今天是 2018 年的最后一天了，照例还是需要对今年做个总结的！

2018 总结

1. 工作

今年其实是分两个阶段，上半年还是研究生的最后半年，努力的赶完毕业论文，顺利通过了盲审和毕业答辩，也算是给自己的学业生涯画上一个圆满的句号，虽然半年后看来，我的学生生涯过得只能算是普普通通，特别是关注很多大神的公众号以及加入一些知识星球后，才明白之前的自己真的是井底之蛙，认知见识太浅，需要学习的东西太多了。

下半年是开始第一份工作--算法工程师的工作。目前工作上只能说还有很多东西需要学习，比如最近的工作内容就是和 GAN 有关系，所以开始大量的阅读相关的论文和对应的实现代码。

同时，周围同部门同个算法小组的同事都非常的优秀，这给自己真的是非常大的压力，特别是如果同事还比你年轻好几岁，压力更大，总是在想之前那么多年究竟都干什么去了！

2. 学习

开始工作后，对于自我的提升有更大的紧迫感，一方面需要自己赚钱养活自己，同时也要开始承担赡养父母的责任；另一方面当然也是周围优秀的同事，优秀的同学带给自己的压力了。

为此，一方面是8月份开通了微信的公众号，以此激励自己多看书多输出，但目前四个多月来看，这个效果还是不太明显，需要明年继续加强；另一方面也是开始多看书，多做计划，每天列出三件优先完成的事情，每周会做一个周总结，做一个复盘。

但这两方面目前效果都不好，原因还是自己的自律问题，也是之前本科开始就养成的不好的习惯吧，不够努力，对自己也不够狠，以及也常常花时间在看小说和追剧方面了，这也是 2019 年希望改正的。

3. 公众号

8月18日开通公众号，其实是比较晚了，之前虽然关注很多公众号，但并没有这个想法开通，现在开通后，也就因为时间问题导致公众号没能有留言的功能，所以，早就是优势，这句话真的是越来越有感同身受了。

开通四个半月吧，目前总共写了有 22 篇文章，转载了 1 篇文章，这也验证前面说的不够自律，写的数量太少，而且其中还多数是分享一些教程、电子书等资源的文章，学习笔记是比较少的。

这里也给写过的文章归纳整理下：

GAN 学习系列

• [GAN学习系列1]初识GAN

• [GAN学习系列2] GAN的起源

• 谷歌开源的 GAN 库--TFGAN

• [GAN学习系列3]采用深度学习和 TensorFlow 实现图片修复(上）

• [GAN学习系列3]采用深度学习和 TensorFlow 实现图片修复(中）

• [GAN学习系列3]采用深度学习和 TensorFlow 实现图片修复(下）

资源分享系列

• 推荐几本数据结构算法书籍和课程

• [资源分享] Github上八千Star的深度学习500问教程

• [资源分享] 吴恩达最新《机器学习训练秘籍》中文版可以免费下载了！

• [资源分享] TensorFlow 官方中文版教程来了

• 必读的AI和深度学习博客

• [教程]一份简单易懂的 TensorFlow 教程

• [资源分享] 推荐两本电子书

• [资源]181个Python开源项目分享！

• [资源]基于 Pytorch 的 TorchGAN开源了！

机器学习入门系列

• 机器学习入门系列(1)--机器学习概览(上)

• 机器学习入门系列(2)--机器学习概览(下)

Vim 学习

• Vim 快速入门

TensorFlow 学习系列

• TensorFlow 加载多个模型的方法

实战系列

• [实战] 图片转素描图

• [实战]制作简单的公众号二维码关注图

---

2019 展望

明天就是 2019 年了，新的一年也就有的新的目标，嗯，新的 Flag：

1. 工作方面是希望继续努力，完成手头上的两个项目，努力追赶身边优秀的同事和同学！

2. 学习方面，这里也要立个大大的 Flag，希望能读完至少 20 本书，并且保证一半是技术类书籍，每完成一本，还需要至少做好思维导图，以及学习笔记！

3. 公众号方面，希望能从目前每周两篇文章逐渐过渡到每周5篇，乃至日更！目前关注的人数也仅仅300人左右，希望明年这个时候可以达到5000+吧。

还有就是对于公众号目前会更新的系列包括：

1. GAN 学习系列，这是会继续更新，一方面是对论文的学习笔记，另一方面也会继续翻译国外的一些文章；

2. 资源教程系列：遇到不错的资源和教程，继续分享，保证一周至少分享一次；

3. 机器学习系列：其实开始写的两篇文章都是机器学习方面，但后面搁置了，现在会重新开始，当然因为手头上有不少有关机器学习方面的书籍，希望做个归纳总结；

4. 数学系列：最近在极客时间上学习，所以也会不定时更新学习笔记；

5. 实战系列：作为程序员，多敲代码是有必要的，所以这个系列也是会继续更新！

---

最后，也预祝大家 2019 年身体健康，心想事成！

欢迎关注我的微信公众号--机器学习与计算机视觉，或者扫描下方的二维码，大家一起交流，学习和进步！