第三阶段心得体会  + yujingv + qzforyou阶段3主要是案例项目实战，包括综合实战演练，发票报销机器人开发ocr组件的能力调用和App小程序开发。通过这个阶段的学习，感受到了华为WeAutomation的强大功能，同时也熟悉了rpa项目开发的基本流程，通过十一章综合实战演练，掌握了从网页表格数据信息抓取，到信息整理录入到excel中，最后将结果通过邮件发送到指定邮箱的完整流程，虽然示例不算复杂，但对于接触rpa不多的我来说，也算是一个小的综合练习了，把前几章的课程内容掌握了以后，综合起来才能完成这个实战案例。发票报销机器人的流程还是非常复杂的，也是一个实实在在的应用案例，通过学习整个案例流程，对于rpa的开发有了更深层次的认识，或许目前我还不具备开发这么复杂流程的能力，但通过这个报销机器人开发的项目，我熟知了rpa项目开发的真实流程和开发模式，也体会到了华为rpa的强大功能。十三章和十四章的内容个人感觉不是很好，整理的不太系统，通过这两章的视频学习，对于app小程序开发只是有点初步的认知，未能掌握相关的开发能力。

第二阶段新的体会 + yujingv + qzforyou通过第一阶段的学习，对于WeAutomation有了最基本的认识，进入到第二阶段以后，系统学习了和项目开发相关的一些内容，包括变量数据类型和控制流，网页自动化操作，excel和数据标操作，word/Email自动化，这些内容在rpa项目开发中非常实用，是日常办公的经常操作的内容。变量、数据类型、控制流是软件开发的基础内容，华为WeAutomation中支持Boolean、Number、String、Object和Array，覆盖了开发过程中的常用数据类型。可以定义全局变量，这些变量在各个功能控件中可以引用，变量的引用格式是 @{变量名}。学习了赋值控件assign，还有eval计算表达式控件。第六章是常见数据类型的使用，包括字符串操作，List操作，Dictionary操作，Datetime日期数据操作。控制流中主要学习了分支语句和循环语句。网页自动化操作中，主要学习了元素获取WebSelector，网页中图像的相关操作，以及网页表格数据的获取getTable，网页元素的单击click，文本输入type，网页文本获取getType。在练习过程中，可以顺利的使用各个控件完成demo案例。Excel操作章节，学习了Excel的常见操作，包括打开文档，写单元格/区域，读单元格/区域，工作簿表的保存，在excel的操作中，首先要先关闭已存在的excel进程。 WeAutomation还有更强的控件，比如excel透视表的生成，自动数据筛选，运行excel宏等操作，这样就可以完成更多更高级的excel操作。Word自动化中，学习了word的常见操作，打开文档，读取文本，替换文本内容，替换图片等操作，替换图片时要先给图片加上tag标记。Email自动化练习过程中，碰到一点小问题，最初使用的是sohu的邮箱，pop和smtp都是使用的协议和默认值不同，需要修改为简单的smtp，端口调整为110和25，经过测试后使用成功。邮件自动化处理过程中，特别要注意的事情是密码，密码为邮箱授权码，不同邮件服务商的申请方式不太一样。

阶段1 + yujingv + qzforyou 学习心得RPA是机器人流程自动化，是利用机器人技术来实现业务流程自动化处理，是近年流行起来的新处理技术，是提供数字生产力的有效工具。通过第一阶段的学习，体验到华为WeAutomate是一个非常好用的RPA工具。第一阶段主要学习了WebAutomate的介绍，RPA工具的安装，网页录制和应用程序录制，变量和数据类型。根据训练营课程的指导，顺利安装了华为RPA的Studio，并简单熟悉了一些Studio的界面，进行了控件拖拽和简单案例的练习，相比较其他的RPA产品，华为RPA Studio界面简洁明了。网页录制学习过程中，还是碰到了一些小问题，主要是Web驱动和浏览器插件的安装。在WeAutomate Studio设置界面的Web驱动项目中，Studio已内置了Chrome驱动，但驱动版本太低，需要自行下载（http://chromedriver.storage.googleapis.com/index.html）和安装和chrome浏览器匹配的web驱动。chrome插件的安装也碰到一点小问题，自行百度后根据网上的指导步骤（https://jingyan.baidu.com/article/f54ae2fcc555855f92b849f4.html）进行了安装。应用程序的录制相对来说就比较顺利了，自行练习了计算器的录制练习，但对于微信等复杂节目的程序信息的获取还是没有掌握。变量和数据类型部分和python基本一致，可以使用eval和assign两个控件对于变量赋值，区域在于eval支持表达式或者程序语句的书写。

1、 您希望机器人能帮您实现哪些场景的自动化？从本地文件（excel）将数据录入Web系统中。自动提取网页中的内容，用于数据分析。2、 您希望华为RPA有什么功能，以便更好的使用？OCR、机器学习、NLP能力等3、 您是否接触过RPA产品？若有，开发过程中，最常遇到的问题是什么？接触过UIPath、Automation Anywhere，艺赛旗等，碰到的问题是网页元素获取失败，验证码自动识别等问题。4、 您希望在学习华为RPA产品过程中，得到什么样的帮助？熟悉rpa工具的使用，掌握rpa开发的多场景全流程。

