如果没有明确的兴趣点，可以看看现在的市场需要什么技能。比如未来的大数据、AR这些有可能需要3D方向的技能，可以去学习相关的技能迎合行业的发展。

　　AR 基础知识点：《你想知道的关于AR 设计的基础知识，这篇都有了!》

　　怎样一直保持对设计的好奇心和热情?

　　1. 基于兴趣，主动的去学习你比较喜欢的东西。

　　2. 是基于项目，很多时候我们学新东西是项目需要，被逼的去接受新的技能，这是最快的方法。

　　平时关注哪些内容来提高自己的设计水平?

　　一句话总结就是多看。

　　不要局限于自己所处的一小块领域，除了设计方面的内容，也要关注行业里的新动态，关注比如时尚、材质、布料、美妆，并从中提取一些认知，把这些都纳入你的认知库，认知越多你的设计灵感越多。

　　比如我自己除了设计领域外会关注智能硬件、玩具、电影、游戏，包括关注知乎上的心理学、金融这类话题。推荐大家基于兴趣，多看自己感兴趣的东西。

　　普通设计师应学习什么新技能以适应 AR，VR 的发展趋势?

　　可以多看看Unreal、unity 等游戏开发引擎。C4D、3ds Max、Maya 等 3D 建模软件要学起来。

　　职业规划和选择

　　怎么进入一家有发展潜力的靠谱公司?

　　大数据时代 ，掌握最有效数据的才是最后赢家。

　　如何判断leader是否靠谱?

　　靠谱的leader在面试的时候更期望全面地了解你，而不是一味地夸大自己和自己的团队。在工作中，好的leader会真的站在你的角度为你考虑，在乎员工的工作和生活上的需求，能通过自己可以调用的资源来帮助解决员工在职场和生活上的问题。

　　如何向老板有效表达自己的设计思想(说服老板不改稿)?

　　1. 多站在用户和老板的角度去思考

　　作为老板，接收的信息和看问题的角度是和设计师不一样的，主动问清楚哪里有问题，他的需求是什么。做设计需要注重前期与老板的沟通，抓住设计需求，在设计的过程中也要主动去确认去沟通，这样做出来的终稿被调整的几率就会变小。

　　2. 用数据支撑自己的设计

　　根据市场的大环境做分析，了解相关的产品，做相应的数据分析。严谨的去做设计，让设计有数据支撑。

　　3. 设计的思路

　　设计为什么这么做?怎么来的?这么做有什么价值?为什么别人没做或做不了，为什么我们做就有效?等等。把设计的逻辑梳理清晰，把整个思考过程用最直白、最简单的呈现形式展现给老板，这样会使老板更容易接受你的设计。

　　晓聚 II

　　本次聚会讨论的话题主要是：

　　人工智能在企业中的实践

　　设计师在感性和理性判断时如何做出判断

　　设计的执行、管理

　　人工智能在企业中的实践

　　大型互联网公司的数据部门在做什么?

　　算法，做人工智能。

　　业务部门根据业务内容使用大数据进行业务提升，探索商业变现。大数据是一种工具、手段，需结合产品才能最后面向市场。目前大部分产品还处于运用机器学习的阶段，根据软件或硬件算法推演用户画像，进行精准推荐。 神经网络算法目前更偏于学术，很少有部门直接做业务逻辑。人的认知起源类似于网状根系，接触不同信息碎片将其串联，形成有逻辑的认知结果，神经网络目前是最火的一种机器学习模型，而深度学习就是使用了深度神经网络的机器学习，又可以指一系列训练深层神经网络的算法。

　　公共交通使用大数据进行人流分析，地铁吞吐量，安排班次和商铺 属于一种较为基础的数据挖掘;

　　法院通过历史文书数据，根据裁决结果推荐律师，属于精准推荐;

　　自动驾驶对路况识别属于深度学习。前期准备充足的样本量，并贴上标签描述各种属性，识别车辆;

　　阿里鲁班设计工具拥有来自阿里和商家的海量学习资源，自动生成 banner 是深度学习的体现。商业化程度较高的业务尤为需要深度学习的支持。

　　深度学习和大数据的关系在于前者需要大量样本，后者具有这种属性。数据可以是多种类型：图片、语言等，语言是一种难度非常高的数据，语言之间有不同的思考逻辑，而且语言的使用包含大量「感性」元素，感性判断同样是深度学习的一大难点。

　　大数据挖掘有用数据，数据分析

　　机器学习通过数据训练的学习算法研究

　　深度学习属于机器学习，起源于人工神经网络。通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

　　相关链接：阿里的「鲁班」AI设计系统

　　设计师在感性和理性判断时如何做出判断

　　UI 中的插画有什么存在的必要?

　　插画能满足的诉求其实是难以验证的，一般的共识是：增加产品的感性部分。