写给那些准备入坑机器学习、计算机视觉、深度学习等相关领域的人,包括:读研、转行等不同人群,同行勿喷 您所在的位置:网站首页 计算机专业考研方向可以是机器人吗 写给那些准备入坑机器学习、计算机视觉、深度学习等相关领域的人,包括:读研、转行等不同人群,同行勿喷

写给那些准备入坑机器学习、计算机视觉、深度学习等相关领域的人,包括:读研、转行等不同人群,同行勿喷

2024-07-13 13:04| 来源: 网络整理| 查看: 265

欢迎大家关注微信公众号:baihuaML,白话机器学习。

在这里,我们一起分享AI的故事。

最近有很多朋友包括认识的,不认识的人,像我打听关于入行计算机视觉这个行业的一些问题。觉得还是有必要总结以下,一方面跟大家唠唠这个行业在干什么,和其他行业有什么不同,准备入坑这个行业你需要做点什么等等,另一方面也算是整理个计算机视觉行业入门的基本资料分享给大家。在后续,我会整理一系列的文章,包括行业的一些分析,具体的案例,靠谱的理论分析,可以直接work的算法demo等等,也希望大家多多关注,多多投稿,我会认真的对待每一份稿件,合适的会有一定的红包奖励。希望,大家都能够积极的去分享自己的知识,有机会,可以和大家一起合作,做一些有意义的事情。

首先简单介绍下自己的学习工作历程,本科读计算机专业,期间参加了一些比赛和创新项目,积累了不少的经验和基础,后来大四保研之后,比较混,荒废了1年的时间吧(现在觉得,如果早点做研究,也许几篇顶会论文都有了,混得一定比现在更好)。后来研一,一边上课一边做web外包,又荒废了半年时间,到快过年由于导师引导,开始初步接触计算机视觉,之后,开始投入大部分经历在其中,现在做LBP算法,并用在图像检索中,后来转做reid,陆续发了几篇论文,所以后来的生活基本就是读论文+写文章+打游戏,刚开始论文看不懂,就看一些简单的还有一些硕士博士论文,后来渐渐入门了,也知道了什么样的文章是优质的文章,渐渐开始关注一些有价值的文章和一些问题,了解了不少行业大牛以后,知道跟谁的文章比较靠谱。再后来去了趟香港理工做RA,也算是出去见了见世面,不管怎么说吧,发文章的眼界变高了,但是。。。我也快毕业了,那时候,纠结过读博士还是工作,后来有海康的sp offer,就工作了,一直混到现在。

好了,这就是我的经历,从最开始的单纯的想做一个程序员到后来的学术经历再到后来的算法工程师的工作。讲道理,还是一切还是比较幸运和顺利。

现在结合我自己的经历和阅历,再来解答下许多朋友的疑惑:

1)不是计算机专业在读研的时候转机器学习、计算机视觉、深度学习、NLP等等,合不合适?

结合自己目前对行业的了解和已有的知识储备,我个人觉得,在做选择的时候,首先要考虑一下几点:1)你是否具备文献阅读、理解的能力,乐于并善于读文章,理解文章,并提出自己的见解,对于这些东西是否有兴趣,如果没有兴趣,那就算了,因为后续算法工程师的任务会和大量的英文文章接触,需要了解追踪最新的算法,并用于解决现有的任务,可能是目标检测、跟踪、语音识别、人脸识别等等,如果看到文章就想过,好难,虽然有很多中文的资料,但是它只能保证你作为一个初级的算法工程师,想做的好且优秀还是需要一些思考和过硬的实践能力的,当然,如果你乐于投入这些研究中,就算现在不具备这些技能,都是可以积累的,因此兴趣才是最重要的。2)自己的职业规划,如果你想进入互联网,做一些非机器学习算法的工作,比如前端、后端、分布式计算、嵌入式等等,那你的精力肯定是放在相应的领域中,至于是否选择这个方向,就看自己了。3)据我了解到,现在很多非人工智能,计算机专业的人,他们也在研究机器学习算法,有时候,你虽然学了交通,你可能还要用机器学习模型解决交通领域的流量预测啊等等任务,你可能选择经管,结果你需要用线性规划,SVM等工具去做一些管理学预测分析任务,就算是学医的,都有医学影像分析计算机视觉的任务等等,目前大多数课题,都是和机器学习多少挂钩的。。可能真的不好躲过它。。。至少读硕士是这个样子。

2)已经工作一段时间的准备转行做深度学习,合不合适?

