2018好未来 AI 训练营完美落幕：一大波“AI+教育”人才正在靠近！

“随着科技的快速推进，传统教育方式在某些层面已经很难赋予我们适应未来的能力。”好未来 AI Lab 负责人杨松帆在2018年好未来 TAIL CAMP训练营上向学员们分享了他对教育行业的看法。在他眼里，随着科技发展速度不断加快，现今遇到的许多问题都没有先例，因此我们需要具备借助现有知识解决未知问题的能力。

教育问题是一个源头问题，它能够不断地产生复利，当更好的教育资源提供给教育的接受者，他们便能更好的生活，并且为社会提供更大价值。这样的良性循环过程无比重要。

好未来AI Lab负责人杨松帆
 

三大主题，1700人报名，8.5%的录取率
 

作为当下最为热门的技术，人工智能已经在互联网金融、自动驾驶、电商等多个行业推出方向明确的应用，但教育领域却没有对其足够重视。在杨松帆看来，这正是 AI+教育的机会所在。

因此，挖掘和培养有梦想的高潜科技人才，是好未来AI Lab一直思考和探索的AI战略之一，而TAIL CAMP正是实现这一战略的重要途径之一。基于好未来AI Lab在“AI+教育”方面的探索，这次的训练营聚焦于图像识别、自然语言处理和数据挖掘三个方向，吸引了来自卡耐基梅隆、帝国理工、哥伦比亚、清华、北大等海内外80多所高校，共计1700多名学生报名。

作为数据挖掘训练营的带班导师，好未来人工智能实验室算法科学家黄立东为学员们设计了与众不同的笔试题：数据挖掘方向的笔试题并没有考数据挖掘！在他看来，不管数据挖掘的算法多么“高大上”，最终还需要一行行的代码将其付诸实践。两周的时间或许足够学员理解一个机器学习算法，但是有一个良好的编程思维模式需要的时间远不止这些。所以在笔试部分，他着重考察了候选人的通用编程能力。

最终150名学员提交在线作业后成功入选训练营，录取率为8.5%，这几乎是美国常青藤学校的录取比例。
 

全英文阅读，实战演练，两周386份作业

在为期两周的训练中，好未来AI Lab负责人杨松帆和清华大学教授李国良等多位一线业界大咖悉心指导，帮助学员们利用训练营提供的在线数据分析工具，结合多个工业界开源数据集和TensorFlow/Keras/Caffe等深度学习框架，完成了多个准工业界问题的探索项目。

清华大学计算机系教授李国良

从第一天开始，学员们就不敢有丝毫松懈。尤其是刚开营的第一周时间里，许多同学一方面要熟悉平台和语言，另一方面要抓紧时间搭建项目，调整模型和方法。训练营的导师、志愿者和班主任都尽心尽力帮助学员们跟上进度。

“记得第一周截止的前一天晚上，班主任还打电话问我项目的情况。有一天晚上训练遇到问题时，工程师凌晨1点钟还在群里给大家答疑。”图像识别训练营的“优秀学员”陈汐对训练营贴心的导师和工作人员赞不绝口。

为了让学员们在两周的时间里充分吸取养分，好未来 AI Lab 的算法科学家在设计训练营的笔试、课程内容和课后作业时煞费苦心。作为 AI+教育的尝鲜者，他们比其他人更加深刻地认识到，除了写专利，发论文等在AI基础技术上的持续推进，AI＋教育人才最重要的能力之一就是解决技术在落地过程中遇到的各种难点问题。

为了培养学员与国际接轨的意识，黄立东导师特意准备了全英文的阅读资料。在设计课程内容时，他的出发点是希望大家对一个“小”的问题有足够多的认识，除了理解经典的推荐算法，更要了解数据挖掘的整个思路。

“数据挖掘并不是运行一个黑盒的程序，需要我们对数据本身有足够多的了解，理解每个算法的优势和劣势，了解如何去客观的评价每个算法，以及当算法效果不好的时候，知道去如何改进和提高。”黄立东说。

训练营的学员们学习热情超乎了想象。他们放弃寒假的休息时间，积极参与到与导师、助教和同学的互动讨论之中。结课时，150名学员一共提交了386份作业，训练营毕业率93.7%，并有多位学员申请了好未来 AI Lab 的实习机会，希望继续自己的 AI+教育之路。
 

