學(xué)員背景

Z同學(xué)

211院校 自動化

打算申請EE、人工智能方向海外研究生

參與項(xiàng)目

指南者人工智能科研論文指導(dǎo)

背景與契機(jī)

我是南航自動化中外合辦的學(xué)生。因?yàn)樵缭绱_定了將來要出國的這個規(guī)劃，所以我從大一開始就有意識地去了解出國需要的軟背景需要怎么準(zhǔn)備。

在校期間，我對學(xué)校的競賽和項(xiàng)目參與度很高，在參與指南者的人工智能科研論文指導(dǎo)之前幾乎完全是自學(xué)自動化相關(guān)的控制、電子、電力、儀器、探測以及制導(dǎo)方向的項(xiàng)目入門知識。再加上，做競賽和項(xiàng)目的動手實(shí)踐可以很大程度地呼應(yīng)課內(nèi)學(xué)習(xí)的東西。所以不夸張地說，沒有實(shí)踐過的課本知識，學(xué)沒學(xué)過對我沒有太大的區(qū)別，所以我在參與科研項(xiàng)目這件事上是非常積極的。

在這個過程中，我發(fā)現(xiàn)了自己的瓶頸：

01.時間

在時間上，由于數(shù)學(xué)基礎(chǔ)差，我本應(yīng)該花更多的時間去消化學(xué)習(xí)，但是中外合辦的課程量非常大，以至于在大一、大二學(xué)期中的課余時間少得可憐，是不足夠完成額外的實(shí)踐學(xué)習(xí)的。而且我的空余時間和老師、同學(xué)常常不能對上，導(dǎo)致在競賽或者項(xiàng)目中與老師、同學(xué)的交流也受到影響，這就使我們之間本就不便的交流雪上加霜。

02.學(xué)習(xí)進(jìn)度

在學(xué)習(xí)進(jìn)度上，往往參與項(xiàng)目所用到的專業(yè)知識是我還沒學(xué)到的，這就涉及大量的自學(xué)工作。但這個和準(zhǔn)備考試不一樣，相對于搞懂原理，會做題要片面很多。建立專業(yè)的知識體系本來就是大學(xué)四年應(yīng)該做的事情，但在沒有老師干預(yù)下盲目自學(xué)很可能會四處碰壁。往往我們在學(xué)習(xí)一個新項(xiàng)目的背景知識時，一旦涉及到未來要學(xué)的體系化知識內(nèi)容，進(jìn)度就可能會卡在一個學(xué)習(xí)階段很久很久。因?yàn)榇蠹沂紫仁菍W(xué)不懂，其次是不知道需要理解到什么程度才能用，往往是云里霧里地開始，實(shí)踐了一段時間發(fā)現(xiàn)自己的理解不對，又要從頭開始，試錯成本是很高的。

03.課題選擇

在課題選擇上，學(xué)校的項(xiàng)目參與辦法主要是參加“大創(chuàng)”以及“互聯(lián)網(wǎng)+”等。一般來說，課題主要是由導(dǎo)師的方向來決定的，導(dǎo)師會分出自己課題底下簡單且具有實(shí)操價值的項(xiàng)目給我們。但這種課題選擇方式的不足，一方面在于認(rèn)識導(dǎo)師的主要途徑是上課，機(jī)會相對比較少；另一方面導(dǎo)師分配課題的方式就使得我們很難完全去做自己想學(xué)的東西。

所以我從大一意識到這些瓶頸的時候就開始留意背提項(xiàng)目了。一直到大三的寒假，我把我已有的背景捋了捋，發(fā)現(xiàn)我廣而不精。簡單說就是學(xué)了，但主打一個入門。除此之外，我整理了指南者留學(xué)APP上我的主申項(xiàng)目的所有相關(guān)簡歷，研究了一下他們是怎么體現(xiàn)和建立廣度以及深度的，由此意外地發(fā)現(xiàn)做人工智能應(yīng)用的學(xué)生很多。這讓我有點(diǎn)心動，因?yàn)槲抑廊斯ぶ悄芸隙ㄅc工業(yè)社會未來的發(fā)展息息相關(guān)，只是我沒有過偏CS的項(xiàng)目基礎(chǔ)，所以一直沒敢嘗試。

比較巧的是，我的顧問老師給我推薦的這個項(xiàng)目老師剛好是我主申學(xué)校的老師，同時項(xiàng)目方向也剛好與人工智能相關(guān)。此外，相較于我之前了解過的背提項(xiàng)目，這個是獨(dú)作的，內(nèi)容更個性化的同時，自我調(diào)整的空間也更大一點(diǎn)，另外也比較透明。我在開始前跟顧問老師確認(rèn)了很多信息，包括老師的背景、從主申學(xué)校的角度看這個項(xiàng)目對我簡歷的作用以及推薦信的給法等等。

