想進入人工智慧領域的你還在迷茫嗎？-上篇

你是否有過轉方向的經歷？轉變到一個全新的方向時是否感到了迷茫？初入某個領域，是否研究了一個月甚至是一個學期之後仍然是一無所獲？

本期介紹的餘力同學也曾有過這樣的經歷。但是，迷茫中的他找到了正確的學習方法，不僅在新的研究領域裡取得碩果，而且據此找到了自己摯愛的工作。

本期我們推出的是上篇--科研學習篇，看學長如何從零基礎挑戰深度學習演算法；下期我們將推出下篇--工作篇，敬請期待。

優秀畢業生：餘力

餘力同學是電路與系統專業2017屆碩士畢業生。師從汪源源教授，主要研究深度學習演算法在醫學圖像處理當中的應用。本科時期，餘力同學主要學習硬體知識，並且獲得過校創新成果獎、飛思卡爾杯智能汽車競賽華東賽區二等獎、校優秀學生等榮譽；到了碩士期間，他轉為研究深度學習演算法，發表過兩篇SCI和一篇會議論文，最終獲得「優秀畢業生」稱號。現在他進入了行業巨頭----科磊半導體，擔任演算法工程師。這些無不體現著餘力同學做一行，專一行，這背後又經歷了什麼？讓我們看看他的神奇經歷吧~~

人工智慧（AI）現在是個很火的方向，說到人工智慧，肯定離不開機器學習、深度學習。

另外我們很多人可能都有過去醫院做B超、磁共振的經歷，但是你知道出來的圖像和醫生診斷結果是怎樣產生的嗎？其實，這背後就有「深度學習」的參與。

餘力同學做的就是醫學圖像處理。使用深度學習演算法對採集好的圖像進行分割，基於分割的結果，對組織的功能和病理進行評價，得到一些重要參數，再和參數的正常範圍作對比，這樣就給醫生的判斷提供了依據。

來到復旦

我本科是上海理工大學的電子信息工程專業，因為發現復旦的電子工程系做的與本科時的方向比較類似，加上自己也對這個方向感興趣，所以選擇來到復旦讀碩士。剛進實驗室時主要使用matlab來處理，現在主要使用基於python的Tensorflow。我感覺有了matlab的編程基礎轉為python不是太困難。

Tensorflow

2015年11月9日，Google 官方在其博客上稱，Google Research 宣布推出第二代機器學習系統 TensorFlow，針對先前的 DistBelief 的短板有了各方面的加強，更重要的是，它是開源的，任何人都可以用。

沒有困難是努力所解決不了的！

開始時的迷茫

由於本科做的是硬體方面的，研一剛進實驗室時完全沒有接觸過演算法，一片茫然，所以我覺得我遇到的最大困難就是入門。這需要選擇一個正確的學習方法，再通過努力，才能事半功倍。（相信很多學習演算法的同學一開始也會遇到這樣的問題）

入門兩個月的不斷閱讀

這裡就要感謝我的導師汪源源教授了，他給了我一篇關於心臟圖像處理的論文，我就把這篇論文當做入門資料進行精讀。說實話，讀完第一遍，完全沒有讀懂，這樣我就想到再去深挖它的參考文獻，參考文獻的參考文獻，這樣一直讀下去，所以當時光入門就用了大約兩個月。經過這兩個月的不斷閱讀，我就知道了這個到底是做什麼的，以及發展現狀。

看論文比看書本效果更好

這裡要說一下，可能很多人入門時會選擇借一本 「Python入門」 ，或者「圖像處理」這類書，然後漫無目的地學習起來。這類書中我們能用到的只有很少的一部分，不通過實際應用來學習，光看這類書學習的效果會很差，所以我一直把論文當做入門資料。我看的論文就是我的研究方向，參考文獻也是，當把這些看完後，基本上所有基礎知識都理解了，所以通過看論文能夠更加專業、精準地學習，這樣學起來也會快很多。

對三年學習時光的小小感悟

專註

我覺得我的一個優勢是三年中一直在研究深度學習演算法這一個方向，不像某些同學換過幾次方向。因為第一年基本不會有什麼成果，研一課程比較多，還要花時間入門。三年換過幾次方向的話難以在一件事上面做精。

學習方法

我們搞演算法的發的論文主要有兩個要求：演算法上的創新。效果比別人好。這就需要你知道別人做得怎麼樣，把別人做的先吃透，再在他的基礎上分析有什麼缺點，根據自己的理解提出改進的方法。我自己寫論文就是一個循序漸進的過程，第一篇是基於對別人的改進，第二篇才是自己的演算法。

他曾經從硬體設計轉為演算法學習

開始時也會迷茫

他沒有像別人那樣拿著一本厚書硬啃

而是通過論文「精準」地學習

這當中當然缺不了努力

希望餘力同學的經歷讓你有所收穫

也祝願餘力同學在未來的工作生活中

順利安康

小編結語

END

口述：餘力

編輯：Duke

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！