华为云ID： yujingv  第一章企业应用最广泛的AI案例开发：OCR文字识别 笔记第1章 企业应用最广泛的AI案例开发：OCR文字识别1.1 OCR介绍1. 概述2. OCR介绍3. OCR完成流程4. 文字区域检测5. 字符识别6. OCR相关的开源资源7. OCR面对的挑战 1.OCR简介   OCR光学字符识别   发展时间较长   使用普遍 2.OCR流程   机器学习   图像预处理：去噪、灰度化、图像增强等   文本检测： 滑动窗口算法遍历整张图片   字符分类： 划分单个字符，识别单字   深度学习方法   文本区域检测：将图片中出现的文本位置检测处理，可能存在不同语言，不同文字大小，不同角度倾斜，不同程度遮挡等情况     CTPN：CTPN网络结合了CNN与LSTM深度网络，通过固定宽带的anchor提前proposal，能有效的检测出复杂场景的横向分布的文字区域，不定长度文本识别效果较好，是目前使用广泛的文字检测算法。     EAST：网络分为三部分，特征提取，特征融合和输出层     PixelLink： 采用了实例分割的方法完成文本区域检测，通过将统一实例中的像素链接，通过链接区域分割出文本实例，然后从分割结果中提取文本边界框，进行回归计算。   字符识别算法：将文本区域的字符识别出来。通过深度神经网络对目标区域进行特征提取，然后对固定特征进行提取和比对，得出识别结果。     CRNN+CTC： CRNN卷积循环神经网络，将特征提取，序列建模以及转录整合到统一的模型框架中。CRNN网络分为：卷积层、循环层和转录层三部分，CTC为无词典的转录方式，不会被局限在预定义词汇范围中。  6.OCR相关的开源资源    Tesseract      2006年开源的光学字符识别引擎，因为开源使用以及精准的检测效果，Tesseract的使用十分普遍。    MNIST 手写数字数据集      MNIST数据集包括了大量的手写数字图片，包括6万张训练数据集和1万张测试数据集，是广泛使用的开源数据集之一，很多深度学习任务的入门练习数据集。    COCO-text      包含日常生活里复杂场景中的文字，数据集提供了边界框的位置，区分了打印文字和手写文字，清晰和模糊的文字，文字的内容等标注信息，数据集包括了超过173,589标注了的文本区域，超过63,686张图片。    CTW中文街景数据集      数据集中包含了32285张图片，共计1018402个汉字，3850个汉字类别。标注信息包括了 文字行的边界框 文字单字的边界框 是否遮挡，扭曲 是打印文字或者手写文字等  7.OCR面临的挑战    汉字字符识别      汉字字符的识别难度相比较英文字符要更大，字符的识别过程可以近似为分类，引文字符的分类数远小于汉字单字的数量，所以分类的难度更高。除此之外，多语言混合也是字符分类任务中的挑战，字符识别更加复杂。    手写字符识别      印刷字体遵循固定的规则，而手写字符的识别相比较就更加复杂，每个人的书写习惯都不同，同一个人书写同样的字符也不完全相同，识别难度大大增加。    小结：     OCR机器学习和深度学习对比，了解了OCR的实现步骤以及算法1.2 华为云OCR服务调用指南  第一步： 准备工作    python + pycharm  第二步： 申请服务  第三步： 下载SDK      第四步： 配置SDK    OCRDemo.py    /v1.0/ocr/generla-text  第五步：运行案例1.3 CTPN+CRNN 算法端到端实现文字识别目录  1.OCR简介  2.CTPN与CRNN  3. 动手实践OCR简介  OCR光学字符识别    发展时间较长    使用普遍OCR流程  深度学习方法  文字区域检测：将图片中出现的文本位置检测出来，可能存在不同语言，不同文字大小，不同角度倾斜，不同程度遮挡等情况。    CTPN          字符识别算法：将文本区域的字符识别出来。通过深度神经网络对目标区域进行特征提取，然后对固定特征进行提取和比对，得出识别结果。CTPN  网络结构    CNN-VGG16    RNN    FCCRNN  卷积循环神经网络  卷积层 特征提取  循环层 深度双向LSTM  转录层 将RNN输出做softmax完整的端到端OCR流程  了解了文本区域以及字符识别后，下面详细讲解完整的端到端OCR流程：   （1）准备一张含有文字的原图；   （2）对原图进行文字位置的检测，检测结果可能是水平矩形框，也可能是倾斜矩形框；   （3）从原图中把文字框对应的图片切下来，并旋转正，得到水平的文字块切片图；   （4）对每个文字块切片图依次进行字符识别，每个切片图的识别结果汇总起来，就得到原图的文字识别结果。   因此完整的端到端OCR流程是：输入原图 -> 文字检测 ->文字块切片 -> 字符识别 -> 识别结果汇总。动手实践：  本次案例地址：https://modelarts-labs-bj4.obs.cn-north-4.myhuaweicloud.com/notebook/DL_ctpn_crnn/DL_ocr.zip

华为云ID:  yujingv   第二阶段考核任务打卡：

题目的答案似乎和课程里面讲的不一致，录制的课程里面明确说fastercnn常用于自动驾驶，yolov3的精度相对比较差。

一站式解决AI开发从数据标注到模型部署上线的全部流程，内置了图片分类、物体检测、预测分析、文本分类、声音分类等几大常用的AI应用场景，支持主流的AI开发框架，解决了开发框架部署的繁琐工作，做到即开即用。另外，还有巨大的后台算力，以及较多的免费测试算力，能想到的就这么多。

把数据集文件放到可以公网访问的某台服务器上，在notebook里面编写shell代码（用wget或者curl命令）直接下载数据集即可。