Datawhale团队
团队：Datawhale优秀助教
「运营助教」
「专业助教」
学习的引导者，和学习者的榜样
01
厦门大学 霍潇潇
02
宾夕法尼亚大学 韩非江
Datawhale AI夏令营给我带来了宝贵的成长经历。从第一期大模型赛道的学习者，到第二期机器翻译赛道的专业助教，再到第三期参与部分教程的创作，我逐步从学习者转变为贡献者，希望为开源学习社区贡献自己的力量。作为助教，我需要在学习者的基础上进行更深入的思考和实践，以解答其他学习者的疑惑。这种深入的思考给我带来了比单纯作为学习者更多的收获。具体而言，我将夏令营带给我的收获分为三类：
1. 多样的下游任务促进了我对同一种理论的深入思考。作为一个AI方向的研究者，我选择了和我目前研究方向接近的赛题（NLP、LLM）。通过在不同下游任务中验证之前学习过的理论、模型、技巧，我积累了一些直观的经验（例如同一种模型有不同的适用场景；深度学习并不总是比传统机器学习好；Transformer训练很难还容易训不好；大模型高额开销一般实验室做不起；大模型不适合做回归任务......）。此外我也锻炼并积累了许多工程经验，例如处理数据、微调大模型，解决模型不收敛问题等。这些实践经验的积累比单纯通过书本学习知识更为珍贵。（不要惊讶，我只参加了两期夏令营，真的干货满满！）
2. 成为助教让我有更多动力学习新知识。其实我之前研究领域的并不是NLP，因此也没有动力深入学习Transformer这些经典模型。不过作为机器翻译赛题的助教，为了回答其他学习者的可能的疑惑，我在开营前一周我就被“反向激励”深入学习了Transformer/Mamba/KAN/RWKV。如果不是担任助教，我可能暂时不会有如此强烈的动力去学习这些知识。非常感谢Datawhale能无形中推动我将原本用于刷视频的时间转化为提升自己的宝贵机会。
3. 跨领域的实践让我有了新的科研idea。我发现在其他赛道中使用的某个主流方法的实验结果非常差，而我目前研究的方向使用此方法也有类似的问题（之前大家都使用这种方法）。因此我就针对这个问题提出了一种新的方法来优化，并成功解决了这个问题（又能水一篇了嘿嘿^_^）。Datawhale AI夏令营每期都会有多个赛道，如果时间和精力允许，我建议大家可以多参加几个，不同领域的实践经历可能会激发新的思考和创新！
最后，我认为无论是专业助教还是运营助教，都需要同时了解技术和运营。为了激发群内参与者的活跃度，我们需要站在学习者的角度思考AI夏令营的价值，并让学习者相信认真参与夏令营能获得足够的收获，包括有形的（如证书）和无形的（如知识、能力）。大多数同学可能是通过公众号或朋友圈的宣传而来报名的，他们希望通过夏令营入门某个领域，提升自己的能力，或获得证书和实习证明来丰富自己的背景。如果仅仅让所有人按照完全相同的指南完成一系列任务，可能会让一些人感到失望（入门失败了、对能力没有提升……）。
为此，我们可以考虑在报名初期通过调查问卷的方式统计参与者的预期目标，针对不同目标的群体提供差异化的服务，以激发他们的学习热情。例如，对于想要入门的同学，我们可以明确提供适合初学者的博客和网课资源链接；对于想提升能力的同学，我们可以在后期组织上分交流会，让他们参与并分享，并评选出优秀学习者；对于想获得证书的同学，我们可以让他们直接与助教联系并提出请求，重点关注他们的笔记和表现（当他们做出最初的承诺后可能会表现得更加积极，从而带动整个群内的学习氛围）。
03
甘肃政法大学 陈辅元
04
桂林电子科技大学黄煜
首先，非常感谢Datawhale这次的夏令营让我有机会当上专业助教，其实我也是第一接触机器学习的比赛，作为一个小白，我确实没办法很多专业的的知识面上帮助到各位学习者，我只能尽我所能为大家的学习提供帮助和便利，调动大家的积极性，在这里我非常感谢我的搭档陈杰豪和李雨芹，他们强大的运营能力和高水平的专业知识让我自愧不如，我只能努力向他们学习，他们也教会了我很多运营和专业知识，真的非常幸运能和他们合作。还有赛道负责人孔娅妮，我犯了很多新手的错误都是娅妮姐帮我纠正的，她还帮我们解决了很多问题，真的非常感谢她。还有我们的学习者，是他们积极学习的氛围感染了我，让我真正入门了机器学习，在这段时间我们一起学习、讨论，也让我领悟到夏令营学习魅力所在，就是让大家聚在一起，共同进步。还要真心感谢Datawhale提供的这个平台，能让我们这里相遇，一起学习，一起进步。最后，感谢大家，感谢所有努力进步、热爱学习的你。感谢！
05
桂林电子科技大学 蒋馨怡
06
北京工商大学 张宏博
07
河南师范大学 刘晓
08
青岛滨海学院 张亚萍
09
太原理工大学 韩佳璐
10
吉林大学 陈丽群
AI夏令营第二期 机器学习方向
扫码或点击阅读原文可申请加入我们
