2014013151陈思然

2017年11月7日 (二) 14:59Chensiran讨论 | 贡献的版本

(差异) ←上一版本 | 最后版本 (差异) | 下一版本→ (差异)

2017年10月17日学习日志

在各位老师的讲解下初步接触了人工智能的基本定义,并安装了编程所需的基础软件python和代码库anaconda,了解了前端应用ipython和一些管理代码的工具软件,比如可以方便实现团队协作的平台git,也学习了一些关于云平台的基本定义。

人工智能系统补足了人脑不善于记忆和较为懒散的两个缺陷,虽然现阶段真正做到赋予人工智能真正的意识还比较困难,目前很多软件还停留在人工感知的层面,但人工感知软件的应用还是极大的解决了人们生活中的许多不便。

今天的学习仅浅浅地带过了一些基础知识,但大体已使我了解了人工智能行业的基本概念,我也十分期待今后的课程中能更深入的学习人工智能的相关知识。


2017年10月24日学习日志

(参考书《浪潮之巅》吴军)

IT Laws:IT产业的发展规律

摩尔定律:英特尔公司的创始人戈登*摩尔在1965年提出集成电路的集成度会每两年翻一番。后来,大家把这个周期缩短到18个月。
(1)计算机速度的提高如此,存储容量的增长更快,大约每15个月就翻一番。
(2)这几十年,网络的带宽增长也几乎是按摩尔定律的规律增长的。

摩尔定律也主导着IT行业发展:
1.为使其成立,IT公司必须短时间完成下一代研发,需要投入大量资金。每个市场上一般只有一大一小两个主要竞争者。
2.强有力硬件支持推动应用发展。
3.各个公司研发针对多年之后的市场。

摩尔定律的存在使得每18个月价格降一半(需要垄断)

721定律:
三个竞争者比例——7:2:1

安迪比尔定律:
如果不更新计算机,很多应用无法使用-促进计算机消费者的消费。
将原为耐用消费品的电子产品变成了消耗性商品,刺激了IT行业发展

反摩尔定律:
促进科技领域质的进步,为新兴公司提供生存和发展的可能。
使的新型小公司与大公司站在同一起跑线上。

诺威格定律:
当一家公司的市场占有率超过50%之后,无法指望在市场占有率上继续翻番。
IT公司必须不断开拓新领域的成长点,才可能做到长盛不衰,不能固守现有市场。

基因决定论:
导致很多跨国公司无法逃脱诺威格定律。

IT行业特点:
制造成本低,研发成本高。
不进则退。
利润分布。(例:PC产业生态链利润分布)

IT风险投资:
投资家将钱投给懂得理财及技术的专业人士打理,即风投机制。

AI产业前沿-商业化模式:
卖硬件。
卖软件。
卖服务。

深度学习硬件-专用加速器:
谷歌TPU
GPU编程
Intel公司
FPGA编程

实践环节-安全帽检测系统-样本采集

猫狗、风筝的识别系统演示(github)

之后,同学们与老师交换了一些关于人工智能可能的应用方向的讨论意见,我个人就人工智能在平面设计方面可能发展的方向做出了一些设想,并进而和老师进行了一些较为深入的讨论。

PYNQ入门:
Jupyter Notebook
硬件准备
软件准备
硬件设置
连接到Jupyter Notebook进行编程


2017年10月31日学习日志

主题:计算机视觉

人类感知与计算机视觉:

人类感知
人类大脑的视觉通道
计算机视觉CV、计算机视觉定义
神经元、神经系统、大脑
人脑、神经元、脑干、小脑与丘脑:
人脑是一个产生意识、思想和情感的器官。
人脑视觉处理系统:
人眼视觉系统的处理从视网膜开始,有色彩处理系统和黑白处理系统。
视觉皮层:大脑皮层中负责处理视觉信息的部分。


计算机视觉:

计算机视觉:从图像中自动抽取信息、模拟人的视觉行为
计算机视觉任务:分类、定位、检测、分区、场景解析与标记(从简单到困难排列)
无人驾驶或智能驾驶:自助(无人)驾驶、车载信息诊断OBD、辅助驾驶ADAS
无人机:军事侦查、民用巡查
OpenCV:开源的计算机视觉库 http://opencv.org
实践OpenCV运作:使用摄像头捕获视频并显示,然后识别图中事物
实践样本标注-安全帽识别系统的样本标注


视觉物体检测:

物体检测方法:YOLO、SSD等
YOLOv1


亚马逊人工智能产品与智能硬件行业综述:

Echo音响
Alexa语音软件
目前市场情况以及未来市场展望
产品设计理念:没有过度的利用人工智能,而是利用最基本最可靠的技术实现人机对话,解决用户痛点。
Echo Dot(小音响)
Echo Plus


Echo可视化产品:

Echo Show
Echo Look:利用云端AIAI进行机器视觉推断
AMS(亚马逊云计算平台)
亚马逊人工智能应用-物流系统自动化
Amazon Go无人商店


有关人工智能在艺术领域的应用实例:
prisma

2017年11月7日学习日志

实践蓝牙录音语音识别软件

语音识别软件后台训练原理——端到端的深度学习模型。

参观数据中心机房,讲解后台机器训练过程。

参与测试蓝牙语音软件效果。

唤醒词
神经网络模型
安卓语音软件开发android studio

视频:dota2的人机对战

GAN生成对抗网络:

二人零和对弈:
生成式模型
判别式模型

最后修改于2017年11月7日 (星期二) 14:59