重新解释“季”划 & 为什么我不是在搞培训
文/编辑 | 言有三
刚辞职几天，很多朋友误以为我做培训了，但实际上不是，时间那么宝贵，不会拿来反复做同样的事情。考虑到来问的朋友很多，故此特别写一篇文章来说明一下。
从公众号已有内容来说
我们有166篇原创文章，再加上微信早期没有原创文章申明的时候，公众号大约写了180篇文章。其中除了极少数的类似于前几天的“离职申明”，“AI研究院”专栏，全部都是原创的技术文章。
去年有很多的培训机构要在我们这里付费打广告，虽然只是一个很小的号，我还是都拒绝了，就是为了保持公众号的技术氛围。
我也没有去付费推广打广告，如果真正决定了做培训，至于把商业搞得这么失败吗？
当然，现在既然正式作为职业发展的一部分，为了可持续发展，自然是要考虑一些现实的问题，比如涨粉，比如获得部分收入，所以与优秀的个人公众号进行互相推荐，偶尔谈论一下非技术内容，带几个学生，也是必须的，但我保证非技术内容绝对很少，不可能三天两天就来打广告宣传。
从公众号的愿景来说
我们公众号一直是一个技术分享平台，分了10多个专栏，而且还在不断增加之中，包括：
(1) 深度学习理论
(2) 深度学习模型训练
(3) 深度学习模型解读
(4) AI工程师进阶之路
(5) 数据理解
(6) 开源框架
(7) 技术综述
(8) 行业进展
(9) AI-1000问
(10) 杂谈
(11) 学生分享
(12) 就业机会
可以这么说吧，拿出其中绝大多数的内容，我都可以单独做一个培训，如果真的只想做培训，又为什么要免费写出来，而且力保所写的主题是最新最全，如果不能兼得也要得其一。
我真正想做的，是成为一个系统性的免费学习平台，实现“三人行必有AI”的愿景。
再来说说季划的事
有些朋友可能就不服气了，你不是弄了个“季划”吗？那还不是培训。
好，那我给诸位朋友解释一下为什么不是。如果真的想了解，请一定要先去看一下这两篇文章，尤其是最新的文章。
然后我们来说跟一般的培训有什么不同。
(1) 首先看内容。报了名的季划学员都是报最高规格的，覆盖的项目从简单的编程基础，图像基础，到开源框架，到图像分类，分割，目标检测，模型优化，以及最重要的自选项目，少说也有大大小小10余个项目，而且都是工业级别的，却只收1500，这是培训能承受的内容成本吗？
(2) 再看学习形式，理论+实战项目+上线部署。要求的是全方位掌握，现在还只走到图像项目部分，在后面会体现地更加淋漓尽致。我希望的是学员们能够全方位提高掌握，这是培训能够覆盖的宽度吗？
(3) 再看带人的方式。虽然说我们也有一个小群，但是没有助教，都是我自己直接带，所有的学员基本上都是优先选择微信直接问我问题，从解决具体的编程Bug到方案选择，都是尽量及时交流和解决，而且我承诺结束后也可以问问题，这是培训能够承受的时间成本吗？
(4) 再看培养规划。我在本周一的文章中说过，季划只会做一次，到了下个季度就是更高水平的学习，有培训会把自己的服务搞成一次性的吗？
(5) 再看自选项目。季划包含一个自选项目，可以任意选择自己感兴趣或者从事的项目，我尽力进行指导，这是培训能做到的吗？
(6) 再看增值交流，以前的很多学生应该都知道，我不仅会送自己撰写的图文和视频学习资料，还会组织线下活动交流，请到我家吃饭，现在时间更多了这样的活动会搞更多，有线上培训机构会这么搞吗？
光是这6点，就已经足够说明我不是在做培训，至少目前不是，现在搞这个纯粹是为了积攒人品和一点点情怀，满足当老师的虚荣感。
季划重新发布
当时说的有点乱，现在跟大家重新解释一下“季划的学习内容”。
“季划” 定了一个时间节点，以季度为周期（春季是2.19-6.1），这是为了方便时间的安排和管理。鉴于之前所有的同学都只考虑了最高规格的内容，因此我们后面也只做最高规格的。
学习内容包括以下，很多知识点都是相互穿插以及看学员兴趣(比如前端爬虫和服务端)，没有专门的计划。
1. 编程基础
快速学习Linux基本操作
