的交流渠道是暢通的，必須要有一個長期學習的技術圈子。

(3)?學習資料要豐富。學習是一個非常復雜的高維認知行為，因此學習資料形式最好也是包含各種形式，最好包含視頻和圖文，囊括線上和線下交流，這樣能夠滿足各類人群的需求，方便及時反饋問題。

(4) 學習必須要完成閉環。學習的目標不是為了學習，而是為了使用。從掌握知識，到后續積累人脈和項目經歷，甚至完成學生到老師的轉變，越往后越有價值。我希望跟著我們學習的同學，能夠持續在生態中獲益，成為專欄/書籍作者，成為老師，成為項目負責人，甚至是合伙人。

綜上，關于計算機視覺的學習，我們推出來“季劃”的學習模式，總的來說有以下特點：

(1) 總體學習時間和進度安排。

分難度依次增加的3個計算機視覺學習小組，即“春夏秋”三個等級，各自有各自的定位，如下圖。每一個季劃有推薦的學習周期和固定的學路線。

(2) 多元的學習方式。

有三作為主要導師直接帶領，囊括隨時一對一答疑，微信群交流，線下活動，多本自寫的書籍，圖文課件與代碼，一年免費的知識星球社區，學習視頻，每周微信直播等內容。

如此一來，我們打通了所有的學習方式，從而保證學習效果。

(3) 知識輸出與應用。

學習的目標是為了應用，讓知識產生價值，平臺給學習的同學準備了內容組，研發組，運營組等小組，讓大家可以輸出自己學習的知識，拓展知識技能，獲得收入和個人影響力的提升。

有三AI是一個創業團隊和社區，一直在尋找志同道同的你。

接下來，就介紹我們相應的深度學習和計算機視覺學習小組。

有三AI春季劃

春季劃是給以下選手準備的，目標是完全入門計算機視覺，培養后續能夠獨立進行該領域學習的習慣和能力。

(1) 深度學習/計算機視覺/圖像處理零基礎學生與轉行的從業者。

(2) 深度學習/計算機視覺/圖像處理基礎薄弱，缺少實踐，停留在網絡視頻課級別的選手。

(3) 不具備能完成從數據準備到模型調優全流程的深度學習/計算機視覺從業者。

(4) 未能熟練掌握計算機視覺基礎領域，模型設計與調優等算法的選手。

所以春季劃覆蓋從“編程基礎”，“開源框架”，“圖像基礎”，以及難度從低到高的深度學習實踐項目(分類，分割，檢測，GAN，模型設計與優化)，每一個知識點未必非常詳細，但是核心要點力求包括，下面是一張項目相關的圖供大預覽。

【詳細了解春季劃請點擊】【通知】2020年有三AI-CV春季劃升級，更多項目，更多框架，更高難度

有三AI夏季劃

夏季劃是春季劃的進階，是給已經有比較好的計算機視覺基礎的選手準備的，目標是較深入地掌握若干計算機視覺領域，培養獨立完整的工程項目能力。

(1) 有較好的python編程基礎，缺少C++編程經驗，不熟悉模型的部署和優化。

(2) 缺少深度學習和計算機視覺項目經驗。

所以夏季劃覆蓋了“Caffe等框架的完整源代碼解讀與C++部署”，“Python小程序的前端，后端模型部署”。“目標檢測與跟蹤”，“文本檢測和識別”，“表情識別與編輯”，“人臉識別”，“人體關鍵點檢測”，“人像分割”，“三維人臉重建”，“模型剪枝與量化”等深度學習與計算機視覺實踐項目，下面是一張項目相關的圖供大家預覽。

【詳細了解夏季劃請點擊】【通知】2020年有三AI-CV夏季劃升級，更多項目，更高難度，更加落地

小提示????????????：報名夏季劃的同時如果報名春季劃，則可以享受春季劃半價。

有三AI秋季劃

秋季劃是直接參照公司架構進行分組，暫時分四大方向，模型優化，人臉算法，圖像質量，生成對抗網絡。

當你在某一個領域里做到極致，便會成為該領域的專家，從此就真的有了立足之地，這也是最后一個季劃，以后還會增加新的方向。

注意：參加秋季劃有以下基本要求。

(1) 熟練掌握Python，會使用C++編程。

(2) 至少能使用Caffe，Tensorflow，Pytorch三大開源框架。

(3) 扎實的數字圖像處理基礎，熟練掌握OpenCV。

(4) 扎實的深度學習理論基礎。

【模型優化小組】需要掌握深度學習模型設計，調參，優化，部署。需要學習的東西包括8大方向：數據使用，模型使用和調參，模型性能分析，緊湊模型設計，模型剪枝，模型量化，模型蒸餾，NAS。

【人臉算法小組】需要掌握當前人臉圖像領域的主要算法，學習的東西包括8大方向：人臉檢測，人臉關鍵點檢測，人臉識別，人臉屬性分析，人臉分割，人臉美顏，人臉編輯與風格化，三維人臉重建。

【圖像質量小組】需要掌握與圖像質量相關的內容，學習的東西包括8大方向：圖像質量評價，圖像構圖分析，圖像降噪，圖像對比度增強，圖像超分辨，圖像去模糊，圖像風格化，圖像修復。

【生成對抗網絡小組】需要掌握GAN的理論和應用知識，學習的東西包括8大方向：基礎理論，結構設計，圖像與視頻生成，語音生成，圖像增強，風格遷移，圖像編輯，綜合使用技巧。

【詳細了解秋季劃請點擊】【通知】如何讓你的2020年秋招CV項目經歷更加硬核，可深入學習有三秋季劃4大領域32個方向

小提示????????????：所有報名過春夏季劃的，可以半價報名秋季劃。

最后Tips：報名聯系有三微信Longlongtogo即可，請先仔細閱讀相關的文章介紹。所有加入過有三AI知識星球，購買過書籍的同學，可抵扣相關費用。

轉載文章請后臺聯系

侵權必究

往期精選

• 言有三新書來襲！業界首次深入全面講解深度學習模型設計
  

• 言有三新書預售，不貴，有料

• 【總結】有三AI秋季劃模型優化組3月直播講了哪些內容，為什么每一個從事深度學習的同學都應該掌握模型優化的內容

• 【總結】有三AI秋季劃人臉算法組3月直播講了哪些內容，計算機視覺你不可能繞開人臉圖像

• 【總結】有三AI秋季劃圖像質量組3月直播講了哪些內容，為什么解決好底層圖像處理問題那么重要

• 【通知】有三AI發布150頁深度學習開源框架指導手冊與GitHub項目，歡迎加入我們的開源團隊

• 【通知】有三AI更新420頁14萬字視覺算法工程師成長指導手冊，可下載收藏打印
  

總結

以上是生活随笔為你收集整理的【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...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。