介绍如何融合机理模型、专家经验和数据驱动模型解决工业领域问题的方法。

作为一个计算领域科技应用者，我会在基础理论、关键技术和应用落地每个环节都花费不少的时间。时间分配如下：基础理论30%关键技术40%应用落地30%在学习基础理论上花时间，是想让自己保持冷静，而不是马上投入狂热的应用中。同时，也会质疑，这些理论的价值在哪里？这些理论相比我原来了解的理论优势在哪里？这些理论的缺点是什么？在关键技术上，主要是学习一些开源项目和框架，理解技术的设计和实现。在应用落地的环节上

1.如何分解和构建复杂的问题和数据集？2.如何选择分组做实验？3.如何做最优化？4.如何让数据更可见更易理解？

自然语言处理，前面和大家说了【新手上路常见问答】关于自然语言处理（NLP）【实战技能】自然语言处理（NLP）的案例一：依赖解析今天继续和大家聊聊我自己做的作业案例。作业来自Coursera上的Introduction to Natural Language Processing这门课，讲师是Dragomir R. Radev, Ph.D.，University of Michigan的教授。关于课

嵌入式人工智能包括的主要概念和技术，嵌入式人工智能的应用以及相关参考资源。

介绍Human-in-the-Loop的目标，学习过程，适用场景，主动学习的策略，迁移学习，设计标注界面的基本原则以及参考案例（可运行的代码）和资料。

分享《心智、语言和机器-维特根斯坦哲学和人工智能科学的对话》这本书修订版相关的内容。包括哲学文化对AI科学发展的影响，哲学能为AI做哪些工作，休谟和康德如何启发人工智能从业者，维特根斯坦哲学如何指导AI研究三大前沿领域。

从机器学习存在的问题谈起，介绍增量学习可以解决怎样的问题，增量学习的类别，实现增量学习的方法，增量学习的评价指标和常用数据集，类别增量学习典型方法和代码库以及参考资源，希望能帮助大家用增量学习提高图像分类、对象检测、语义分割、行为识别、对象重识别、三维点云处理等工作的质量。

自然语言处理，前面和大家说了【新手上路常见问答】关于自然语言处理（NLP）【实战技能】自然语言处理（NLP）的案例一：依赖解析【实战技能】自然语言处理（NLP）的案例二：语言建模和词性标注词义消歧词义消歧（Word Sense Disambiguation WSD）是确定在特定上下文中歧义词的具体意义。 这个问题的解决方案影响其他NLP相关的问题，如机器翻译和文档检索。本文聊聊如何消除先前选择的目

和大家聊聊我自己做的作业案例。作业来自Coursera上的Introduction to Natural Language Processing这门课，讲师是Dragomir R. Radev, Ph.D.，University of Michigan的教授。关于课程内容，虽然现在没有了，但是2016年的链接是https://www.coursera.org/learn/natural-langu