经过接近一年对深度学习相关知识的学习，应该算是粗浅的入了一个门道吧，

但是目前学着学着，越发觉得自己愈来愈无知，总觉得自己学的比较浅，很虚，像是飘着。

由于导师与师兄不做深度学习的研究，因此没有直接的学术传承，所以觉得自己像是在盲人摸象，一点一点的摸索着不知道是对还是错的东西。

通过近一年对深度学习的学习，概念与理论上感觉已经触摸到了自己能够达到的瓶颈，目前不知道下一步该怎么深入下去了。

因此现在的状态，只能在工程实践上摸索提升自身的契机。但是作为一名研究生，自然更希望自己能够在理论上能有较深刻的精进，因此在这里希望哪位前辈高人能够指点鄙人一下。

读万卷书、行万里路，也需要仙人可以指路。

本人目前研究方向是-图像描述：它是计算机视觉与自然语言处理交叉领域，旨在通过算法自动生成对图像内容的语言描述。

下面列出鄙人已经掌握的一些东西：

实践部分：

编程语言：Python

数据处理库：Numpy、Pandas、Matplotlib

经典机器学习算法模型调用库：scikit-learn

图像处理工具的基本使用：OpenCV、Pillow

文本处理工具：NLTK，jieba （这一块还不是太熟悉）

深度学习框架：Pytorch（主）、Keras(辅)

理论部分：

计算机视觉：卷积神经网络主要概念及其变体和相关改进模型。

基于CNN的任务：图像分类、目标检测(R-CNN系、YOLO系)、图像分割（U-Net、SegNet、DeepLab）

自然语言处理：循环神经网络模型结构RNN、GRU、LSTM概念以及主要变体。自然语言处理基本概念：分词、词袋、词嵌入表示

基于RNN的基本任务与相关概念：文本分类、机器翻译、语言模型

目前研二，马上研三。

希望接下来一年的时间里，能够在完善与跟进自身硕士毕业论文条件的前提下，对深度学习理论认知更深一些。其次也希望能够跟进一两项前瞻性研究方向的主要文献，为将来可能读博做一些准备。