随着深度学习的发展与飞跃，2017 年对于开发者而言注定是不平凡的一年。
这一年，Facebook 发布开源框架 PyTorch，这一举措真正意义上将 Torch 移植到 Python 生态圈。背靠 Python 坚实的用户基础，PyTorch 为广大开发者们提供了一个新的选择。短短一年时间，PyTorch 为寻求建立一个灵活的深度学习研究平台而付出了自己的努力，并且也获得了令人瞩目的成绩。不可否认的是，目前 PyTorch 已经成为从业者最重要的研发工具之一。
而同样是这一年，Yoshua Bengio 的一封邮件宣布停止对 Theano 的更新，并即将在一年后正式退出历史舞台。在过去的很长一段时间里，于 2007 年推出的 Theano 都是深度学习开发与研究的行业标准，也是开源界「所有轮子」都值得参考和学习的对象。
作为所有机器学习框架中最受瞩目、普及率最高的一个，TensorFlow 在 2017 年迎来了多次迭代，也更加亲近入门者。当然，再好的开源框架也有缺点，TensorFlow 也一直因尾大不掉收获过开发者们「又爱又恨」的吐槽，但不可否认的是，群体大、资源广泛的它，依然是最受欢迎的开源平台。
在 2016 年正式被亚马逊 AWS 纳为官方深度学习开源框架的 MXNet，也在 2017 年持续更新。Alex Smola 向开发者们分享过他眼中 MXNet 的不可替代性，为的是要让「深度学习变得更容易」。而他的学生李沐也秉承「降低深度学习门槛」的使命，将一个最早怀着热情与兴趣做成的项目发展成为一个倍受瞩目的官方开源学习框架。
当然，2017 年随着深度学习的持续火热，开发者们对前沿的深度学习理论也同样保持着好奇心与关注度，甚至也希望自己能上手跟随教程完成一个小项目的开发。不论是 GAN 的持续演进、AlphaGo Zero 的兴起、《Deep Learning》书籍的发行，又或是深度学习模型在驾驶、声纹识别、安防领域的应用和算法实现……在雷锋网举办的一场场线上分享中，雷锋网学术频道 AI 科技评论惊喜地看到听众当中不乏求学若渴的开发者们。而除了开源框架的百花齐放、理论知识的层出不穷外，开发者们对于相关比赛的热衷也引起了雷锋网学术频道 AI 科技评论的关注。
「纸上得来终觉浅，绝知此事要躬行」，开发者们能将学习到的内容运用于实践领域，方能真正「出师」。时至今日，能在顶级开发类比赛上取得佳绩的开发者们，都能够骄傲地将这一战绩写进自己的求职简历中。而反过来说，这也凸显了企业对于开发类比赛的日趋重视——甚至，随着数据量的增加和各种条件的成熟，企业举办开发类比赛、开源数据集也已经成为一种风尚。从另一种层面来说，这类比赛也开始成为企业「圈人」的新模式。在走访多位开发类比赛的冠军之后，AI 科技评论希望能为后来者先行「填坑」，将过来人的成功经验更广泛地传播给新人，让团队在参与比赛的过程中收获成长，甚至有朝一日也能化身社区里被膜拜的「大牛」「大神」。
AI 科技评论回顾这一年开发界的大事小事，反思 2017 所做过的开发者采访与分享，更加坚定地相信，对于一个生态而言，开发者群体宛如活水，如果没有他们的活跃与贡献，这一平台很快就会枯竭。而在人工智能的浪潮下，不论是框架作者、赛事冠军得主，还是乐意分享开发心得的「老司机」们，这些开发者们的肺腑之言与经验之谈需要被记录，被留存，并整理为单独的一个特辑进行反复研读和思考。
AI 科技评论整理了 50 篇开发老司机们「填坑避雷」的经验之谈，这份 1067 页，大小为 60M 的大礼包尝试为读者们提供干货满满的阅读体验。
本特辑共分为三个子栏目：
首先是理论。
过去一年间，AI 科技评论不断报道与人工智能、深度学习技术相关的公开课程，邀请多个相关领域的资深学者，持续解读基础概念，为大家答疑解惑。该栏目涵盖深度学习以及相关应用和延伸，涉及自动驾驶、语音、医疗、人脸识别等方方面面。
在这个栏目中，您将看到：
百度、搜狗、京东等多个企业的研究员，加州大学伯克利分校、中科院等多所高校教授对深度学习概念的全面讲解，涵盖理论、原理与应用；
对 GAN，YOLO2，深度神经网络等知识的抽丝剥茧；
声纹识别、图像识别、自然语言处理，各自的发展与技术原理；
……
其次是工具。
开源平台与工具是开发者的必备利器，也是开发者社群无法避开的一个「大坑」，挖坑者前赴后继，填坑者也如过江之鲫，如何在其中兼听则明，汲取前辈们作为过来人的经验？而对于开源框架的作者而言，他们又是如何理解自己的作品，又是如何在开源框架的竞争中展示自己的不可替代性？AI 科技评论尝试与开发者群体们进行对话，尝试从不同的角度反映目前开源生态中每个群体该如何自处、如何定义自己的价值。
在这一栏目中，你将看到如下内容：
贾扬清是如何评价 Caffe2 的？
为什么亚马逊会选择将 MXNet 作为官方开源平台？它的不可替代性有哪些？
Theano 停止更新之后，开发者社群为什么说它是「功成身退」；
如何用 TensorFlow 亲手搭建图像识别模块，其中的小技巧有哪些；
阿里、腾讯、英特尔等企业是如何构造深度学习解决方案的；
……
最后是赛事。
在与人工智能相关的一系列比赛中，也能见到 AI 科技评论报道的身影。
2017 年，我们对多个数据科学类的比赛进行跟踪报导，涵盖 KDD Cup、ICCV 2017 COCO&Places 挑战赛、DARPA 挑战赛、京东金融全球数据探索者大赛等，内容覆盖冠军解决方案、赛事难点等多个层次，冠军团队包括微软、旷视等多家企业，清华大学、北京大学等多所高校。
在这一栏目中，你将看到如下内容：
谷歌为什么要收购 Kaggle，中国数据竞赛市场领军人物如何看待此事；
旷视在 ICCV2017 COCO&Places 两项挑战赛上都拿到冠军，其背后的技术原理；
KDD Cup 的交通预测题、亚马逊 Alexa 的聊天机器人比赛，冠军团队各自的经验之谈；
清华、北大、哈工大等多个冠军团队，在信息检索和生成、医疗影像、自然语言处理类比赛上的思路；
……
本特辑大小约为 60M， pdf 共 1067 页，可以说集合了 AI 科技评论过去一年来最精华的「开发干货」文章。囿于时间与精力所限，AI 科技评论在过去一年所覆盖的开发类内容报道仍然远远不能涵盖所有的开源框架及相关比赛的深度报道，但我们仍然希望能为开发者群体尽可能提供这样一份万花筒般包罗万象的特辑。当然，这也同样激励着 AI 科技评论在 2018 年持续关注开发者群体，为大家带来真正有所获益的报道内容。
温馨提示：本特辑包含大量图片，文件大小约为 60M，请在 WiFi 网络下在线阅读或在 PC 上打开本页面进行阅读下载（土豪请随意）
欢迎点击本链接或扫码购买：
正在生成分享图...
我在思考中