就這樣，我開始了這段“蓄謀已久”的背提。

理論培訓(xùn)

首先，助教老師給我進(jìn)行了為期兩到三周左右的基礎(chǔ)知識教學(xué)。這個課程是出乎意料的好用，我一邊學(xué)習(xí)了python和建模原理，另一邊直接用在了當(dāng)時正在參加的美賽校賽上。從原本的只會考試到能熟練運(yùn)用python建模，我只花了這三周的時間。這個課程系統(tǒng)地講解了人工智能應(yīng)用需要的編程知識，非常有針對性，學(xué)了之后作業(yè)里馬上就會用到，很有獲得感。

確定研究方向

我的研究項(xiàng)目是關(guān)于人工智能在智能車輛中的應(yīng)用，教授會根據(jù)我在論文閱讀中的興趣點(diǎn)，與我一起確定具體的研究方向。在這個過程中，教授指導(dǎo)我開始閱讀相關(guān)領(lǐng)域的經(jīng)典與前沿論文。教授給我了6篇文章用以了解這個領(lǐng)域目前的研究進(jìn)展以及未來的改進(jìn)方向，大大減少了我去搜集文獻(xiàn)泛讀的時間。通過精讀這六篇文章，我對這個項(xiàng)目背景知識的了解達(dá)成了從0到1的轉(zhuǎn)變。

之后教授給了我兩個方向，并給我一周的時間去了解和探索，然后確定題目。

項(xiàng)目推進(jìn)

其實(shí)整個過程我只是需要實(shí)現(xiàn)一個神經(jīng)網(wǎng)絡(luò)分類器，但是在具體實(shí)操的過程中，問題確是層出不窮。首先是環(huán)境搭不出來，然后是數(shù)據(jù)量太大了代碼跑不出來，再然后代碼是跑出來了但是很明顯結(jié)果不對，最后是結(jié)果對了但是讀取不出來。此外還涉及到創(chuàng)新點(diǎn)的問題，首先是改結(jié)構(gòu)參數(shù)時，發(fā)現(xiàn)在已有建筑上這些參數(shù)已經(jīng)是最好的了，然后嘗試單個圖像增強(qiáng)時，試了幾個以后發(fā)現(xiàn)加多了運(yùn)行會崩潰，但加少了區(qū)別就不是很大。這些問題我都挨個問了我的助教老師，從路徑錯誤、參數(shù)改進(jìn)、在服務(wù)器上搭建環(huán)境、再到讀取最后的結(jié)果，事無巨細(xì)老師都會及時回答。遇到數(shù)據(jù)量太大的問題，老師先是幫我改了一下代碼，把數(shù)據(jù)量先縮減到100，然后試跑出結(jié)果，再然后擴(kuò)大到全部數(shù)據(jù)，調(diào)整哪些網(wǎng)絡(luò)架構(gòu)等等。一般我會自己先花很長時間去摸索怎么處理相應(yīng)的錯誤。一個問題最長2天，搗鼓不出來了我就去問助教老師，之后很快就能得到解答方案，相比于我之前來說真的效率提高了不少。

論文寫作

寫論文是比較需要耐心的，從搭建文章框架到補(bǔ)全內(nèi)容大概需要3-5天，因?yàn)槔L圖還是一個比較花時間的過程。此外，論文后期投稿以后跟助教老師來回修改這篇文章是個戰(zhàn)線很長的過程。因?yàn)樽约菏堑谝淮螌憰h論文，不知道查重的規(guī)則，也不知道怎么復(fù)制格式，更不知道圖片格式，甚至連排版都是問題，花在修改上的時間遠(yuǎn)遠(yuǎn)超出我的預(yù)期，主打一個水磨功夫。但是經(jīng)過這次鍛煉，學(xué)校的小論文我可以很快地寫好，主打一個干脆。

一句話總結(jié)就是，這個科研過程最高效地磨礪了我吸收文獻(xiàn)、處理代碼、嘗試把idea實(shí)現(xiàn)、科研寫作以及做學(xué)術(shù)匯報的能力，恰如預(yù)期地成為我簡歷里濃墨重彩的一筆。

想要咨詢本項(xiàng)目，或者了解指南者留學(xué)更多的背景提升項(xiàng)目，歡迎私信~