【王俊杰de人工智能实战课】 第1次作业

时间：2022-12-10 16:30:10

  • Brief Guide

    项目 内容
    这个作业属于哪个课程 北航人工智能实战课
    这个作业的要求在哪里 第一次作业要求
    我在这个课程的目标是 获得机器学习相关的完整项目与学习经验；通过与人工智能行业的大牛们聊天了解行业不同方向的发展以便进行职业规划；为转CS积累基础知识并获得相关课程的成绩
    这个作业在哪个具体方面帮助我实现目标 跨出发博客的第一步，踏上成为技术大佬之路！回顾梳理自己的相关经历与未来展望
    作业正文… 【王俊杰de人工智能实战课】第1次作业
    其他参考文献… MarkDown排版介绍；[2019BUAA软工助教]第0次个人作业；Markdown语法图文全面详解(10分钟学会)

  • Main Homework

    • 想要达到的目标

      • 项目与学习经验

          正在接触一个机器学习的项目，但是项目不完整且没有很强的老师指导，项目进展慢且学习效率低。希望通过该课程的学习，完成一个能够上github的完整项目，跟着微软亚研的大牛们了解系统应用机器学习的过程。

      • 了解行业发展以进行职业规划

          人工智能实战课的上课老师们都是微软亚洲研究院的技术大牛们，并且从事着人工智能相关不同方向的工作。处于人工智能相关的前沿研究的大牛们站在一个很高的位置，对于人工智能的发展前景都有自己独到的见解。汲取这样的知识与见解对于未来的学习、职业规划都有着很大的帮助。希望能基于大牛们的认识再结合自己的兴趣点对于未来的职业前景能有更深刻更成熟的想法。

      • 积累基础知识并获得成绩

          目前的深造学习规划是转CS专业留美读研，有一定的CS相关项目经验，但是基础知识方面尚有欠缺，希望能够通过人工智能实战课的课程学习，补充一些CS专业的基础知识，以便更好地深造学习。同时，也可以获得CS相关课程的成绩与学分，对于申请学校有很大帮助。

    • 编程相关经历

      • 学习过的计算机语言：熟练掌握：Python、C++/C；较熟练：SQL；入门水平：Java 【Q：LaTex、Matlab、Verilog算不算是计算机语言/编程语言？】
      • 代码量：5k左右（Python占60%，C++/C占25%）
      • 更多关于我的相关经历见下一篇博客：/待填的坑/

    • AI项目

      【Q：什么是人工智能（AI）？可以理解为机器学习（ML）+大数据（BigData）吗？】

      • Need

          随着电脑计算能力的增加以及机器学习的发展，普通形式的验证方式越来越没法保护人们信息的安全。普通密码（password）容易遗忘，且密码形式太过单一，容易被破解；指纹识别、面部识别容易被获取指纹（面部）信息，且难以修改；钥匙、信用卡、手机（短信）等财产（property）验证手段容易丢失、被窃取；安全问题等知识性验证手段容易被通过大数据手段获取。希望能够开发一种新的验证方式，同时具有较强的复杂度、固有性（与个人本身的物理特征有关）、易改性、知识性以及易用性，且仍保持较低的错误率和打扰率。

      • Approach

          基于入耳式BCI设备获取人脑电波，以每个人对不同任务的响应脑电波作为及基础数据建立模型，识别当前用户所产生的脑电波是否符合模型。使用复杂网络结构存储模型，长时间高频采取某日常任务的脑电波数据更新该日常任务的模型，并以模型之间的关联作为更新其余任务模型的依据，以此在保持低打扰率的同时降低模型的错误接受率（FAR）。【本方案基于University of California, Berkeley CLTC 的研究数据与方法，已取得研究人员 Dr. Nick Merrill 的许可，有做出创新性的改进，若有疑问可以联系wjj19980108@outlook.com】

      • Benefit

          如上文所述，现有的验证方式难以满足未来的信息安全应用场景。而本验证方法无疑更能从多维度地反映出当前用户是不是对的人。复杂度：脑电波的大数据量+图结构的复杂性；固有性：针对不同任务时的脑电波、处于不同身体状态时的脑电波；易改性：可以改变针对同一任务（问题）思考不同的答案（如任务：想象游泳，则可以是*泳也可以是蛙泳）；知识性：只有自己知道在面对某一任务时答案是什么；易用性：只需要动动脑子就可以验证；低错误率：高频率更新人的日常状态，更加“针对”；低打扰率：通过（后台）更新日常任务的模型来更新其余所有任务的模型，不用经常要求用户花费时间更新模型
      特性 解释
      复杂度 脑电波的大数据量+图结构的复杂性
      固有性 针对不同任务时的脑电波、处于不同身体状态时的脑电波
      易改性 可以改变针对同一任务（问题）思考不同的答案
      知识性 只有自己知道在面对某一任务时答案是什么
      易用性 只需要动动脑子就可以验证
      低错误率 高频率更新人的日常状态，更加“针对”
      低打扰率 通过（后台）更新日常任务的模型来更新其余所有任务的模型，不用经常要求用户花费时间更新模型

      • Competitors

          很多巨头公司都有自己的验证方式方案，市场非常大同时也正趋于成熟。但随着机器学习和量子计算的发展，现有的身份验证方式一定会受到冲击，新型的身份验证方案会在冲击下有很大的机会重新清洗市场份额的分配。

      • Delivery

          作为身份验证方案内置在硬件设备（如手机电脑）、网页、app中。

    • 我的github账户

标签：

相关文章