2023年终总结：一起理解世界

飞奔的大土豆

已于 2025-02-04 20:16:23 修改

阅读量797

点赞数 18

CC 4.0 BY-SA版权

文章标签：程序人生

于 2024-01-07 23:55:25 首次发布

本文链接：https://blog.csdn.net/qq_32447321/article/details/135447049

博主回顾了2023年的技术总结，强调了数据在深度学习中的重要性，提出在AI公司工作以促进技术学习。在工作中，博主建议积极表现自己，注重团队合作和沟通。对于未来，博主计划学习Java设计模式，CUDA编程，并关注模型的推理速度和部署。工作总结中，列举了5个关键创新和贡献，包括系统优化和效率提升，以及个人技术能力的增强。

不要指望取得明显的、飞速的进步，你要寻求的是每天前进一小步。
当你取得一次进步后，其他的进步才会接踵而来，这是取得进步的唯一方式。——丹尼尔·科伊尔《像高手一样行动》

桌上的日历格言，跟小组的书单<一起理解世界>，后半句说的挺好，“慢慢更新自己”。

前言

最近看了挺多小伙伴分享自己的年中总结和计划，大家的分享对我感触都挺大的。布置了个年中总结的作业，在 N 年前，曾做过年终总结和计划，但也是没有最终复盘，最后都不了了之。我在想，是时候再次对自己做一次总结和复盘了，并且希望把这些分享出来，不再不了了之。⏰

规划总结

4.1 技术总结
写博客确实有助于提醒自己时刻保持学习。
在深度学习中，数据是重中之重，如果数据很好的情况下，大部分模型都可以跑到很好的结果。算法模型的选择对于最终的指标提升远不如调整数据。
我个人对于超参数的调整非常少（几乎是不调整），大部分都是沿用作者给出的配置文件。我个人认为作者给出的参数配置都是在复杂数据上选出的最优配置，对于本地数据的具有一定兼容性。如果想大幅度的提高指标，最先应该调整的是数据。最后，才是模型的超参数调整。
对于多类目标，样本平衡很重要，最好是对原始数据调整，其次是模型采样策略，最后是损失函数调整。
4.2 工作总结
尽量选择以AI为主要业务的公司，不要选择把AI作为边缘部门的公司。如果在边缘部门会使自己学不到一些新技术，并且会随时抽调去其他部门当壮丁。
在领导和同事面前，不要太过于谦虚，这样会使自己的能力被看轻，要适当的表现自己的能力。当然