学习Linux下提升工作效率的一些技巧
学习python基础
熟悉在深度学习中经常使用的python库
学习python的前端和服务端基础
2. 开源框架
掌握Opencv基本模块和数据结构
掌握Opencv的图像滤波和图像增强算法
掌握Opencv的边缘检测（包含车道线检测项目）
掌握Opencv的图像分割基础（包含简单图像分割项目）
任选caffe，tensorflow，pytorch其中一个开源框架
框架的安装和API的了解
框架的学习路线和底层代码的阅读（包含系统性代码阅读）
框架使用常见的问题和bug解决（包含常见bug分析和经验总结）
框架的数据API的熟悉（包含各种类型数据的读取和准备项目）
框架的网络定义接口（包含自定义网络和finetune网络的技巧）
框架的训练和测试（正确训练模型，调参，使用模型得到测试结果）
3. 完成工业级别的图像分类任务
学习如何获取和整理数据（包含爬虫，标注工具开发和选择项目）
知道什么样的数据才是完成该任务的正确的数据（数据使用的经验分享）
学习如何利用开源框架正确的读取和迭代数据（开源框架数据API的熟悉项目，覆盖各种类型数据）
学习如何选择一个合适的基准模型（深度学习模型基础）
学习如何定义自己的模型（模型设计基础，包括各种网络层的设计技巧）
学习如何进行模型的训练（模型训练基础，简单的模型训练参数选择）
学习如何改进自己的模型（模型性能的分析和简单的改进技巧）
学习如何进行模型的测试（正确的使用好模型，测试时的各种技巧）
学习当结果不好时知道定位问题，并找到正确的解决方案（建立对数据和模型的敏感度）
学习该任务当前业界应该是什么样的水平（基本的学术素质培养）
……
4. 图像分割
图像分割的基础理论（反卷积等概念）
图像分割常见框架（U-Net，DeepLab等）
影响图像分割性能的参数（训练尺度，网络结构，样本选择等）
图像分割网络设计的常见技巧（多尺度信息融合等等）
……
5. 目标检测
目标检测的基础理论（传统方法和深度学习方法通用）
检测框架（Faster RCNN/YoLo/SSD）
框架代码的解读和调试（caffe，tensorflow，pytorch版本）
影响目标检测性能的参数（训练尺度，正负样本比例，anchor使用等）
目标检测网络设计的常见技巧（多尺度等）
……
6 模型优化
如何分析和寻找模型的瓶颈
模型的深度寻优（网络的最佳层数）
模型的宽度寻优（网络的最佳特征通道数）
模型的参数压缩（设计移动端能用的小体积，高速度小模型）
模型过拟合和欠拟合分析
……
7 自选项目
任意选择图像项目进行指导，知无不言，只要不是太偏，不会我就去学
最后，我们做出的实际项目都会达到工业级别的部署水平，而且正在组织大家参加比赛。
初衷
说了这么多，大家估计也不爱看，总之，有三还没有真的搞培训，现在真是为了培养学生攒人品组建团队，从中挖掘可以长期培养的。如果你要问我的商业化路线是什么，或许是VIP会员吧。
与大部分知识平台一样，东西有付费的有免费的，免费的肯定没有付费的好，我们的做法是每100个设置价格梯度，现在发售的是第一期VIP会员，共100名，价格999，有效期一年，报完截止。
VIP会员可以享受有三的私人服务，包括：
(1) 免费答疑，除了不帮忙写代码，一切问题都可以咨询讨论，必知无不言，言无不尽。不知的在合理和能力范围内会帮助进行学习。
(2) 以后所有个人出的视频学习资料第一时间免费共享，平台类的除外。
(3) 内部技术资料优先阅读，比公众号的免费资源更加详细。
(4) 每周末组织小型线下VIP会员研讨会，按主题讨论前沿技术，项目开发，地点灵活选择，异地直播。
(5) 其他待定资源，随着我们越做越好，价值自然是越来越高。
希望能解答一部分朋友的疑问，还有疑问可以随时问我，Longlongtogo。
往期精选
想要变身”AI专家“，就戳戳手指关注我们吧
别忘了点“好看”支持作者噢 👇👇👇