【名师简介】张楠,开课吧专家实战导师,前百度高级算法工程师,《深度学习自然语言处理实战》书籍作者,从事自然语言处理相关工作多年,对于自然语言处理技术在To B和To C领域的应用有着非常丰富的理解和经验。
保持对学习的高度热情
2013年,正是人工智能进入第一个爆发阶段,那时候很多人都不知道深度学习、自然语言处理等晦涩难懂的词汇,北京化工大学硕士毕业的张楠刚迈入职场,正在工作中一点点摸索着自己感兴趣的领域。2016年,人工智能进入第二个爆发阶段,张楠在百度担任人工智能算法工程师,已开始在教育板块做相关的项目开发与应用落地。张楠机缘巧合接触到开课吧,在了解到开课吧对数字化人才的情怀后,他感同身受并决定加入开课吧,自己也正式从互联网行业到了在线教育行业。
一开始张楠也不是讲师,是开课吧AI项目的技术人员,公司偶然发现他在教学方面的潜质,开始挖掘和培养他的能力,让他有更多的机会展现自己。张楠平时就有整理工作经验的习惯,且表达条理清晰,内容实战性强,很快就深受学生们的爱戴。张楠的课程较少有长篇大论的理论、公式和定理,更多是营造一个实际的技术场景跟学生一同实践与创新,这也是学生们对他的普遍印象。的确,张楠不只是一名讲师,他更是一位慷慨的技术分享者。他会代表开课吧参与各种公开课、通识课和技术行业分享。2020年11月,张楠还在中国计算机学会技术前线31期进行人工智能与前端智能化的主题演讲。此外,张楠认为自己的优势是没有完全站在一个教师角度来看教学,多重的身份和多样的视角会让他能掌握更加全面的资讯动态。
张楠认为,教育是一件很有意义的事情。《孟子·尽心上》里就有对教育的独到解读,“聚天下英才而教育之”这是张楠比较认同的观点。如果你自己一个人掌握了人工智能的技术,可能产生不了很大的价值,但是通过你的讲解和分享,让一群英才去掌握了知识,推动了理论发展、技术迭代甚至应用的创新,这些都是很有价值的。“身为教育者,就是一棵树摇动另一颗树,一片云推动另一片云,这是对自身能量的超脱与跨越,也是将自身能量最大化”张楠解释道。
将知识迁移到实践场景
张楠很长一段时间在开课吧旗下后厂理工学院担任专家实战导师。厂课是开课吧独创的一种教学模式,通过线上线下结合的沉浸式实战授课方式全方位培养数字化高端人才,已与百度、滴滴、阿里云、微软、创新工场人工智能工程院等互联网一线企业和机构达成战略合作,共同开发了人工智能、大数据、云计算和边缘计算等前沿实战型体系化课程。如果说开课吧AI学院的课程是类比于大学本科,那厂课的进阶性就类比于大学的研究生阶段。
让张楠印象深刻的一次体验就是在厂课项目,厂课会设定一个特定的背景,比如技术竞赛、产品开发等。当时他带领一组学生执行为期2个月的实战项目,最终成果是产出代码和解决方案。一开始有几种算法,张楠带着学生去做拆解成一套有逻辑的算法迭代,纯代码实操让学生从中想解决问题的办法。不仅提高了学生的数字化技能,对知识点的理解也会更加深刻。然后张楠会指出问题和不足,学生再研究迭代策略。张楠很看重学生的独立思考能力,他希望学生们的思路是百花齐放的,不是一个模子刻出来的算法工程师。做出看得见摸得着的成果,也会极大地提高学生的自信心和成就感。学生一般都会结合厂课的项目把自己的开发经历写到简历上,当时那批学生中就有两三个在课程结束前就拿到华为、新浪、百度的大厂offer,还有几个在课程结束后也拿到了,张楠很是欣慰与自豪。
除此之外,张楠在教学过程中坚持贯穿开放创新的极客精神,为学生们未来的职业发展搭桥铺路。比如人工智能核心课程里,他曾在GitHub上有建立一个organization,他自己的代码和学生作业都会在上面开源,每一期学生的加入让它的代码变得越来越丰富。到后来,学生还会自发地在社区里分享学习心得,并梳理成电子笔记。通过这样的方式也让张楠的课程可以不断迭代,从学生的作业和表现中去寻找教学方法优化的空间。这样一个小小的设置让老师和学生可以并肩作战完成一项有意思的任务,师生关系也得到进一步的升华,很多学生到现在还与张楠保持联系,成为彼此的良师益友。
给AI潜力股们的4条建议
随着人工智能的概念被大众所熟知,越来越多人想要学习AI和进入AI行业。张楠发现来学习AI课程的学生越来越多,但基础也越来越薄弱,他们想进入大厂但又没有经验和框架,这跟几年前的职业进阶需求是不太一样的。现在的学生普遍有两类的问题,一类是知识结构比较松散,欠缺对理论和技术的体系化学习;另一类则是对某项重点技术比较扎实,但是无法理解基础理论,导致与实践脱节,难以活学活用。不同状态的学生可以根据实际情况选择不同的课程,针对前者开课吧AI学院有专门的理论课程帮助学生夯实基础,为新手点灯引路,而针对后者开课吧也有实操性强的进阶课,结合大厂一线项目让学生能快速成长。
对于那些未来想学习和进入AI圈的同学,张楠老师也有几点建议:
1. 掌握Python,打牢数据基础。要交流之前必须先学会与机器交流的语音,这是第一步。此外,还需要掌握一定的数学基础,像线性代数、微积分、数据统计这些底层理论需要很扎实。当你达到更高层次的时候,数学就是区别开大家的能力的一个很重要的因素。如果很多数学理论你不懂的话,就很难再往下往深入走。
2. 花时间去接触行业的一线资讯。AI还是一个新兴的学科,知识更新的速度很快,每天都有全世界都有AI相关的论文和技术发表,如果不学习很快就会落伍。时间允许的情况下,每天可以花工作/学习时间的20%-30%去逛社区、博客和期刊网站。
3. 逐渐掌握筛选优质信息的能力。只有持续关注世界上这些最前沿的研究,才能更好地指导工作和学习,有迸发新的灵感。AI的一级学科是计算机,所以关注这个大类的顶级期刊和相关的行业会议,国际顶会可以关注ACL、AAAI、NIPS等。
4. 纸上得来终觉浅,绝知此事要躬行。计算机语言学科很容易纸上谈兵,停留到理论层面打转.同学们应该多多按敲代码,多思考,这就是所谓的知识迁移。将知识迁到具体的应用问题,把问题拆解到细化的优化任务上。这方面能力越强,在工作和面试中往往能脱颖而出。
张楠老师说:“人工智能学科方兴未艾,还有很多施展的舞台。但这也要求从业者要时刻保持对新技术新知识的高度热情。不管是老师还是学生都应该保持好奇心和求知欲,养成边敲代码边思考的习惯。”
