早些年,在模式识别领域,例如人脸识别、语音识别等,大家都发力在数学算法(基于机器学习)的时候,虽然努力多年,但是由于技能毛病精度却一贯上不去,险些没有实用代价。

深度学习的引入

在一次NIST竞赛中,有一个厂家溘然爆发,一骑绝尘,直接把竞争对手甩下几个身位,也直接把很多识别技能(例如人脸识别)推到了实用的地步。

这个事情对业界的震荡很大,不久后,大家理解到竞争对方之以是能取得这么大的进步,正是由于引入了以“深度学习”为根本的AI技能后,全体业界的研发重点就迅速切换到了基于深度学习的AI的跑道上。

在随后的韶光里,大家都迫在眉睫的阅读各种paper,由于公司转型到AI方向以是我也沾光,开始打仗与AI干系的各种技能,包括神经网络三大模型、深度学习等等。
之后,很多企业和研究所的人工智能平台就搭建了起来,各种模式识别技能(例如人脸、语音)放弃了传统的数学算法研究,直接切换到深度学习平台上。

人工智能时代理工科专业的卒业设计都被安排了

多少“人工”多少“智能”

同时解释了,从技能上来说,“深度学习”并不是一个特殊博识,特殊新颖的技能,而更多是“旧瓶装新酒”,是对大家不雅观念的旋转。

由于在此之前,打算资源缺失落,数据缺失落,以是才使得严重依赖于此的深度学习技能难以实用化。

而经由互联网多年的积累,打算和数据都到位的时候,“尘封”多年的深度学习技能则溘然“否极泰来”。

我从不止一个算法科学家嘴里听过,从对脑力的寻衅来说,深度学习的风雅度远不如传统的数学算法。

乃至,相对付早前的数学研究,大家都以为“深度学习好“傻”,好“暴力”,一种常见的套路是:

设置框架,喂数据,调参数,喂数据,调参数…,循环往来来往。

而且,就这两年来说,好多普通的软件工程师,都逐步开始对算法研究缺少敬畏了,由于目前的人工智能便是 有多少“人工”就有多少“智能”

从此,大家也能够感想熏染到,算法的提高,在很大程度上赖于数据,而不仅是算法工程师的脑力。

以是一大批培训机构如雨后春笋冒了出来,开始收割这批想入行的人,由于早期市场比较乱,以是也让这些机构赚了一笔,但是现在行业已经明朗想要再混水摸鱼是不可能的事情了。

各大院校学生吐槽毕业设计

如果说7、8年前的状况是各个专业转CS的话,现在是全民转AI。
各个专业的,例如自动化、微电子、机器、通信、电子信息、材料专业,都有大量的学生在学习机器学习(紧张是深度学习)。
学院方面为了相应官方政策,将这些专业学生的毕业设计中添加了,人脸识别、目标检测等项目。

至于我为啥知道这个,是由于前段韶光在西瓜视频上分享了一套MTCNN的视频,结果很多大四的学生都在和我吐槽“毕设”的事情,不论是否是CS专业,只假如能挨边的或者人工智能在该行业有项目落地的,都被安排了。

导致这些没有学习过人工智能乃至编程的苦孩子,到处在各大平台网站找资料学习,然后很多还被培训机构给坑了。

如果读者中有须要MTCNN技能讲解的可以关注我,每天会在西瓜视频分享一节MTCNN的视频给大家

直达连接:「链接」

然后如果须要视频中配套的代码和数据集可以私信我。