2023年是進步比較快的一年，學到了很多東西，找到了自己喜歡的方向，朝著方向不斷努力；第一次接觸到人工智慧，機器學習領域，有導師帶著做專案，參賽，實習，繼續自我提公升。
第一次接觸到人工智慧領域是在3月份，選了人工智慧這門課，算是半個科班生吧，教材比較枯燥，老師講得也比較單調，上到後面基本上就只有幾個人在聽了。但是內容涉及比較全面，包含了離散數學的邏輯推理（斷言，子句），搜尋演算法（a*演算法），粗糙集（上界，下界），遺傳演算法，感知機等等的。也不可能面面俱到講得很詳細，大部分都是相當於科普一樣講解一下公式，有的部分會講解推一推導數學公式，但是也很難記得住，畢竟老師是數學專業的，我們不是。
轉折點應該是在乙個月後，老師鼓勵我們都去參加比賽，參賽可以當作實驗課作業提交，於是我也懵懵懂懂地報了名。剛開始的時候簡直崩潰，機器學習的演算法全都沒接觸過，看不懂原理，看不懂公式，無從下手。於是自己從校門口的二手書店買了本《機器學習實戰》，用了半個月時間擼完了，擼完之後才算是有點明白機器學習是什麼東東。於是就開始直接上手比賽專案了，邊乾邊學，用的也是廣為人知的python+sklearn，直接呼叫api，套資料，出結果。
剛剛開始什麼都不懂，不懂得做特徵工程，不懂得最優化，只是直接套用演算法，結果不好就直接換另一種，也沒有去分析為什麼效果不好原因是什麼。所以就是導致了只停留在應用的層次，甚至連應用都算不上，因為壓根就沒有對模型進行優化，模型還沒有擬合就直接被捨棄了。於是就開始慢慢的增加學習的深度，繼續鑽研演算法的原理。上網看部落格，奔走於圖書館和宿舍之間，看了很多資料，總算是把幾個基本模型的演算法邏輯弄清楚了，特別熟悉的是樹結構的模型（id3，c4.5，gbdt，隨機森林）。因為決策樹的（拓展）模型引數比較少，一般不需要調參，於是對於當時初學的我來說比較鍾愛。況且現在回想起來，當時專案的特徵也是真的少。
演算法熟悉了點之後，就開始全身心投入到專案中。機票**市場的分析**，**未來的機票銷售量。說到回歸，應該說應用場景是非常廣泛的，在機器學習當中也佔據了不少的分量，但是回歸想要做好，也是不容易的。不過有所進步的是懂得了剖析資料，根據資料的特點設計特徵，效果也算是有所好轉，具體的均方誤差已經記不得了，但是對於小白來說已經是一大進步了。
特徵工程是機器學習方面乙個非常重要的步驟，資料排第一，特徵工程就排第二，演算法模型是沒辦法有太大提公升的，所以最後才選模型。正因為這一步驟重要，所耗費的時間也很多，於是我花費了大概乙個多月的時間去造特徵，找資料規律，實驗，調參擬合，到最後連做夢都夢見了自己在造特徵，已經到了這種醉生夢死的地步了。到最後因為實驗說明了一切，因為自己還不具備數學推導分析的能力，只能迷信於實驗的結果，就選了大概20來個特徵，大概思路就是平均銷量『』昨日的銷量、周同日銷量、圖的出度和入度等等的特徵。放在今天來理解的話，可以視為時間序列的**，使用馬爾可夫鏈或是rnn都是可以解決的。
除了特徵工程，另外比較重要的就是要回歸到原始資料當中，資料往往具有大量的雜訊、缺失值，於是就開始了清洗資料的階段，於是又過了半個月。折騰來折騰去還是決定直接丟掉缺失的資料，用其他方法補齊都是價效比不高的做法。然後就到了選模型調引數了，後面也沒做太大改動，效果差不多就提交作品了，順利進了決賽。決賽由於時間衝突所以沒去現場答辯，只得了三等獎。這整個過程還得感謝導師的悉心指導，明確的指引讓我少走了很多彎路。
