未明学院：YouTube/Facebook深度学习项目实战，一次收获深度学习技能&项目经历！

深度学习是机器学习研究中的一个前沿领域，其本质是建立一个高维的非线性的嵌套函数来解释数据，例如图像，声音和文本。

深度学习的概念源于人工神经网络的研究，多层感知器就是一种常用的深度神经网络结构，它通过组合低层特征形成更加抽象的高层特征，以发现数据的规律。

如今，很多公司都在讨论如何运用深度学习来改进技术并超越竞争对手，谁也不愿在大数据时代落于人后。大数据高量(High Volume)，高速(High Velocity)，多样(High Variety)，高疏(High Verasity)的4V特征，使得传统系统没有办法很好的处理、分析这些数据。但是庞大数据中包含着大量“隐含的，规律性的，事先未知，但又潜在有用的”信息。要能够得到这些信息，数据处理必不可少，新的系统解决方案应运而生，深度学习就是其中重要的技术之一。

这个领域有着广阔的发展前景，比如产品推荐、自动驾驶汽车、语音理解、文本分析、面部识别、医学图像处理、搜索引擎等等，都有非常丰富的应用。

前景明朗的同时，市场供应却有所不足。根据数联寻英2016年发布的《大数据人才报告》，现阶段我国大数据人才仅有 46 万，在未来 3-5 年内大数据人才缺口将高达 150 万。缺口的逐渐增大，大数据人才的薪资也跟着水涨船高。

这样的趋势下，许多理工科同学都开始扎堆转行数据行业，但如何在激烈的竞争中脱颖而出，是面临的一大难题。

深度学习作为数据处理的支撑技术，在竞争中，有着非常关键的作用。是否拥有深度学习项目经历，能否展现出数据处理和深度学习算法等方面的能力，将会是求职者转岗数据相关岗位的关键。

以下是一位未明学院的学员完成的《基于图像的电影推荐算法》项目，该项目可以完整地体现出学员在基础开发、数据处理、深度学习及编程工具使用等各方面的能力。

数据处理能力：学会基本的数据抽样和数据探索技巧，熟练运用python进行数据清洗，数据集成、数据变换和数据规约，保证取样数据质量并划分测试集和训练集。

深度学习理论：TensorFlow，Keras基础教程。计算图自动微分、卷积神经网络、递归神经网络、批标准化、Adam、Momentum优化算法等知识全覆盖。

基础开发能力：掌握深度学习算法工程师必备的开发技能，在项目中，将每个环节都反复迭代优化调试，能够将复杂任务进行模块划分，实现逻辑抽象复用。

编程能力：在项目实战过程中，掌握python的基础知识，并能熟练运用深度学习框架搭建深度学习模型。

至少一段深度学习的项目经历，将会成为简历中巨大的亮点，使求职者的背景与数据出来更加匹配，并帮助他们取得成功，我们往年的案例也在不断印证着这样的结论。

未明学院部分成功案例

01、复旦大学 生物

全职offer：腾讯图像处理开发工程师

项目名称：基于深度强化学习的鸟类识别研究

收集了7524张鸟类图片及对应名称所属科类信息，按照8:1:1的比例分割训练集、测试集和验证集；

使用TensorFlow构建了一个用于图像分类的卷积神经网络模型；

将Q-Learning算法引入，提出将图像类别映射为不同的动作，将对训练样本的拟合度作为Q值来对网络模型进行训练；

将两种模型进行对比与分析，引入Q-Learning算法的卷积神经网络用于图像分类中要优于卷积神经网络；

使用分层交叉验证调整模型超参数，保存pickle数据，模型发布上线。

02、山东大学 信息管理

全职offer：抖音推荐系统工程师

项目名称：AI Recommendation System Based on Weibo Corpora

Used corpus from Sina Weibo to output 10 bestmatched replies to the query input.

Configured Solr, carried out Chinese wordsegmentation, employed Solr's Default bm25 to get 100 candidate libraries,.

Wrote Python's similarity matching algorithm withEuclidean and Cosine distance based on the feature vectors of query and commentgenerated by Word2Vec.

Annotated part of thesamples; adjusted parameters for optimization; put forward optimization methodsbased on experiment results;

03、南京大学 统计学

实习offer：美团NLP研发工程师

项目名称：Image Generation Based on Text Semantics  

Carried out NLP in light of descriptions input,calculated the distance between word vectors by using word2vec, and inferredthe names of the real objects.

Generated the image contour based on the names ofobjects via sketch-rnn with the training set from Google AI.

Colored the object contour, and produced coloredimages through cycleGAN with the training set from the crawling of simplecolored strokes.

然而，深度学习起点高、难度大，想通过自学更是困难重重：资料参差不齐，有的太简单，有的太复杂；有的纸上谈兵，没有结合实际项目；有的知识点比较落后，没有跟上行业发展的最新动态。