推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
这是一个创建于 62 天前的主题，其中的信息可能已经有所发展或是发生改变。
原本是 Java 开发，公司因业务转型，打算做大模型、人工智能方面，各位有没有这方面的学习路线和资料推荐下
 |
2
bright0908 OP @crazychang #1 老哥，直接秒回啊😨
|
 |
3
shinyzhu 62 天前
我也在开始深入学习。先推荐两个小课程，全免费。AI for Everyone 和 Generatve AI for Everyone
|
|
4
bright0908 OP @crazychang @shinyzhu 多谢两位
|
 |
5
murmur 62 天前  2
你们公司的大模型就用程序员转行做
那不是尾气都吃不着 啥公司啊 |
 |
8
shinsekai 62 天前
现在再看吴恩达机器学习和深度学习会不会太老了
|
 |
10
dustookk 62 天前
本公司如果没有大量的用户数据需要 “训练”， 我理解是不是掌握 Openai 的 embedding 各类 API 就行了。
|
 |
11
stimw 62 天前 via Android 3
楼上有些离谱的。
在职、转型的就不要从 machine learning 开始看了。看 deep learning 甚至看看现成 api docs 才是正确的。。 老老实实当调包侠... |
 |
12
L13 62 天前 1
先让公司准备好足够的显卡和数据，不然就面向 API 变成就行了
|
 |
13
ShadowPower 62 天前 3
|
|
14
bright0908 OP @murmur #5 目前我们部门是做 Java 产品，但是这个产品前几年还能接到项目，现在已经很难接到项目了，所以打算转型，我也很疑惑为什么不把我们开了，重新招专门搞人工智能的😂
|
|
15
bright0908 OP @dustookk #10 公司从之前项目积累了很多数据，所以才考虑做这方面的内容
|
 |
16
LLLeo 62 天前
收藏了，最近也在准备了解这方面的知识
|
 |
17
snowflake007 62 天前
我们刚上了一个端云结合的项目。手机很多 AI 都是端云结合
|
|
18
ShadowPower 62 天前
@murmur 是这样的，市面上很多“算法工程师”其实都是价格贵的同时工程能力一般，适合搞科研。
但是目前大模型，如果想在模型架构上优化的话，研究成本极高。 实际上大模型的路径依赖的现象很严重。大家都倾向于直接在前人尝试过的最好的模型上训练。 最后比拼的是，谁的数据质量更高（可以是专注于某个领域的数据），以及谁可以搞定多机训练。 里面最主要的问题其实是：如何充分利用多机算力，规避性能瓶颈；如果机器发生了故障，如何不影响训练进程。 |
 |
19
NoOneNoBody 62 天前
我是从人脸识别开始的……
机器学习可以不看，但 numpy ，pandas 还是要懂，无论什么学习，整理数据还是必须的，你不能靠 for 来完成数据处理 机器学习可以不看，但 sklearn 文档还是该知道怎么查，sklearn 的文档比较有用 ps: python 的类型问题烦死人，float32 和 float64 没指定好，都能导致 pytorch 跑不起来 |
 |
20
hardto 62 天前
@bright0908 说说业务场景
|
|
21
NoOneNoBody 62 天前 1
好多模型人家都弄好了，写个程序其实不难，不怕见笑，我只会抄
例如 sklearn AgglomerativeClustering 聚类核心代码就两行 agglomerative = AgglomerativeClustering(n_clusters=n_clusters) clusters = agglomerative.fit_predict(scaled_weighted_features) 但是大量的工作是怎么整理数据符合 fit_predict 的要求，还有就是跑一次可能很耗时，如果结果不理想，就要重新组织数据再一次，再一次，再一次…… 更多的工作在查错，因为数据量太大，你搞不清是哪一个样本出错的，或者是怎样的错误 例如跑着跑着断了，报错是维度不一致，想维度问题其实是想不通的，一般数据都是批量处理的，不会出现单个数据维度异常，其实更大可能是某个数据为空或者 np.nan ，模型优先“检查维度”导致报错是维度不一致 原始数据不为空，但一些转换处理会导致部分变为空，例如 rolling 移动窗口首尾有窗口不够的问题，diff 左右值求差必然少一个，过滤数据后忘了“补齐”或“对齐”……诸如此类 还有前面说的 float 类型的事，数据没错，程序逻辑也没错，就是跑起来就报错，因为 pytorch 默认 float32 ，但 numpy 默认 float64……破，搞了我几个小时，一直以为数据错了 如果用到 numba 加速的话，类型也是大问题 个人建议 numpy/pandas 还是要熟，有批量转换和查找的能力，“查找”就是定位，找到哪一行哪一列的数据 我近半年写的代码，写出来都是很快，随机模拟生成数据都能跑，就是用实际数据就断，估计近半时间都是在花类型的查“错”上 |
|
22
bright0908 OP @hardto #20 主要是给矿上做的产品，类似于盘古大模型这种
|
|
23
bright0908 OP @ShadowPower #13 好的，多谢老哥
|
|
24
bright0908 OP @NoOneNoBody #21 收到😺，多谢老哥给的经验
|
 |
25
dayeye2006199 62 天前
学好英语，好好做 prompt
|
Select Language