查看“2015010238刘峥嵘”的源代码

学习日志

时间：2017年10月17日

课程：人工智能第一节

学生：刘峥嵘

本次是第一次小班课，主要是课程的介绍与软件安装准备。但是一节课上完总的感受是收获远大于课程目标。作为一个土木系的大三学生，跟人工智能、编程等等感觉是没有多少交集的，也很自然的，自己在这方面还是个小白。不过一直以来自己对编程、智能等都有着朦胧的好感和兴趣，可能是距离产生美吧，之前一直是总听其声，不见其人，这节课算是小小地接触了一把。

从Python的安装到人工智能的介绍，乃至云的接触与git在团队工作中强大作用的了解，都让我感觉，仿佛看到了另一个同样广阔的虚拟世界。训练中心提供的资源也超出了我的想象，来园子里两年了，一直都不知道还有这些丰富实用的资源。

其实换个思路，第一节课的丰富知识和资源，人工智能广阔的应用前景，老师深入浅出的讲解，助教不厌其烦的指导很大程度上激发了我学习、探索的兴趣，同时为接下来的学习做必要的准备。我想这也是第一节课成功之所在。

其实大学的学习老师与助教起到的更多的是引导与答疑的作用。自己在探索方面还存在很大的不足。俗话说，“独学而无友，则孤陋且寡闻”，希望能在众多老师与助教的帮助下，尽可能深入学习，提升自己的能力、增进知识，也锻炼起自主探索的能力，“师傅领进门，修行靠个人。”

学习日志

时间：2017年10月24日

课程：人工智能第二节

学生：刘峥嵘

本次课程内容颇丰。总的来说介绍了人工智能的应用、计算机的视觉案例、信息产业发展与硬件发展的内在规律、AI产业发展的前沿，让我们对人工智能领域有了更加全面、相对深入的认识。另外，计算机视觉介绍及与助教的交流讨论，也为我正在做的srt项目提供了新的处理思路，算是额外的收获。

详细地来看，信息产业、硬件市场的发展规律是非常有特色的，摩尔定律、反摩尔定律、乃至硬件公司的基因影响都深刻影响着产业的发展，“What andy gives, bill takes away”，乍听来又是非常令人诧异又有趣，听完讲解后又是很有道理的。万物生长、存在各有其法，亦互相促进、平衡、制约，在硬件市场、在信息产业也不例外。通过谷歌公司在硬件市场上的作为分析，老师的“一个令人敬畏的对手”的评价，也深深触动了我，也激励着我在当今竞争时代，要有舍我其谁、迎难而上的勇气和决心，方能适者生存。一堂课下来收获真的很多，就不一一列举，尤其是助教给我提的关于我的srt项目的处理建议，真的是a big surprise。
趁着10.24这个特殊的日子，还是祝包括老师在内的程序猿们，节日快乐！

学习日志

时间：2017年10月31日

课程：人工智能第三节

学生：刘峥嵘

今天重点介绍了计算机视觉的内容。总的来说，计算机视觉系统是模仿人的视觉感知的，其任务分为：分类、定位、检测、分区、场景解析与标记。在该领域，亚马逊的新型无人零售商店与echo音响可以说是别开生面，非常具有创新性和市场潜力的了。当然其他比如天猫精灵等，甚至在女生穿搭风格上也有不错的发展前景。

课堂上也进行了OpenCV的安装和小试牛刀，让我们也较为深刻地体验到计算机视觉的强大功能，和功能实现过程。另外计算机视觉对象检测YOLO与SSD算法演示也让我大开眼界。安全帽检测系统，系统的学习训练过程中，也当堂体验了一下网上识别标注人、安全帽等，小小地体验了计算机的学习训练过程。对于神经网络艺术NeuralArt，我觉得也拥有广阔的市场发展前景。

通过课堂的学习，更加深刻的体会到人工智能的方兴未艾，从中也窥视到未来社会的高度智能化。


时间：2017年11月07日

课程：人工智能第四节

学生：刘峥嵘

这是人工智能的第四次小课。课程首先介绍了当前人工智能的大背景。介绍了我国当前相关的国家战略及在国际上的发展水平。总的来说，我国在人工智能方面发展还是较为靠前的。目前在资金投入远不及美国的情况下，我国的人工智能技术前沿发展在速度上可以说已经超过美国。国家智能硬件、智能机器人、智能运载工具作为人工智能发展的三个主要方向，并且计划到2020年能够赶上美国，预计到2035年前后有望超过美国。

除了大的产业布局，课上还重点介绍了无人驾驶发展现状、前景以及计算机视觉在无人驾驶中的应用和面临的技术难题。人工智能在交通上的应用和我的专业其实是密切相关的，未来智能交通、乃至智慧城市，人工智能的普及化都是目前研究的热点。当然人工智能不局限于智能交通及相关技术实现，比如激光、雷达毫米波、摄像头三种驾驶判断方式。人工智能在人脸识别上也有所进展。目前杭州已经开始使用智能红绿灯，相信未来城市人工智能将会应用到方方面面。

课堂上还展示了人工智能在娱乐方面同样大放异彩。且不说之前轰动世界的阿法狗大胜李世石，现在连电竞上dota比赛人类的冠军级选手也败给了人工智能。值得注意的是，现在的阿法狗和电竞AI训练方式和之前不同，现在是基于大数据的训练，深度增强学习。

课程最后，除了回顾和更近一步讲解语音识别外，还提到了Gan生成对抗网络，二人零和博弈，生成式模型，简单讲解了其两个系统相互增强，在攻守对抗中均得到强化的目的。希望之后可以继续深入了解该网络。