1樓：licas
有乙個方向我是很感興趣，但目前這個方向自我感覺還沒有形成統一體系。 disentangled representation， 即特徵解耦。目前通過GAN來做這方面的研究是有一些的，但普遍沒有達到一些深度。
經常是通過半監督學習的方式，獲取未知特徵的分布表示。 寫的有點亂，並且沒時間寫一些有深度的東西。如果你感興趣，可以繼續交流。
2樓：raningtkyH
這段比較流行用GAN generate graph。可以generate graph，之後產生對應的分子結構或者蛋白質結構。據說西門子用這個合成類似的分子，效能和train的差不多。
我覺得GAN最主要的目的還是unsupervised learning，理解這個世界的representation的方式。
3樓：
碩士生我覺得還是做偏應用的研究好點，像從理論上改進GAN的生成效能等一些，不是說不可能，只是要求太高，能做出那樣的研究畢竟少數。
GAN如果和其他方面結合起來落地到具體應用還是很有前景，比如GAN和transfer learning中的domain adaptation結合起來做，可以做到互補，還是很有意義的。
會計轉行IT，如何轉行，轉行方向應該如何抉擇？
公眾號TMOOC 說實話，IT行業的工資是相對較高一些，但是付出跟收穫還是成正比的，一般來說，IT行業也會比較累！如果你是奔著高收入工作體面去的話可以考慮IT行業，但是想入行的話也需要有一些基本的知識儲備，0基礎的話自學怕是比較吃力，遇到問題也很容易放棄，最好的話就是報班學了。真的感興趣也可以看看這...
如何看待GaN在低壓功率器件上的應用前景？
陳迪 在低壓領域 100V以下 GaN和Si比有開關損耗和功率密度的優勢，但是很難在短期內替代Si MOSFET。現在低壓的Si MOSFET已經做的非常好，在成本上有很大優勢，而且已經做到比較高的開關頻率。所以除非是特殊的應用需求要求極高開關頻率，否則GaN很難在低壓領域上打敗Si。所以你也能看見...
作為乙個大一的學生，想走大資料方向，應該如何準備？
劉明昭 才大一，不用過早介入具體技術中去。外圍多關注多了解行業情況就好。關鍵還是學好基礎，比如數學 資料結構 程式語言等等。大一大二這階段，基礎比什麼都重要。 chenbo 數學英語等公共課要學好作業系統網路程式語言資料結構演算法這些課程是重點至於大資料都是這些基本知識的深入總之基礎最重要多學習多實...