基於深度學習的NLP(CS 224N lecture-9)
來自專欄 AI的怎怎,歪歪不喜歡
斯坦福CS 224N的課程,在lecture 9的時間點來到了mid-term,正如lecure 3/4/5一樣,leture 7/8/9在前文的notes中有詳細介紹。
具體而言:
lecture 7:Tensorflow入門
學習和使用Tensorflow前,花了一天的時間安裝Tensorflow-gpu,總結如下:
為什麼在windows下用不了tensorflow?lecture 8/9:RNN和語言模式 、機器翻譯,LSTM和GRU
想飛的貓:斯坦福大學—自然語言處理中的深度學習(CS 224D notes-4)因為沒有具體的演算法項目和實踐經歷,從工程到演算法的轉型並沒有我想像中的順利,相反,在最近工作和生活上,表現非常掙扎,具體3大點:
1,AI演算法:
因為工作的原因,雖然憑藉最近2年的理論學習,領導將自己負責的項目擬定為機器學習和演算法落地的突破點,在去年的「資訊重構」項目中,進展非常順利,讓我產生了一種錯覺,似乎自己已經找到轉型的銀彈,即將走向人生巔峰。
直到我全權負責和開發的「信息流推薦」項目,在APP首頁的順利上線,在後期的優化中,完全找不到具體的方向和可行的路徑,陷入迷茫。
2,編程演算法:
2015年初,把自讀書開始荒廢了5年的C++撿起來,從零開始,為期4年,小到一個模塊,大到整個後台系統,獨立攻克一個又一個項目,程序穩定可靠,效率滿足線上需求,同樣讓我也產生一種錯覺,似乎在常規編程的世界裡,手到擒來,無往不利,似乎工程化開發已經到達一個瓶頸,到了非轉型AI不可的地步。
直到我嘗試人生中第一次正兒八經的互聯網公司面試應聘,對方是二線的知名獨角獸,從一開始的信心十足,到最後被當做備胎,甚至極大概率被拒的現在,滿心失落。
3,突出優勢:
拋開常規的面試技巧和經驗不談,當面試官問到一個自己大致了解但沒有實踐過的內容時,我的回答是「這個我在實踐中並沒有做過,所以並不是十分了解,但我對我做過的項目每一個演算法細節都很清楚,您可以多問問」,但當面試官確實深入地問到項目內容時,回答得太淺或對某些原理掌握不清時,本該是自己區別於普通程序員最大的一點核心競爭力,也就被自己給完全抹去了。
直到現在,我才真正領會到「時不時要出去面試一下,這可能是跳出舒適區的最好方法」。
所以,我的AI演算法和編程演算法並沒有想像中的好,甚至都非常薄弱。那就再給自己一年時間,端正態度,讓正在碼的這篇叨叨,是第一篇,也是最後一篇。
以上。
推薦閱讀:
※海闊天空討論會--感想
※是的,我有不同意見
※SUMMARY | Gap Year - Pros and Cons, Cons More
※7、8月雜談
※你的夢想真的與他人無關。