作者:luotingyou492 | 来源:互联网 | 2023-08-24 11:38
上周六,和几个创业的朋友,线下聚会聊天。
聊了下他们在创业路上踩的各种坑,后来讨论了一个话题:创业路上,什么最重要?
记得一个朋友说的一个词,印象很深刻:知行合一。
大白之前在朋友圈,也看到一句话,挺有意思:信息差可以抹平,认知差无法抹平。
感觉和“知行合一”很搭,所以本周,和大家聊一下,关于这个词的感受。
知行合一,我们先来看一下“知”。
这里的知,可以理解成,信息差。
由于移动互联网的便捷,大家每天都被海量的资讯所包围。
比如阅读十四五规划得到的利好信息,或者从网络信息中得到的资讯。
例如最近一段时间,特别火的平价茅台,只要从网络秒杀到,反手专卖,都是各种差价。
详情可看:《880万瓶茅台哄抢真相:没人喝,都想倒卖》
所以在这个时代,只要愿意了解,大部分人都可以学会利用信息差获得一些回报。
不管是对于工作,还是对于创业,大家可能都会有很多的想法。
但是造成相同想法的人,很大程度不同的是,第二个字“行”。
如何去践行,你的想法?
很多的人,可能都是“晚上想法千千万,早上醒来原地转”。
之前参加过一个活动,有一位嘉宾分享了一句话:你的顿悟,不过是别人的常识。
这句话其实挺打击人的,但是也是真实存在的,为什么会这样呢?
因为每个人所处的环境不同,从事的工作不同,感兴趣和钻研的领域也不同。
任何一个领域,要达到足够的认知,都需要耗费大量的精力,去做实践,提高认知,才能有收获。
而大多数的人,在实践路上,刚跨出脚不久,就觉得困难重重,回到了起点。
所以知其实并不是最重要的,行才是。
比如大白最近在检索不同AI公司的产品特色,技术方向。
发现一个特殊的角度,比如对AI公司所有的专利进行分析,可以知道很多信息。
比如公司在某时间段,做过哪些项目?公司人员的大致数量?
在哪些项目方面有积累?有哪些合作伙伴?
这也算是AI行业的一部分信息差,因为在工作中,很少有人会特意去观察它。
但大白在统计的时候,发现一个很麻烦的事情。
分析要不断复制,粘贴专利的名称、内容等。
需要大量的重复性时间,那么如何能提高效率呢?
比如是否可以通过脚本的方式,当然这里面会有很多坑,比如电脑全局的VPN,爬虫的不断摸索等。
大白发现,这并不是小众的需求,竞争对手分析、求职面试过程中,可能会都需要分析背后的内容。
那涉及的用户面就会很广,是否可以产品化,为用户提供服务呢?
当然,这里就延伸出很多方面,比如产品搭建、服务流程化、互联网营销,产品运营等等。
所以,“专利”只是一个信息点,而具体的产品,就是我们知行合一的结果。
因此,在“知”中“行”,在“行”中“知”,吾辈任重道远。
回到生活和工作中,每隔一段时间,都有一场艰苦的“知行合一”的修炼在等着我们。
希望大家都能在这场修炼中,成为更好的自己。
之前的周报,大白会将每周的精华内容汇总起来,整理到《大白AI周报精华汇总》中,点击即可查看。
后期需要哪方面的项目知识,可以直接去对应阅读。
大白也在不断收集更新各个项目算法作者及从业经验的视频分享,希望能让大家提高一些探索的效率,点击查看。
整理汇总:江大白
内容周期:2020.12.14-2020.12.21
同步公众号:江大白
目录
- 1 整理涉及公众号名单
- 2 行业精华文章汇总
- 2.1 基础知识方面
- 2.2 研究方向方面
- 2.2.1 目标检测
- 2.2.2 图像分割
- 2.2.3 图像超分辨
- 2.2.4 人脸识别
- 2.3 Opencv方面
- 3 行业&拓展阅读动态汇总
- 4 Tensorflow基础教程
1 整理涉及公众号名单
(1)我爱计算机视觉
(2)Cver
(3)Datawhale
(4)量子位
(5)极市平台
(6)新智元
(7)机器之心
(8)AI算法与图像处理
(9)Opencv学堂
(10)PaperWeekly
(11)机器学习算法工程师
(12)AI研习社
(13)GiantPandaCV
(14)AI深度学习视线
(15)七月在线实验室
(16)人工智能前沿讲习
(17)AI科技评论
(18)机器学习算法与Python精研
(19)AIZOO
(20)微软研究员AI头条
(21)VALSE
