学制指的是某个学位或者专业课程的学习期限,计算机应用技术学制2年意味着学生需要花费两年的时间来学习和掌握该专业的相关知识和技能。在这个学制内,学生将会经历一系列的课程、实验、项目和实习等学习环节,来培养他们在计算机应用技术领域的专业能力。
对于计算机应用技术这个专业来说,学制2年的意义是可以提供一个相对缩短的学习时间,使学生能够更快地了解和掌握计算机应用技术相关的理论和实践知识,以及相关的编程技巧和工具使用。这样的学制设计使得学生可以更早地投入到实践中,提前积累实际项目经验,为进入职场打下基础。较短的学制时间也可以吸引那些对计算机应用技术感兴趣,但又不希望花费太多时间和金钱的学生选择这个专业。
以机器学习/深度学习领域为例
1. 在原始的数据集上加一些噪声,例如随机遮挡,主要是根据具体的任务来增加噪声或扰动,不可乱来。如果它的精度下降的厉害,那你的思路就来了,如何在有遮挡或有噪声或其他什么情况下,保证模型的精度。(无事生非)
2. 用它的模型去尝试一个新场景的数据集,因为它原来的模型很可能是过拟合的。如果在新场景下精度下降的厉害,思路又有了,如何提升模型的泛化能力,实现在新场景下的高精度。(无事生非)
3. 思考一下它存在的问题,例如模型太大,推理速度太慢,训练时间太长,收敛速度慢等。一般来说这存在一个问题,其他问题也是连带着的。如果存在以上的问题,你就可以思考如何去提高推理速度,或者在尽可能不降低精度的情况下,大幅度减少参数量或者计算量,或者加快收敛速度。(后浪推前浪)
4. 考虑一下模型是否太复杂,例如:人工设计的地方太多,后处理太多,需要调参的地方太多。基于这些情况,你可以考虑如何设计一个end-to-end模型,在设计过程中,肯定会出现训练效果不好的情况,这时候需要自己去设计一些新的处理方法,这个方法就是你的创新。(后浪推前浪)
5. 替换一些新的结构,引入一些其它方向的技术,例如transformer,特征金字塔技术等。这方面主要是要多关注一些相关技术,前沿技术,各个方向的内容建议多关注一些。(推陈出新)
6.尝试去做一些特定的检测或者识别。通用的模型往往为了保证泛化能力,检测识别多个类,而导致每个类的识别精度都不会很高。因此你可以考虑只去检测或识别某一个特定的类。以行为识别为例,一些通用的模型可以识别几十个动作,但你可以专门只做跌倒检测。在这种情况下你可以加很多先验知识在模型中,换句话说,你的模型就是专门针对跌倒设计的,因此往往精度可以更高。(出奇制胜)