這前前後後經過了四五個月的時間，學到了很多進步了很多，但其實還沒算入門，因為到現在為止我還只是會呼叫api而已，大部分演算法也講不清楚，為什麼這個模型出來結果好也沒辦法分析清楚。可能這就是速成帶來的危害之一。於是我開始自己深入鑽研原理，通過資料和部落格。沒有專案只通過看資料自學是比較零散的，知識點很多，學一下東邊，學一下西邊，到頭來什麼都沒學會。
這時候準備秋招了，我也跟風投了大廠，也有自己一邊在找實習。後來就找到了家實習，大資料初創公司，在裡面做爬蟲，每天就是爬不同的**，做不同**的介面，偶爾**html結構變了還要改介面。剛開始還很有熱情，越到後來就越感到無趣無聊。也正是這個時候，公司來了位cto，有機器學習背景，開始改變公司的發展規劃，要安排人做資料探勘的應用，他剛好看了我的簡歷，就把我安排過去做文字資料的分析和挖掘了。
先後負責了公司的幾個小專案，要素提取，文字相似度，文字分類。有專案邊做邊學是進步特別快的，比自己盲目的學要好多了，因為多了乙個目標，你只有朝著目標不斷前進，才能找到專案優化的方法，同時cto直接一對一指導工作，讓我事半功倍。現在回想一下，還多虧了他我才能走到今天，否則我可能已經放棄了機器學習了，感謝命運的安排。
從專案中應用的技術領域來看，我開始步入了nlp方向，是機器學習的下一級應用方向，同時也往深度學習慢慢拓展。不過我本人的數學基礎不算特別好，有很多公式還沒理解透徹，所以在深度學習方向學得比較慢，反而在傳統機器學習和nlp上面有了一定的造詣。在這裡主要講一下nlp的學習過程，第一件事無疑是中文分詞。從剛剛接到任務開始，什麼都不懂，開始找資料，看部落格，一點一點的開始學，對於中文分詞可謂是又愛又恨。作為半個科班生，也不全是科班生，不知道有什麼現成的工具可以用，於是一開始就精讀了每一篇中文分詞的文章，基於詞典的，基於概率的分詞方法都看透了一遍了，還準備要擼起袖子自己寫的，結果才找到了一系列nlp工具（ansj，jieba等等）。但是也有好處，基礎就先築好了，上面蓋的樓層也穩固了。
從去年3月份開始，到現在，將近一年的時間，我自認為這個成績可以有所交代了，畢竟還沒有正式畢業，還沒拿到畢業證，還是個實習生的身份，還有很長的路要走。在接下來的工作和學習當中還是要嚴格要求自己，多點探索原因，才能夠更快的進步。
python從小白到入門 2
1 判斷語句 if elif else 後面不要忘記加 下面是 塊，必須要進行 縮排，判斷時一般用肯定句。weather sunny if weather rainy print 在家學習 elif weather sunny print 去釣魚 else print 逛街 2 if後面結果是tru...
入門程式設計師 從小白到大神
嗯哼，不知道怎麼開頭啊。2017年3月16日今天第一次註冊csdn部落格還是很激動的，本人在校大二程式小白，懷著對程式設計師的好奇在高考後毅然選擇了軟體工程這條不歸路。雖然我已經大二了，但對於軟體開發，程式設計什麼的一無所知。看見電影裡的黑客高超的電腦技術我還是非常羨慕的。所以在今天我再也坐不住了，...
redis從小白到大佬
簡單的說redis是一種在記憶體中儲存資料的資料庫，其內部採用 key value的形式進行儲存。redis的讀取速度非常快。因為它與mysql等常規資料庫不同，不用與硬碟互動來讀取資料。另外，redis 也經常用來做分布式鎖。redis 提供了多種資料型別來支援不同的業務場景。除此之外，redis...