回顾2018 2018这一年基本上按照2017年的预定计划完成了任务，制定的计划基本都完成了，少部分还在继续，期间收获了很多也失去了很多，得失在于自己的权衡，总体来说是收获的较多。2017年7月份开始系统学习AI方面的内容，之前一直在关注这个行业，因为和我的专业很相近，因此开始是从机器学习开始的，刚开始学习确实挺难的，这就需要个人的学习能力和理解能力以及学习安排了，同时也和个人的执行能力，自我管理能力以及毅力有关，我根据个人的学习能力制定了严格的计划，这个计划即有长远计划又有短期计划更把计划分配到每天的学习目标中即把计划量化，每天坚持按量完成，坚决不拖延，尽量做到今日事今日毕。计划制定好以后，剩下的就是坚持下去，每天进步一点点，每天完成任务，我对自己的定位很明确，知道自己的能力如何，因此制定的计划都是行的通的，大概使用了两三个月时间把机器学习就学完了，后面又接着学习了深度学习、自然语言处理和强化学习，这些学完是在2018年7月份左右，然后开始系统的看这一领域的专业书籍，具体的请看我的在校生如何学习机器学习和深度学习？，花了将近三个月基本上把这一领域的权威书籍看了一遍。这时候我没有立刻进入学习最前沿的知识，而是开始总结，因为什么呢？大家都知道学习是一个过程，是需要慢慢的理解的，如果没有深入理解的知识我们很容易的遗忘，因此需要我们及时回顾和理解，尽量内化成自己的东西，这样我们才能谈灵活运用，才能遇到类似的问题时能想到这个解决思路，这才是最重要的，你说呢？我清楚的知道，如果不深入理解他们，后面会慢慢的遗忘，以后再回来看会吃力一点，效率会低一点，因此我马上进入总结，系统的梳理知识点，深入挖掘学习时遗漏的细节知识，因此从九月份开始进行写博客总结，基本上每天一篇博客，系统的梳理知识点，直到今天分别把机器学习、深度学习和自然语言处理总结完了，强化学习暂时不总结了，因为这和2019年的计划有关，强化学习我打算在2019年的10月份进行总结，这是2018自学AI方面的总结，下面总结一下科研方面的。
因为本人是在校研究生，既然是在校研究生，科研肯定是很重要的，因此今年也是科研进展很快的一年，怎么说呢？本人本科电子信息工程专业的，所以对电路、通信、信号处理方面的内容理解的很深，研究生的研究也和这些有关，在导师给定的课题下，本人提出了一个新的调制方案，也因此得到了大量的数据，顺利的发了一篇SCI论文，这篇论文结束以后，继续深入研究这个方向，并和导师商量了具体的实现方案，希望在放假前，初步做出实验结果，年后在全力的系统实验，这样可以继续发论文。因此科研方面本人并没有拉下，之所以能提出新的解决方案就是因为我对电路、通信、信号处理的知识理解的很深，在他们的基础上我提出来了新的解决方案，这就是基础的重要性。这也是我为什么那么看重基础的原因，因为你只有深入理解了，当你遇到问题时你才有可能灵活运用。有同学可能会问我怎么会有那么多的时间学习呢？这里只想说，这里我每天除了做实验，业余时间我都用在了学习上，还有同学可能会说自学时很难静下心学习而且AI方面的知识很难， 没有人教很难学习下去，确实是这样的，静不下心学习是因为你的自控能力不行，需要针对性的训练一段时间，自学很难，说明你没有对自己全面的了解，更没有为自己的学习设定合理的可实施的计划，所有的学习都是很枯燥的，也不能马上就能看到效果的，把你一步登天的想法放弃，脚踏实地的去学习，一步一个脚印，只有达到一定的量才能引起质变，两年前我对AI方面的算法也不算很懂，但是现在最起码我知道了什么是机器学习、什么是 自然语言处理、什么是深度学习等。学习是一个过程，这个过程需要我们静下心，多思考，多举一反三，这样学习能力才能提高，这里说我的科研并不是炫耀什么，只想表达，我也很忙，我也没时间，但是这不是借口，合理安排时间，提高自己的做事效率，完成他们是没问题的。
科研和学习是我2018年收获最多的，也因为学习我的2018很充实，希望这里2019继续保持下去，下面计划一下2019的目标和任务。
