深度学习计算机视觉求职面试

AI是目前就业中前景最好的几个领域之一,工作听起来高大上,工资很高,是不是有一种“名利双收”的感觉?
很多的同学也想进入AI行业,就开始进行相关的搜索,机器学习、深度学习…这些词汇最先进入到各位的视野。然后就开始搜索如何学习,一看到机器学习的算法,就被那些数学公示给难倒了,我当年也是这么干的,但是凭着数学功底还有一些硬挺了好久。
那些公式推导的我也是晕晕乎乎的,简直有点怀疑人生。但是我没有一条道走到黑,我就想找点代码看看这些是怎么实现的(理论很重要,但是现在的框架和库都将算法封装好了,我觉得不是做新算法研发的同学可以不用深究算法)。后来开始研究到了深度学习,这里没有机器学习那么多的复杂公式推导,因为有一定的图像处理基础所以选择了计算机视觉这个分支。
选择一个就业方向还不是为了“修福报”,马老师说的好,员工离职无非两个原因,“钱没给到位、心受委屈了”,但是第一条的明显居多。那我们选择计算机视觉方向,来看看各个平台给多少钱呢,下图就是在某招聘网站上找到的招聘信息,薪资待遇好的不得了。
深度学习计算机视觉求职面试_第1张图片
这么高的工资,要求各位应聘的同学具有什么样的素质呢?我们一起来看看招聘要求。
深度学习计算机视觉求职面试_第2张图片

总结起来主要是以下几点:
1、掌握常用的计算机视觉算法:图像分类、目标价测、图像分割等;
2、掌握常用的图像处理库:OpenCV等;
3、掌握深度学习框架:Tensorflow、Keras等;
4、有模型部署经验(或称实践经验、算法落地经验),包括模型优化(压缩、量化)。

看起来是不是觉得好难呢,No,No,No…
因为这些内容已经在这本书里面全面讲述了:
深度学习计算机视觉求职面试_第3张图片
让我们来看看这本书的目录吧,就知道这和找工作是多么的“无缝对接”。
深度学习计算机视觉求职面试_第4张图片
深度学习计算机视觉求职面试_第5张图片
深度学习计算机视觉求职面试_第6张图片
深度学习计算机视觉求职面试_第7张图片

***整本书的内容总结起来就是以下四个部分:

第一部分包括第 1、2 章,主要讲解深度学习基础和计算机视觉基础。本部分讲解计算机视觉领域的经典网络,这些网络是很多视觉算法模型的主干网络,用于特征的提取;还讲解常见的目标检测算法,有关的算法论文在介绍时都有指出,读者可以查看论文原文,了解更多的算法细节。

第二部分包括第 3~6 章,主要讲解基于OpenCV库的图像处理知识。对每个知识的作用点进行分析,说明OpenCV 中 Python 和
C++接口的详情,并给出多个应用案例,让读者能够清晰地看到图像处理的效果,增加对知识点的理解。

第三部分包括第 7~11 章,主要讲解计算机视觉中的实战项目。这些应用是计算机视觉方向的常见任务,有很多开源代码可供参考。本书在讲解时依照相同的结构讲解,包括数据预处理、网络搭建和模型训练三个模块,这些算法模型经过转换之后的应用效果在本书中也有介绍。在进行项目介绍时,本书对代码做了详细的注释,对于实现细节也做了追本溯源的讲解,让读者能够理解设计意图。

第四部分包括第 12、13 章,主要讲解模型的落地部署。本书基于 TensorFlow Lite 进行模型部署的讲解,选用此框架一方面是因为
TensorFlow 的受众较广、热度很高;另一方面是因为该框架在各平台都有对应的支持与优化加速,性能较高,文档完备,比较容易使用。本部分讲解部署中的模型转换、模型优化、部署中可能遇到的问题及解决办法,这些都是我在工程应用中的经验总结,遇到的问题也是在部署过程中亲历并顺利解决的,在此讲解是希望帮助读者少走弯路,以最小的代价实现自己的需求。***

四个部分的内容涵盖了现在计算机视觉算法工程师招聘的岗位要求,读者在阅读本书的时候,可以在理解案例代码后,研究知识点对应的原理,相信每位认真研究本书的同学都可以在计算机视觉领域大展拳脚,找到自己心仪的工作。

你可能感兴趣的:(计算机视觉,深度学习,Tensorflow,深度学习,机器学习,tensorflow)