文末有活动,不要错过~
自今年2月14日以来,AI研习社已经正式运营了九个月,社长一直努力为大家推送更好、更实用的内容,期望能够在大家的学习、研究、工作中也做出一份自己的贡献。很惭愧,就做了一点微小的工作。
在工作和生活中,做AI这部分的人还是不太多。为了能够让大家有互相交流、共同进步的机会,我们组织了一些线上公开课/分享会,参加的人绝大多数都加入了我社的微信交流群,目前以深度学习群为人数最多,CV、NLP、数据科学、语音处理等等领域也聚集了不少的社友。
在群里大家经常互相交流工作、学习中的经验和心得,分享AI领域的新知识、新进展。
在学习和工作中,大家都难免会遇到一些问题,很多问题通过社友们在群里的交流中得到了解决。更别说平时求数据集、求论文、求软件下载和安装了,都在群内妥妥的解决了~
不过,虽然社友们在微信群中交流很多,但是在群里的交流总还是有一些体验不好的地方:
没有办法发代码;
长篇的问题容易被忽略,在微信交流中大家没有阅读过长文本的习惯;
一个问题需要文字、图片、代码、、超级链接、公式等多种描述语言共同完成;
群内的交流容易被其他话题打断,或多个话题同时进行互相造成干扰。
坦白地说,这些问题并不能怪微信。微信作为一个即时通讯工具并不该承担这些责任,不过这些需求确实是大家的硬性需求,我们还是要满足。
于是,我社做出了一个社区:
mooc.ai/bbs
(戳文末阅读原文直接进)
说一些社区的细节介绍。
首先,社区目前主要功能是问答和博客,都是干嘛用的我就不说了,大家都明白。
第二,社区目前支持文字、图片、视频、代码、公式、超链接,这些功能可以让你在描述问题/回答问题/写文章的时候用最清晰的方式来表达,还需要什么你说,我改。
目前社区的功能和体验并不能谈得上十全十美,所以社长依然欢迎大家提意见和建议,无论是功能性的问题还是体验性的问题,我们都会在认真讨论和评估,之后确定是否上线以及何时上线。
社区实际上已经上线一段时间了,所以现在社区中已经有了一些问题和答案,其中一部分问答可以说是比较优质,下面展示一下:
(www.mooc.ai/bbs/question/1006/show)
(http://www.mooc.ai/bbs/question/553/show)
(http://www.mooc.ai/bbs/question/819/show)
社长一直相信我们的社员中藏龙卧虎,可以做出优秀回答的同学一定大有人在,所以大家在工作、学习、研究中遇到问题别担心,可以把你的问题提到我们的社区来,只要你的描述详细、准确、到位,就一定会有大神前来解答!
不要觉得自己的问题太简单太初级,谁是一入行就成为大神的呢?社长一直说,知之为知之,问入门级的问题不可耻,揣着糊涂装明白才是真糊涂。
/一个活动
为了鼓励尽量多的大神能够给出尽量高水平的答案,社长决定从本周(11月20日7点-11月26日24点)在社区提供答案的所有答者中选出三位回答质量最高的社友并给予奖励。
奖品是:每人一本 Deep Learning 中文版!还有每人一套AI研习社贴纸!
本次活动将在活动截止后的三天内公布于公众号。
最后,再次感谢大家一直以来对AI研习社的关注与支持,以后还希望大家多多来社区提出你们的问题、解答别人的疑惑!
谢谢!
/Q&A
Q:初入这个社区的时候你可能会纳闷,为什么这个社区和一个在线教育网站在一起?
社长告诉你:因为我们本来就是友军嘛。
这种架构其实并不会影响各位在社区的交流,反而非常方便大家在社区进行学习,除了《机器学习必修之数学基础班》(www.mooc.ai/course/276)等付费课程,我们还有很多举世闻名的免费课程嘛,比如我们正在逐步更新的由李飞飞主讲的斯坦福CS231n 2017 中英双字幕版(www.mooc.ai/course/268),比如我们上半年就更新完毕的神经网络之父、多伦多大学Geoffrey Hinton的经典课程Neural Networks for Machine Learning中英双字幕版(http://www.mooc.ai/course/58),再比如小甲鱼的《零基础入门Python》(http://www.mooc.ai/course/223)系列课。
在线教育的内容不但没有影响大家交流,反而成为交流的很好的前提或者补充。
如果学到兴起,大家想要写学习笔记或者写一些心得体会,社区中的“写文章”功能也可以派上用场。如果写的好,或者在问答区的回答写的好,我们也可以推送到公众号上啊~
Q:到注册账号的时候你可能又会纳闷,这个“雷锋通行证”又是什么?和雷锋同志有什么关系?
社长告诉你:首先社长可以肯定地说,我们和雷锋同志没有任何关系。
不过我们AI研习社以及AI慕课学院确实是雷锋网旗下的,所以我们共用一套注册系统也很正常嘛,这不就是一石三鸟?
还有不明白的地方欢迎大家在评论区提问,社长可以继续解答。
不要等到算法出现accuracy不好、
loss很高、模型overfitting时,
才后悔没有好好掌握基础数学理论。
走稳机器学习第一步,夯实数学基础!
“线性代数及矩阵论、概率论与统计、凸优化”
3大数学基础课程,火热团购中!
扫码参团
戳原文,社区见~
▼▼▼