展望2019 【深度学习|2018年度总结和2019年度计划】2019是我的关键一年，一是因为本人将在2019年七月份实习，二是十月份需要找工作，因此全年的计划是围绕这两个点进行展开，希望能找到自己心仪的工作，下面就具体说说本人2019年的计划。
因为上面的两个主要目标，因此全面的分析了自身，目前本人理论学的还好，但是还没实践，因此需要开始着手实践，虽然AI方面的实践都具有各种框架，使用这些框架不难是个熟练度问题，时间长了自然就会调包了，真正的内功是算法的思想和实现上，尤其是遇到问题时，在没有其他资料可以参考的时候能不能创造性的解决问题，这才是最核心的竞争了，这也是我们常说的创新了。这里的算法思想已经具备了，无论是AI方面的还是传统计算机方面的算法（递归、迭代、排序、动态规划、贪心算法、回溯、分支界限、随机算法、蚁群、遗传）都理解了，但是都还没有实实在在的实现过，也就是说我现在的处境是算法思想懂，但是不会写程序，有时候遇到问题能想到这个算法或者模型但是通过编程语言无法实现，其实本质原因是写代码写的少的原因，因此需要针对这方面特别的训练一段时间，想要需要这样的能力，第一是你需要对算法理解的很深，二是你需要学习一门适合写算法的编程语言，三是你需要考虑实现算法的效率问题，因此这里本人第一个暂且合格吧，编程语言本人选择c++，算法效率就需要对数据结构理解的很深。在说说我现在所掌握的，第一对c语言理解的很深，尤其指针、结构体、链表等，因此学习c++不难，但是本人对数据结构还没系统的学习过，只是以前零星的接触一点，因此本人现阶段的目标就是深入学习c++和数据结构，同时在深入理解一些算法。
目前本人正在深入学习c++，可能是因为本人对c语言的理解很深的原因吧，c++学起来不难，虽然理解了，但是距离应用还很远，因此后面会强化自己的编程能力，希望在放寒假之前把c++系统的学习一遍，寒假在家把数据结构学一遍，明年开学开始训练自己写算法，同时针对AI开始做一点实战项目，同时希望科研能顺利进行，再发一篇SCI，这样一致持续到7月份去实习，希望能找到心仪的实习公司，同时也希望自己到公司具有直接能干活的能力，这就是上半年的计划安排，当然期间会继续阅读AI方面的最新进展的论文，下半年，如果工作顺利找到，大概会在10月份左右可以回到学校，到时候就可以总结强化学习了，同时也可以总结自己在公司所欠缺的技能，针对性的在学习一下。2018大方向的暂且这样计划，具体根据实际情况进行调整，一般本人可以超前完成目标，也许可以做更多的事，这就是明年的具体计划，剩下的就是一步一个脚印的去实现它了。
最后一点计划就是本人需要深入学习一下英语了，不仅仅会看，更要会说、会写，因为我能感觉到自己以后会受限于英语，因此从2019年开始针对性的学习一下，计划使用一年的时间慢慢学习提高。
以上就是本节的总结和计划，写这个原因是督促自己，明年这个时候再拿过来看看是否完成，好，到这里结束，后面一段时间可能不会更博客了，全身心的投入学习状态，开学后会继续更博客，到时候的博客会专门开一个专栏即算法的专栏。
推荐阅读
- C语言学习|第十一届蓝桥杯省赛 大学B组 C/C++ 第一场
- paddle|动手从头实现LSTM
- pytorch|使用pytorch从头实现多层LSTM
- 人工智能|干货！人体姿态估计与运动预测
- 推荐系统论文进阶|CTR预估 论文精读(十一)--Deep Interest Evolution Network(DIEN)
- Python专栏|数据分析的常规流程
- pytorch|YOLOX 阅读笔记
- 读书笔记|《白话大数据和机器学习》学习笔记1
- Pytorch学习|sklearn-SVM 模型保存、交叉验证与网格搜索
- 前沿论文|论文精读（Neural Architecture Search without Training）