时间戳：2017.9.17 人工智能/机器人这2个方向，能支撑至少未来20年的人类发展，赛道足够长。每个传统行业，加上人工智能，都可能打造出足够成功的公司。这是个大趋势，相信很多人都了解。 人工智能行业人才匮乏的现状： 1）因为行业刚起步，所以人才非常非常少。某个技术领域的全国可选人才（甚至全球），可能不到100人！做这个领域的公司和学校就那么几家。而且，不仅是技术人才，连产品经理、市场宣传等职位的人才都极度匮乏。 2）人才培养周期长。因为需要复合型人才（多个技术领域的技能叠加，甚至还需要深入了解某个垂直行业），至少至少半年的积累，否则都没法跟业内的人开口说话（一说就错，漏洞百出）。 3）...

论文链接|https://arxiv.org/abs/1704.04861论文源码|https://github.com/Randl/MobileNet2-pytorch/ 摘要： 介绍了一种新的移动端架构——MobileNetV2，其在多任务和基准以及不同模型大小的范围上进一步刷新了移动端模型的当前最佳性能。介绍了如何通过全新框架SSDLite将这些模型高效应用于目标检测。展示了通过简化版DeepLabv3（MobileDeepLabv3）构建移动端的语义分割方法。 MobileNetV2架构基于反向残差结构，其中短连接处于thin瓶颈层，这与在输入中使用扩展表征的传统残差模型正相反。M...

这五个算法是有很多应用场景的，最优化问题大多可以利用这些算法解决。算法的本质就是解决问题。当数据量比较小时，其实根本就不需要什么算法，写一些for循环完全就可以很快速的搞定了，但是当数据量比较大，场景比较复杂的时候，编写for循环就是一个很不明智的方式了。一是耗时，二是写出的代码绝对是天书。当然还有第三点，这点也是最重要的，写代码是一种艺术，而不是搬砖。 0）穷举法 穷举法简单粗暴，没有什么问题是搞不定的，只要你肯花时间。同时对于小数据量，穷举法就是最优秀的算法。就像太祖长拳，简单，人人都能会，能解决问题，但是与真正的高手过招，就颓了。 1）贪婪算法 在对问题求解时，总是做出在当前看来是最好...