请大家正视深度学习和人工智能技术的缺陷和传统技术的优缺点互补问题

首先我开始正视几个问题：以下个人心得并非事实
（1）非科班出身本科生如果没有在大实验室系统学习数学建模和多元统计分析是没法从事深度学习,这条路一般不可取，深度学习编码量少，数学思维要求非常高。
（2）计算机相关专业研一的占优势
（3）计算机研三靠比赛和刷题进入大公司会身心疲劳，在相关行业实习过一年除外。
（4）博士从事深度学习需要耐心和静下心来做一个子方向最好出成果和应用方向做修改最容易上手。
综合上述个人观点如下：（1）从业者需要结合自己大四课程的专业课本，硕士毕业论文，博士的毕业论文在自己的行业按照行业属性借助深度学习这种非人类可直接理解的特征知识表示技术从事应用开发少走玩路
（2）坚决反对没有自己学术体系的研究生和博士参与深度学习的研究，没有自己学术体系和对整个行业把握根本做不出来论文， 短时间根本名词记不住会导致好多时间浪费;
多看框架的结构属性和自己想从事那个行业的属性特征，首先明确人工智能目前靠人工而不是智能，人肯定有局限性不是万能的;
多和行业者交流，这种进步最快并且能局部系统熟悉学术体系和研究方向;一定要选择五个机器学习的学派中一个来进行指导自己的研究和学习，不然总有一天你会思维枯竭;
保持经常学习，tensorlfow1 .9出来已经能很好结合树莓派，那么说明肯定谷歌的TPU上更强大，说明谷歌塑造的生态已经圈住了全球人才，所以跟随节奏学。
之前在上海培训碰到很多教授，请正视一个问题，术业有专攻，人工智能是一种数据科学的IOT物联网等产业升级的指导思维而不是万能工具。想用先要熟悉框架而不是钻牛角尖证明神经网络的黑盒和白盒这种世界级难题。反卷积能证明部分但是目前这块知识缺乏系统需要一种思想指导，所以研究不要想当然。（个人见解并非事实）
坚决反对一开始就看论文和看博客学习深度学习，这种学习的东西不能体系，没法下一步，天才除外人工智能技术从业者目前国内几个学派：郑南宁院士及其门第模式识别国内鼻祖在图像上的贡献是我个人认为第一，哈工大团队在自然语言技术第一，南大理论方面非常厉害，上海交大图像很前沿，清华的交叉院及其前几年的本科生在全球目前处于绝对优势（这帮人不但天赋异禀而且比常人更擅长学习，希望大家正视人的智 商差别和努力学习付出时间和精力），北大师资人才数量第一，西电应用方面一流，其他的相关研究所部分很前沿只是大家不知道，例如麻省理工用深度学习合成药物分子等。我个人了解局限就不多言，微软亚洲研究院，百度培养一批天才都是这些门系。
请选择你是那一类人
（1）靠技术纯粹生活或者生存，请多看书和开源社区
（2 ）没有压力只是为了理想，请找准一个学派和自己研究方向，随着传感器和物联网技术肯定将来会改变世界。
（3）明确一个行业兴起制约发展的是最弱的一个环境而不是最强的，目前基于ARM和FPGA移动端的开发技术需要标准化和指令集与计算模式突破。
（4）技术无罪，相继代替了很多行业后，我们面对的生存竞争可能变成变成斗争请心态放好。