300字新人报到 新人报到

[higanbanasry]

2 小时前, 攸薩 说道:

会什麽软件？可以让他思考吗？

现在的ai还是做不到呢，在学pytorch，python，了解过一点TensorFlow，现在的ai只能模拟一些给定的过程，要到思考还有很长的距离。

[higanbanasry]

4 分钟前, 攸薩 说道:

话说你学习那些，会买专业书籍来看嘛

会的哦，会在网上看国内国外优秀的大学会用什么教材，把他们用的教材拿来看，有的时候也会参考知乎或者其他地方老哥的经验，最近在看复旦的邱锡鹏老师的神经网络与深度学习，过段时间可能会看周志华老师的机器学习。

[higanbanasry]

刚刚, 攸薩 说道:

好厉害！这样些你都不用别人指导你就可以看懂了？

我现在看的都是比较偏入门和基础的，比较好自学，一上来就看太专业的不太能看懂，慢慢循序渐进就还行，遇到比较难的课或者比较偏实践的会在网上搜一些网课来听，比如台湾大学的李宏毅的机器学习和南大袁春风老师的计算机系统基础。

[higanbanasry]

刚刚, 攸薩 说道:

需要先理解机器原理才可以吗？

主要是用一些数学的回归、概率论相关的一些模型，机械、电路和自动化方面涉及的较少，有大学基础的高数线代概率论的数学基础就可以了。

[higanbanasry]

1 分钟前, 攸薩 说道:

机率？有没有实际说法？为啥要用上机率？

因为神经网络算法会自动对测试数据调试参数来拟合函数，涉及随机变量的权重相关的概念，除了神经网络，机器学习也会用到像概率图模型这样的和概率相关的知识，具体的我也还不是很清楚，毕竟刚开始学。。

[higanbanasry]

刚刚, 攸薩 说道:

讲起来好厉害，话说那种模型有没有图案可以看呢？

有的，人工神经网络就是模拟人的神经元的模型，所以可以画成神经元一样的像蛛网一样的图，一些软件也是有辅助的2d或者3d的图来帮助建模的。

[higanbanasry]

2 分钟前, 攸薩 说道:

话说建出来的图，上头需要放多少指令呢？

我现在刚入门的话一个模型大概10行左右代码，不是很多，具体的应用场景下的话可能会需要几百条调参代码吧，暂时还不太清楚。

[higanbanasry]

6 分钟前, 攸薩 说道:

话说这些代码可以左右怎样的功能呢？

设置神经网络的层数，节点的权重，拟合函数的方法（梯度下降方法之类的），大概这些吧。

[higanbanasry]

1 分钟前, 攸薩 说道:

好像很厉害哎，话说权重是什麽的说？

就是神经网络的一个节点会受多个先前节点的影响，而不同的先前节点对这个节点的影响程度是不同的，会按影响的重要程度给他一个百分比，就是权重。

[higanbanasry]

1 分钟前, 攸薩 说道:

话说如果这个节点的权重很大，就会针对这个进行后续的编程？

按道理是这样的，不过这样的人工成本会很高，现在比较流行的是用一套固定的算法统一控制整个流程，就是中间的节点统一调整（好像有个叫什么反向传播算法来解决这个问题）。

[higanbanasry]

1 分钟前, 攸薩 说道:

固定的算法？那样你可以解说下怎样的固定法吗？

就是预训练+精调，如果逐层增加神经网络的层数并精调的话计算量会非常大，所以现在比较流行先逐层预训练得到一个初始权重，再通过反向传播算法进行精调。

[higanbanasry]

2 分钟前, 攸薩 说道:

这种比较常见的权重再去反堆精确的感觉？话说主要应用在那边呢

差不多是这个意思，主要应用的话近些年在语音识别和图像分类上好像很流行。

[higanbanasry]

3 分钟前, 攸薩 说道:

语音？话说会有办法侦测各种腔调吗？

这个应该是现在的一个研究方向吧，现在的话好像还不能很准确的区分各种方言和语气什么的。

[higanbanasry]

刚刚, 攸薩 说道:

