总结之前的技术积累 和 2020年的任务

技术更新变化太快,要不停的学习才能不断的进步。

update

1,机器学习需要加强一下,

2,搜索方面的基础知识。搜索算法,搜索引擎,elasticsearch

3,推荐系统,推荐算法,大数据。

4,NLP

5,KG

6,基于深度学习的推荐系统推荐算法模型。

7,基于KG的推荐系统。

8,java,sping,sping boot,spring cloud,大数据。

---------------------------------------------------------------------------------------

当前的技术积累:

Devops: git ,repo,gerrit,jinkens,开源工具和架构,这块已经有深入理解,并熟练应用在敏捷开发中,属于同行中顶尖水平。linux-shell,python

嵌入式开发:linux,arm嵌入式,bsp,makefile,android架构,等等。语言:c,c++。

通信(手机卡开发,5G IoT,后续方向是5G AIoT):2345G,重点关注5G。 尤其擅长对高通平台,MTK平台的modem协议,RF 驱动框架,射频天线tuner调试。熟悉android平台的BSP,屏幕,TP,camera的调试。 通信方面可以定位为-资深无线通信协议专家。

人工智能:机器学习,深度学习,计算机视觉,图像识别,人脸识别,目标检测,图像分割, PCL, openpose,数字图像处理halcon/opencv, openGL。

2020技术积累的任务和方向:

深度学习:语音识别,NLP,语言合成,语音机器人。MFCC,FFT。

无人驾驶和无人机方向: 视觉SLAM,激光SLAM,点云。

机器人以及机器感知方向:ROS,视觉SLAM,点云,激光SLAM。树梅派+ROS相关知识的学习,达到创客的水平。

硬件:加强硬件电路设计,加强硬件理论基础学习。为后续机器人AI和无人驾驶AI,嵌入式AI等等方向转行铺路。

Platform: tensorflow, caffe, pytorch, cuda/cudnn, openCL.

今天调整一下后续发展和技术积累的方向:

在NLP方向,把整个NLP,中文NLP技术梳理一下。word2vec词向量,CBOW,Skip-gran,n-gram,elmo,glove,transformer,注意力机制,bert,GPT2  GPT3

知识图谱,

在语音识别和语音合成方向,要继续梳理。语音识别: kaldi,htk。

在ROS方向,要熟悉机器人操作系统,熟悉程度要达到android水平,技术理解甚至要超过android。

在SLAM,3DCV方向,要理解slam的原理,对定位和3d建图,bundlefusion,点云,3d相机,李群李代数,非线性优化,回环检测,等等。都要有深入理解。bundlefusion on linux /ubuntu.

pointnet ,pointnet++, pointSIFT, RANDLA-NET

在图像处理和CV方面,继续深入学习,ssd,yolo,人脸检测等。seetaface2,seetaface6, facenet, insightface, 3DCV,.. openpose, rt_pose...

 

java/BigData/Cloud--->

Java,j2ee, springboot springmvc mabatis zuul feign eureka Oauth2 redis Mq Aop mysql.

hadoop, spark,scala,kafka.  etc.

j2ee, springboot ,springcloud,

big data, KG, neo4j.

 

---------------------------------------------------------数学基础以及专业基础-------------------------------------------------------------

数学基础:高等数学,线性代数,概率论和统计,(通信类的数学基础:复变函数,信号与系统。)李群与李代数。微分流行。微分几何。 数学基础的任务是要达到理解这些科目:热力学,电磁学,经典力学,通信原理,相对论,量子力学。理解机器人控制理论和无人驾驶视觉SLAM技术等等为目标。

研究生专业:计算机应用技术,计算机原理,电路原理,数字电路,模拟电路,通信原理,数据结构,离散数学,随机过程,算法导论,,tensorflow,caffe,karas,java,android,c,pyhon,linux,ROS。

图像处理:数字图像处理,OpenCV,Halcon,OpenPose,视觉slam。在通过数字图像处理的学习以及opencv,halcon等的学习加强传统模式匹配特征获取方面要加强学习和理解,SIFT,SURF,ORB,HARRS,HOG,模板匹配,分割,blob分析等。

语音基础:语音信号处理,kaldi,

人工智能AI框架:caffe,pytoch,TensorFlow,keras,ONNX 等。这几项都有理解和掌握,后续重点放在pytorch上,两点:

1是NLP等前沿网络和模型以及顶会会在pytorch上实现。而是pytorch本身是动态图,GPU,自动求导,类似python等优势。

 

 

你可能感兴趣的:(无人驾驶,5G,AI)