人工智能

在深度进入软件开发领域的第三年，我开始思考一件事情。软件开发，也就是长久以来的前端和后端这份工作能干一辈子吗，而在此过程中我又能找到自己存在的意义吗，我思绪良久，我觉得这是不能的。

前端和后端看起来都是技术极其复杂的领域，但是实际上在往前走的过程中，这两个领域已经非常成熟了，从目前而言也就是修修补补就可以了，新的概念，新的机会已经远远不如从前。而且深受ai的影响，甚至可以说ai再次进化可能会对这两个领域产生毁灭性的影响，那么作为身处其中的开发者，我觉得应该需要重新走出一条路了，一条可能是机器复杂，但是上限也是无限高的路，一直搞下去，可能也能找到人生的意义。

学习

机器学习： https://www.coursera.org/learn/machine-learning/lecture/jKBHE/

深度学习: https://zh.d2l.ai/chapter_preface/index.html

代码示例

https://github.com/Hao-yiwen/2022-Machine-Learning-Specializatio

工具

colab: https://drive.google.com/drive/folders

云gpu: https://www.runpod.io/console/deploy

学习路线

intermediate_stage = {
    '机器学习基础': {
        '时长': '4-6周',
        '内容': ['监督学习', '无监督学习', '模型评估'],
        '重点算法': ['线性回归', '逻辑回归', '决策树', 'SVM']
    },
    '实践项目': {
        '时长': '4-6周',
        '项目类型': ['kaggle入门项目', '经典数据集实践'],
        '建议': '每个算法至少实践一个项目'
    }
}

advanced_stage = {
    '深度学习基础': {
        '时长': '6-8周',
        '框架': ['PyTorch', 'TensorFlow'],
        '内容': ['神经网络', 'CNN', 'RNN', '迁移学习']
    },
    '实战项目': {
        '时长': '4-6周',
        '方向': ['计算机视觉', '自然语言处理', '推荐系统'],
        '要求': '完整项目流程'
    }
}

信息

因为要训练模型，所以重新拾起5年前的1060显卡的游戏本进行模型训练，但是发现1060的6GB显存在训练1B的大模型的时候都有些吃力。。。