跨界学习， 迎难而上，数据小白的进阶之路
 

好未来人工智能实验室算法科学家张无名全程参与了图像识别训练营的辅导交流。

图像处理技术是过去五年里发展最为快速的方向之一，张无名本以为，学员们应该有比较好的图像处理和算法基础，并熟悉现有的一些经典深度学习算法。

但让他意外的是，有相当比例的学员并非深度学习或图像处理科班出身。他们出于兴趣自主学习，基于自身的跨界学习能力顺利通过笔试并入选训练营，最终取得不错的成绩甚至获得了进入好未来 AI Lab 实习的机会。

此前毫无相关背景的王泽群就是这样一位“小白”学员。本科是能源动力专业的他现在是一名高中数学老师，报名参加了自然语言处理训练营。为了不落下功课，他每天学习15个小时，整整坚持了两周。

通过助教的指导以及与同学们的交流分享，他迅速成长，成绩从第一周的排名15上升到第二周的第3，他设计的自动评分作业可以完整覆盖主流方法，甚至还了尝试一些相对复杂的深度学习方法。

“收获非常多，从一个NLP小白，到能颇有深度给别人说一堆NLP的知识，我非常激动，感觉这两周没日没夜昏天黑地是值得的。”王泽群说。这次超出预期的训练营不仅让他弥补了知识的空缺，更给了他继续往自然语言处理方向深造的信心和期待。 
 

实战演练，友好竞争，AI+教育的落地探索
 

TAIL CAMP为学员提供了一个短周期，高强度，强反馈的学习环境。训练营没有传统的“教与学”的单线程教学，而是鼓励学员从解决真实问题的角度，主动学习和探索不同的路径和方案。通过这样全方位立体式的学习环境， TAIL CAMP希望给学员传递这样一种理念：只有主动的学习，才是有效的学习。

另一位自然语言处理训练营的优秀学员陈文帆在第二周的作业中琢磨如何设计一款实用产品。他甚至联系到了自己的初中英语老师，想将自己在训练营获得的知识现学现用，为老师写一个自动评分程序。跟老师沟通后他开始思考跨主题的模型、字数差异带来的影响等实际问题。

“教育是人类的永恒话题，但现在的教育不管是内容还是形式有过时的地方，所以我真心认同 AI+教育是教育改革的机遇。”陈文帆觉得自己这两周时间都跟打了鸡血一样，“TAIL CAMP 给我的2018开了个好头”。

在结营仪式的分享环节，被学员们提得最多的一个关键词就是“分享”。“有些看似基础的分类问题背后也包含了很多技巧。记得群里有同学分享了用不同激活函数和初始化得到的训练结果，也有同学使用迁移学习优化训练，大家的各种方法在交流中取长补短。”作为群里的活跃分子，学员陈汐真诚的表达了训练营这个互相帮助、共同进步大集体的看法。

好未来人工智能实验室科学家陈飞对这次训练营的形式和成果感到非常振奋：“我们能让更多的人了解‘AI+教育'是怎么回事，改变大家认为教育离 AI很远的认知，进而引入AI人才，改善AI人才都往纯技术领域扎堆的情况。 ”

2月13日是农历腊月二十八，也是2018 TAIL CAMP 实战训练营闭幕的日子。训练营为学员们颁发了“优秀作业”、“优秀学员”、“小蜜蜂”和“优秀志愿者”等奖项，同时为收到实习 offer 的学员送上了定制的贺卡和礼物。部分优秀学员代表在直播中分享了自己的所感所想。

“这次训练营跟我的想象完全不一样。”获得“优秀学员”称号的学员陈佳豪来自数据挖掘训练营。他原本以为这只是换了个名字的培训班，后来才发现这里更像是一场竞赛，并且潜伏着不少“大牛”人物。“有些小伙伴提到的思路真的是我从来没有想到的，让我感受到了交流和写作的魅力，能结交这些朋友是我在训练营的最大的收获。”陈佳豪说。

训练营结束了，但是好未来AI Lab 的人才培养之路仍在继续。“好未来AI Lab打造TAIL CAMP，以无偿的方式给更多人学习提升的机会，并为工业界提供开展AI课题研究的第一手资料，我们认为这样的文化更利于年轻的小伙伴们成长。”杨松帆介绍道，作为国内 AI+教育领域的领军企业，好未来在人工智能的人才拓荒上一直努力坚持，力争吸引更多的优秀人才进入教育行业。