但是用普通话的话通常可以准确侦测吗？

普通话语速不要太快的话应该是可以的吧，不过如果有一些音近的字词或者生僻的字词也有可能不能准确识别，而且语法上一些缩略的或者口语的语句可能也会出问题吧。

[higanbanasry]

刚刚, 攸薩 说道:

话要讲完整才容易侦测？不过会不会代码很复杂？

应该会比较复杂吧，像计算机视觉、自然语言这些基本都是会商用的，要求会比较高，而且这种都会要求做得越来越精细化。

[higanbanasry]

1 分钟前, 攸薩 说道:

不过弄起来感觉挺麻烦的，而且实用上总会被抱怨

话说你认为那边该精进？

这是最近这些年研究的重点吧，每年都有很多进展，是一个发展很快的领域，大家都在想办法得到更优质的算法，精进的话应该也是优先获得更高效准确的算法吧，这样的话主要还是得靠数学技术的发展。

[higanbanasry]

3 分钟前, 攸薩 说道:

难怪科学家数学都要很好，话说这种进展一般人都不会去关注，你通常看那里呢

会关注一些顶会还有一些期刊之类的，也有一些网站会做每周或者每月的ai进展速递。

[higanbanasry]

1 分钟前, 攸薩 说道:

顶会？类似高峰会吗？期刊那个比较有权威性？

顶会就是top的学术会议，ai相关的像国际表示学习会议ICLR、神经信息处理系统年会NeurIPS、国际机器学习会议ICML、国际人工智能联合会议IJCAJ、美国人工智能协会年会AAAI这些，有关机器学习的期刊有TPAMI,IJCV,JMLR这些，不过我暂时也不会看这些，一是很难看不懂，二是考研也不考这些，还是考比较基础的专业课。

[higanbanasry]

13 分钟前, 攸薩 说道:

真的是很艰深的感觉，话说基础的地方会考你权重相关吗？

初试的时候应该不会考，复试可能会涉及，考研的话初试专业课是考408，就是计算机组成原理、操作系统、数据结构、计算机网络这四门，不考人工智能相关的内容，人工智能这部分会在复试的时候涉及，一般的话会在初试结束之后准备复试的时候看，我现在看是因为怕初试结束时间太紧，稍微看一些免得准备复试的时候压力太大，毕竟是跨考比起科班专业知识要差一些。

[higanbanasry]

刚刚, 攸薩 说道:

感觉这些就是在刷题材能过去初试吗？不过跨科，原先是那科呢

对的，就和高考一样，反复记背反复刷题，应试考试都是这样的，原先的话是信息与计算科学（也叫计算数学）是偏数学方向的。

[higanbanasry]

刚刚, 攸薩 说道:

这样数学会比较偏重在理解力上还是背题上面呢？

不知道你说的是考研还是我原来的专业，如果是我原来的专业的话，数学专业是比较重理解的，有很多抽象的内容；如果是考研数学的话，也需要一定的理解吧，不过可能刷题更重要，因为考研数学的知识层面并不会太难，毕竟很多不是数学专业的学生也会考，重要的是反复刷题提高熟练度。

[higanbanasry]

2 分钟前, 攸薩 说道:

感觉好深奥，话说你刷题刷到现在，发现什麽会是反复出现的重点呢

数学的话像是求积分和求极限以及微分中值定理这块算是重点吧，计算机这块的话，对于跨考的学生来说计算机组成原理算是一个难点，也是一个拉分点吧，数据结构和计算机网络的话比较好上手，操作系统的pv操作部分也是重难点。

[higanbanasry]

刚刚, 攸薩 说道:

数据结构？有什麽具体例题吗？

408的数据结构的话不会考太难，只要熟悉一些基本概念，会写常见的数据结构的代码知道原理就行了，比如二叉树、图、字符串、排序算法之类的。

[higanbanasry]

4 分钟前, 攸薩 说道:

二叉树是什麽的说？

二叉树就是一个节点只能有一个父节点，子节点可以有小于等于两个的一种结构，这样的结构从上往下画的话就像一个倒立的分叉树枝所以叫二叉树。

[higanbanasry]

1 分钟前, 攸薩 说道:

类似一个上面只有一点　底下有很多分歧的树枝图吗？

对的，不过一般的数一个点可以有任意多个分支，二叉树一个点最多只能有2个分支。