- 主题:人工智能言过其实。。。还不如读计算机科学与技术。。。
人工智能言过其实。。。
杂货铺一样东拉西扯，其实就是简单的应用数学公式
加点编程培训。。。
远不如读计算机科学与技术。。。正统
--
FROM 39.173.58.*
对的，一般而言本科还是要读CS，研究室或高年级再分流
【 在 gates2020 的大作中提到: 】
: 人工智能言过其实。。。
: 杂货铺一样东拉西扯，其实就是简单的应用数学公式
: 加点编程培训。。。
:
:
: 远不如读计算机科学与技术。。。正统
发自「快看水母 于 23046PNC9C」
--
FROM 223.104.40.*
本意是人类想不到做不到关心不到。开发人工智能。弥补人类的缺失。人类能做到的就不用人工智能了。大家说说看。
【 在 gates2020 的大作中提到: 】
: 人工智能言过其实。。。
: 杂货铺一样东拉西扯，其实就是简单的应用数学公式
: 加点编程培训。。。
: ...................
--
FROM 120.219.40.*
你懂个球，现在人工智能本科就是乱拼，基本上毕业了啥也不会。
人工智能应该是高端专业，只有硕博开设才对，不应该本科开设
--
FROM 120.219.119.*
【 在 gates2020 的大作中提到: 】
: 人工智能言过其实。。。
: 杂货铺一样东拉西扯，其实就是简单的应用数学公式
: 加点编程培训。。。
: ...................
你这个笨货哪知道人情世故，学计算机在学校也得当官啊。
以前一个计算机学院院长，
现在变成五六个处级干部：计算机学院，软件学院，人工智能学院，网络安全学院，物联网学院，区块链产业学院
--
FROM 120.219.119.*
可能像二十年多前的生物。。。但平心而论，这二十多年的风口也不少，就是有点堵
【 在 gates2020 的大作中提到: 】
: 人工智能言过其实。。。
: 杂货铺一样东拉西扯，其实就是简单的应用数学公式
: 加点编程培训。。。
: ...................
--来自微微水木3.5.14
--
FROM 223.104.38.*
人工智能是计算机科学与技术的一个方向，本科阶段读计算机这种大口径专业更好一些。
--
FROM 123.119.202.*
人工智能看是学那个方向，大方向确实很杂，但如果是机器学习方向，本质上就是数据分类，需要学的还是挺集中的，就是学大量的数学/应数。
【 在 gates2020 的大作中提到: 】
: 人工智能言过其实。。。
: 杂货铺一样东拉西扯，其实就是简单的应用数学公式
: 加点编程培训。。。
: ...................
--
FROM 183.63.119.*
你去读CS好了。
反正现在学生自己很清楚，研0甚至本科就可以出成果。
不想走学术路线，研0就把实验做出来，论文发出来，达到毕业条件，后面出去实习。
如果想走学术路线，本科就进组，做实验，发文章，打基础，后面一篇一篇文章地发，年纪轻轻，就一堆论文。
如果想创业，现在正当其时。
CS学生，除了本科进实验室的以外，没有几个老师愿意带，零基础。
CS顶会，基本上都被AI霍霍了。本来收录的论文就少，再被AI霍霍，传统领域就发不出几篇文章。
机器视觉，不止微积分、线性代数、概率论，还有随机过程、信号处理、信息论、数值计算、优化原理、复变函数与积分变换、矩阵分析等等。技术课程，机器学习、深度学习。专业课程，数字图像处理、机器视觉，或者计算机视觉。甚至还有一部分物理课程。除此之外，还有大量的实训、实践，各种算法，各种模型，各种环境，各种应用，都需要大把时间。
CS本科生，懂个毛线。读研？还真以为是研究生是读书的？研究生还有时间、有心情读书？
AI本科生，实验嘎嘎地跑，论文哗哗地发，CS本科生还在吭赤吭赤地看视频看书。
NLP，人家AI各种数据表示、各种任务、各种模型、各种魔改方法，玩得溜得很。
AI本科生，积累了大量地数据分析、模型搭建、模型训练的技巧和经验，CS连门还没有摸到。
【 在 gates2020 的大作中提到: 】
: 人工智能言过其实。。。
: 杂货铺一样东拉西扯，其实就是简单的应用数学公式
: 加点编程培训。。。
: ...................
--
FROM 111.48.114.*
AI本科生就已经学习了数字图像处理、机器视觉、计算机视觉、自然语言处理、强化学习的基本任务。
CS本科生连毛都没摸过。
数字图像处理：
1. 图像增强：改善图像质量，如对比度、亮度调整。
2. 噪声降低：减少图像中的噪声。
3. 图像恢复：从退化的图像中恢复原始图像。
4. 特征提取：识别图像中的关键特征，如边缘、角点、纹理。
5. 图像分割：将图像分割成多个区域或对象。
6. 图像配准：对齐多个图像以进行比较或合并。
7. 图像压缩：减少图像文件的大小而不显著降低质量。
机器视觉（Machine Vision）：
1. 物体检测：在图像中识别和定位物体。
2. 物体识别：识别图像中的物体类别。
3. 场景理解：理解图像中的场景内容和上下文。
4. 视觉跟踪：跟踪视频中的移动物体。
5. 立体视觉：使用多个摄像头获取深度信息。
6. 光学字符识别（OCR）：从图像中提取文本信息。
计算机视觉（Computer Vision）：
1. 图像分类：将图像分配到特定的类别。
2. 目标检测：在图像中定位和识别多个对象。
3. 语义分割：为图像中的每个像素分配类别标签。
4. 实例分割：区分并识别图像中的每个独立对象。
5. 动作识别：识别视频中的人类动作。
6. 3D重建：从2D图像重建3D模型。
自然语言处理（Natural Language Processing, NLP）：
1. 文本分类：将文本分配到预定义的类别。
2. 情感分析：确定文本的情绪倾向。
3. 机器翻译：将文本从一种语言翻译到另一种语言。
4. 命名实体识别（NER）：识别文本中的特定实体，如人名、地点。
5. 关系提取：识别文本中实体之间的关系。
6. 文本摘要：生成文本的简短版本。
强化学习（Reinforcement Learning）：
1. 决策制定：学习在特定情境下做出最优决策。
2. 控制任务：训练代理在环境中实现特定目标。
3. 游戏玩法优化：在游戏环境中提高玩牌或棋局的策略。
4. 资源管理：学习如何有效分配有限资源。
5. 机器人路径规划：导航机器人通过复杂环境。
【 在 xsjj 的大作中提到: 】
: 对的，一般而言本科还是要读CS，研究室或高年级再分流
: 发自「快看水母 于 23046PNC9C」
--
FROM 111.48.114.*