另外,对于那些已经工作的,准备转行的,我建议看看我下来给出的一些入门基础和相应的课程,看看自己的精力时间、已经工作的年限,魄力,再去做决定是否跳槽。

3)准备入坑机器学习了需要储备那些基础知识?

首先,机器学习可以大致分为统计机器学习,优化理论,在加上现在的深度学习。

如果想入坑机器学习,前期要有大量的知识储备期是一定的,具体我列一个清单,包括了:

首先你需要掌握几种编程语言:python首选,然后是c/c++,然后是matlab,因为对于很多计算机视觉的任务,python和matlab写的源码会比较多,而工程实施有需要c/c++。所以这几门语言是必不可少的;入门课程: 首先是线性代数,看麻省理工的,你会发现和我们本科学得线性代数好像不太一样,这个讲解的更加容易理解!!不再是挺在做计算题的层次,是真的有用!!麻省理工公开课:线性代数_全35集_网易公开课斯坦福机器学习:斯坦福大学公开课 :机器学习课程,这个就不强调了,NG的课程,一般这个行业的都会学习下吧!张志华老师的统计机器学习,机器学习导论:http://ocw.sjtu.edu.cn/G2S/OCW/cn/TeacherDetail.htm?id=471,这个课程涉及到更加深入的统计机器学习理论,看完以后你会对概率论有更深入的了解!!周志华老师的西瓜书,这个对于机器学习整体的介绍还是比较基础的!!这本书,记得找工作时候,每次面试前都会看一遍!!进阶课程:这两本是字典一样的存在,每次写文章的时候都会翻一翻,把自己的理论拔高升级下,很难,至今很多没看懂。。! 矩阵论凸优化理论关于深度学习的东西,我主要是通过调试模型,熟悉的caffe,对于tensorflow则是通过keras了解和针对不同计算机视觉的任务,跑向应的模型,一点点熟悉的,后面我会针对这些东西更加详细的给大家介绍怎么用,目前比较好的书,我也不好推荐,自己主要是看一些博客了解的。你还需要读英文文献!!!关注顶会议,顶级期刊的文章:我是最计算机视觉的,关注的CVPR、ICCV、ECCV、IJCAI、AAAI、ICML等,期刊的主要是TPAMI、TMM、TCSVCT、TIP等等,另外,不得不提的就是arxiv,这里会有很多最新的工作,好多大牛在发表前都会丢在这个上面,每天刷一刷,作为你的日常!!最后就是追踪一些学术大牛!多看看他们的主页,看看他们满屏幕的顶会和顶刊的文章,一方面能下载到源码,另一方面,激励下自己,看看自己和大牛的差距,很多文章就是他们的学生的一作,了解了解自己和同龄人的差距!

最后,希望每一个准备入坑的朋友,能够从上面的内容中有所收获,并且找到自己的方向,多发paper!!!做产品的,把技术做好,用在工程上!!推动,智能社会的发展!!!另外,有人工智能、机器学习创业的想法,也欢迎和我一起讨论!!大佬们带我一起共同富裕!!

 

欢迎加入深度学习、机器学习技术研讨群!

745224003

欢迎关注我们的微信公众号:baihuaML,白话机器学习

关注知乎“会写代码的好厨师”



【本文地址】

公司简介

联系我们

今日新闻

    推荐新闻

    专题文章
      CopyRight 2018-2019 实验室设备网 版权所有