AI工程化
- AI Engineering,定义如下:不涉及AI、算法、前沿分支的深入研究和探索,而是基于业界成熟算法,结合行业产业需求,形成可落地的可实施的工程方案,称为AI工程化
- 当下最热的是AI,机器学习,深度学习,神经网络等等,当然,未来可能有部分会被取代,但AI,确实是未来的趋势之一,正如当下已经进行的信息化、网络化、互联网化、移动互联网化,给所有的社会产业、行业,带来了巨大的机会和变革,不再赘述。
- 而平心而论,多数程序员是没有时间和精力再去拿起数学、概率,再去看全英文的业界论文,然后研究三五年,出一个成果,因为产出比不划算,但有不能对身边的变革充耳不闻,不去关注和跟随变化与趋势。
- 因此有了本文章(后面计划集册成书,看写了多少),期待在社区内引起讨论,有参与,有实验,有文档,有路径,帮助程序员和企业,找到一个模糊的路径方向(不敢说清晰)
研究范围
- AI业界趋势,关键新算法,新技术,核心论文
- Python,TensorFlow,其他
- Docker
- 可应用行业和经典案例分析
- 统计学,计量经济学,相关数学
- 其他:项目管理,社区分工等
期待结果
- 阶段性产出:代码,工程笔记,框架图
- 关键性产出:行业可落地的,初步验证过的方案
- 其他阶段总结
订阅和参与
- 半年前,投资了好多钱,买了机器,说要做量化交易,写了一点点,大跌,放弃了
- 一年前,誓言旦旦要进军金融,花了400多小时学习CFA,8门挂了两门,放弃了
- 很惭愧,两年前开始翻译一本Machine Learning的书,做了不到3章,太忙,放弃了
- 三年前研究OCR,做到了85%识别率,后来,也放弃了(不找理由了*_^)
- 过往有太多的放弃,都是因为功利,想获得非常快速的效果和金钱,或许是焦虑所致?
- 今天决定不设期望值,全凭兴趣,来研究,学习,交流,产出
- 只要能帮到你们,只要你们赞一个?
- 哈哈,这个你们,指的是30以上的程序员,或者未来想创业的同学,或者企业家们
序章2
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。