Datawhale学习笔记-飞桨AI-Task02：头脑风暴：让人拍案叫绝的创意是如何产生的？

今天依然是简单做个笔记。

重视创意：好项目需要创意

1.以终为始：

从需求出发，挖掘好创意，场景驱动项目
如：社会治理、产业需求、趣味游戏

2.数据先行：

围绕已有的开源数据集去思考应用场景及实现技术
数据集平台：AIStudio、格物钛、Kaggle、和鲸等
这里再补充记录几个我用到过的：
Amazon WebServices（AWS）datasets
Googledatasets
Youtubelabeled Video Dataset
UCI MachineLearning Repository
ImageNet
中国统计年鉴数据集

3.逆向思维：

围绕开源工具思考应用场景
PaddleVideo 足球、花样滑冰、乒乓球动作识别；异常行为识别
PaddleSpeech Vtuber嘉心糖、语音翻译、声音分类

4.扩散思维：

升级已有的开源项目
站在巨人的肩膀上+自己的idea（有点像“基于xxx算法的xxx研究”系列论文的引言部分的撰写过程）

递进关系，综合运用：

1.创意来源于生活（用心、用心、用心。用沐神的比喻来说，随机梯度下降的第一个词是随机，就是你需要四处走走，看过很多地方，做些错误的决定，最终找到你自己的目标函数）
2.数据集很关键（巧妇难为无米之炊，自己动手的话更要关注数据清洗与特征工程）
3.关注技术（多读paper）
4.多思考（如在AIStudio平台上研究感兴趣的开源项目，获得启发）

今天在想作业一数据集选啥，比较感兴趣的数据集是网络安全和遥感影像。原因是寒假发现CTF有点好玩，还有去年大一错过的MathorCup数模A题的遥感耕地面积识别。一个偏处理与数据分析，如果是那个DDoS数据集的话我预测可能是一个时间序列模型，另一个是CV，希望这一次能好好做一下，或许有时间我两个都想尝试一下呢= =。