Paddle深度学习训练营学习心得

记得还是在2012年研究生期间，第一次接触了机器学习。往事如梭，只记得当年老师讲完原理就用C语言演示起来，书本也是Tom写的那本薄薄的黑色封面经典教材，只记得偏电子方向的自己挺羡慕同班生物信息学或视觉方向的同学。那时，神经网络还只是众多机器学习方法中的一种，更早几年，有老师甚至吐槽过神经网络没有很好物理意义。谁曾想，这8年间，神经网络的理论和应用研究进展如此之快，以致于SVM等方法往往屈居为其特例。同时，各种视频资料、培训课程不断渗透到我们每个人的信息视野中，再通过Paddle等工具库的加持，似乎把AI变成了一种可以速成的工种，这在8年前是无法想象的。
2年前，有位同事跳槽进了AI行业，看到他写的代码，感觉比写网站简洁很多。要知道，即使在前几年互联网盛行的时代里，互联网开发相关知识与大众仍是有距离的，不少培训机构将时下最流行的知识消化分解，再出售给想要入行的学员。而在AI的领域中，AI知识被各种自媒体或大公司转化成十分容易理解的概念和各种好用的工具，只要你想，随时都可以学到。这也是参加这次百度深度学习训练营最大的感受。
我将AI和互联网的特点对比了一下：

在刚刚过去的互联网时代，我们看到最多的是B2C的应用，大厂也就BAT等少数十几家，互联网行业与其他行业有一定距离，人们跨界进互联网的热情并不太高。
而在AI的当下，AI似乎渗透进了各行各业中，除了商品推荐、美颜相机日常能接触到的B2C应用，还有大量的B2B应用，AI行业的“大厂”不再单纯提供产品，而是以输出工具、平台为主，将AI植入各行业内部。
所有技术终归是为人服务的，相应地，作为一名工程技术人员，我学习掌握一门技术之前不免要考虑这门技术能给自己带来怎样的影响。那么，我为什么要学习AI技术呢？
我是电气工程专业出生，在研究生时虽然方向是计算机，但2015年找工作时，抱着对电气工程的感情走入了国网南瑞在上海的一家上市公司。但实际并没有在那里工作过一天，而是被转到其下属的一家变压器工厂，在车间呆了一年半。2016年即被劝退，父母托关系才留了下来，领导说反正合同到期还是会把我裁掉，并将基本薪资从5300元降到4500元，从此再没恢复。事情真的没有少干，作为工厂当时唯一的程序员写了不少办公自动化程序、网站和插件，也两次高分通过注册电气工程师一阶段考试，得到国网中级职称和上海市中级职称。但2018年合同到期时，仍然被辞退了。辞退后几个月，公司告知会给我新项目，并请我修改辞退前编写的网站。改好后，新项目打了水漂，公司只是用我辞职后提交的文档和修改的网站申报了其他项目。
强烈的无助使我没有办法走出困局，在那家工厂的经历可能是电气行业的的缩影——实体基础早已成熟，在电网庞大的体量和一些行业内部惯例的支撑下，部分企业得以在管理不善的条件下坚持运行，最终导致人才流失，管理水平进一步降低。我相信，如果现在想再入电气行业，也仍是十分轻松的。但在心理上已经没有办法再对它来电了。
年过30，时间的使者似乎悄悄加快了脚步，而我不甘于在更老时回忆起20多岁的时光却是糟糕的经历，想要利用年轻的技术延续一下青春。因此，我希望借AI之风，做一波“后浪”。
机缘巧合，我在百度深度学习训练营最后一期插班进来，学习了Paddle系列工具在CV方面的应用。可以说，Paddle给AI工作带来的便利性是前所未有的，而同时，Paddle通过开源的模型库等方式提供了对模型进行各种尺度修改优化的可能。
AI无涯，以勤奋作舟，Paddle为桨，在不远的将来必能抵达充满AI的彼岸。