(22)AI算法修炼营
(23)有三AI
(24)AlWalker
(25)AI公园
(26)AI人工智能初学者
(27)计算机视觉之路
(28)小白学视觉
2 行业精华文章汇总
2.1 基础知识方面
2.1.1 深度学习相关
(1)CNN的一些可视化方法
链接:https://mp.weixin.qq.com/s/wvWgmH67CKrDXNi2t5jr8Q
(2)常见的损失函数(loss function)总结
链接:https://mp.weixin.qq.com/s/q9mKabVyw2y3oCK0E33L7g
2.2 研究方向方面
2.2.1 目标检测
(1)谷歌简单粗暴“复制-粘贴”数据增广,刷新COCO目标检测与实例分割新高度
链接:https://mp.weixin.qq.com/s/nKC3bEe3m1eqPDI0LpVTIA
(2)C++实现yolov5的OpenVINO部署
链接:https://mp.weixin.qq.com/s/rzR-rAiJejR8LjDDgiauZA
2.2.2 图像分割
(1)华盛顿大学实时视频抠图再升级,毛发细节到位 | 应用前景广阔
链接:https://mp.weixin.qq.com/s/pkm_lc2t8J9LCC3Vm1bHkQ
2.2.3 图像超分辨
(1)真正的无极放大!30x插值效果惊艳,英伟达等开源LIIF:巧妙的图像超分新思路
链接:https://mp.weixin.qq.com/s/pKQZm1OvfKUyMA4V_-vIqw
2.2.4 人脸识别
(1)人脸识别:insightface自定义数据集制作 | 附练手数据集
链接:https://mp.weixin.qq.com/s/yIXCoPTDgAD6kELu5QWQng
2.3 Opencv方面
(1)经验 | OpenCV图像旋转的原理与技巧
链接:https://mp.weixin.qq.com/s/K4P8151BuM4DQPSK-KzPFQ
3 行业&拓展阅读动态汇总
3.1 行业动态
(1)内存256KB设备也能人脸检测!微软提出用RNN代替CNN | NeurIPS 2020
链接:https://mp.weixin.qq.com/s/jq7oa7Yu_gTQ0GjO53IT6w
(2)大规模神经网络的训练优化入门
链接:https://mp.weixin.qq.com/s/37Mc-9n9lmUo7hiK8qKeJQ
(3)保姆级教程:个人深度学习工作站配置指南
链接:https://mp.weixin.qq.com/s/QFnYHu_htLG1dxl3Xfa-gg
(4)134个预训练模型、精度高达85.1%,百度视觉算法最强基石PaddleClas全新升级
链接:https://mp.weixin.qq.com/s/KthTHRspAvLiO6HnOxNtJA
(5)AI种草莓,比最强人类多两倍:首次农业人机大战结束了
链接:https://mp.weixin.qq.com/s/68lf8sPwH_I-v1YdVlIJnA
3.2 拓展阅读
(1)自称“房奴”的博士靠开店卖SCI论文10年盈利近百万!论文买卖你怎么看?
链接:https://mp.weixin.qq.com/s/DXFFo7SLCGdKyulr2Lybtg
(2)北京一特斯拉突然失控撞楼,事故频发的特斯拉是否配得上「飞天」股价?
链接:https://mp.weixin.qq.com/s/gjNbwhizDf8-OyW4KySW-Q
(3)手机秒变投篮机,还能模拟投篮真实手感,腾讯微视技术「家底」到底有多厚?
链接:https://mp.weixin.qq.com/s/GRn8fAasye8I9NQuxrnG-Q
(4)虚拟偶像出道,技术「造星」推动下的粉丝经济
链接:https://mp.weixin.qq.com/s/e4DPITRiPf1ei1JiaDuKNQ
4 Tensorflow基础教程
(1)详解Tensorflow模型量化(Quantization)原理及其实现方法
链接:https://mp.weixin.qq.com/s/CHaBG9KHDR2-fnd9NkflpQ