由於小弟感覺大概跑不完整個內容，所以目前大致上是會做幾的比較重要的方向的內容跟Demo，目前修改的目標如下：

之後大概會是實做下列幾個方向的應用：

(ㄧ)幾個較為重要的算法原理跟實作介紹:

1.ResNet(13)
2.RNN(14)
3.LSTM(15)
4.TRANSFOREER(16,17)

(二)較為完整的實作專案:

1.物體檢測相關(18~24)
2.大模型相關(25~30之後)
3.圖像生成相關(專案超額完成的話會做的)

以下大概是鐵人賽完畢後會抽空實做的專案方向(盡可能每週都做一個玩具級的)
4.時間序列(金融方向)分析
5.重寫分佈式爬蟲
6.本地端的程式碼生成大模型
7.本地端的圖像生成大模型插件

以及根據找尋工作的需要來編寫開源的項目。

下面是我知道的機器學習/深度學習方向：

機器學習類的內容：
1.常見算法原理和應用
2.金融相關應用
3.數據分析應用
4.相關的項目應用
5.強化學習(包含深度學習下的強化學習)

深度學習相關的內容：
1.較為常見的算法(CNN,U-net,RNN,LSTM,Transformer,Stable diffusion)
2.電腦視覺方面(經典(OpenCV),物體檢測(Yolo),圖像分割,目標追蹤,
缺陷檢測,無人駕駛, 醫學方面的應用)
3.自然語言處理方面(經典(在深度學習前的),自然語言處理
(RNN,LSTM,Transformer),大模型的應用,Huggingface)
4.語音方面的
5.NLP x CV x 語音等多模態的深度學習交叉領域(Stable diffusion,CLIP 等等)
6.結合深度學習的推薦系統
7.Auto ML 相關套件與應用
9. 自監督,半監督方面的算法跟應用
10. 邊緣模型的部署

應用大模型相關的框架和內容
1.Langchain, LLM app自動化相關應用
2.開源大模型以及Open AI API 的應用(提示詞工程, 知識庫, AI Agent, 微調 Lora,PEFT,RLHF,RLAIF)
3.AI繪畫,漫畫, 影片開發應用
4.AI生成程式碼的應用
5.數個多模態 Agents 的應用？
6.邊緣大模型的部署？

我覺得之後軟體 Agent 和實體方面的Agent(可以想像成有著大模型(雲端+本地)的機器手,機器人或車子)大概會出現跟商用，感覺有蠻多的論文跟創業目前都在做這些東西了，感覺還挺有看頭的，沒有要創業的相關從業者有時間多學一點，搞不好之後老闆要找人做相關的東西時就派得上用場。

現在都有能寫部分程式碼的 ChatGPT了，很難不想像那些大公司不使用自有的資料以及開源的大模型去開發一個專門畫電路, 優化決策的大模型，感覺先做出來的會很有優勢就是了，畢竟只要有機器，就有模型能24小時幫你優化電路設計，人類只要負責調優模型跟檢查成果就好了。另外目前真的也越來越多的軟體有內置大模型相關的功能就是了。

另外除了半導體業外，或許會有更多專有模型的出現就是了，像是室內設計,商品設計,佈線, 以及各式各樣可收集資料並且訓練成模型的地方我覺得都有可能，當然；這也只是我的偏見就是了。

或許以後很多事情都能 跟 Agent一起或直接讓 Agent 寫程式自動化，然後收集資料跟label也能訓練一個 model 去做，當不能使用程式的方式去自動化的地方, 或許就能訓練一個 model 並包裝成 Agent去實現該功能。