1樓：
建議python+opencv的組合。
python比C++更靈活且易上手，演算法驗證效率更高；
opencv，完全開源，嘗試不同功能，介面，引數的意義，了解背後演算法，一步步積累；
直接搬出來岡薩雷斯那麼厚的一大本，很容易被勸退，入門沒必要。
2樓：zju的小派
個人覺得以目前深度學習的浪潮，深度學習已經降低了人工智慧領域的各個子問題的門檻，例如影象直接畫素級別地讀入然後輸入到CNN網路中，而在自然語言處理裡，每個單詞也是用one-hot的表現形式讀入到RNN的模型中。因此想進入影象識別領域的，我推薦上史丹福大學的課程CS321N，而想進入自然語言處理的同學，推薦你們上CS224D，好好上課加做作業能讓你發現乙個與眾不同的深度學習世界。當然，我不反對樓上說的，進一步對於各個領域的認識，也免不了繼續學習領域內的專業知識。
3樓：塗圖
根據個人的經驗，提供幾點建議供參考：
1）影象處理基礎知識，岡薩雷斯的數字影象處理，經典之作。
這本書涵蓋的內容比較多，建議不用一次性啃到底，可以根據自己的情況有選擇地學習。
2）數學，關鍵的關鍵。線性代數，微積分，概率，都不能丟。越往深走，數學的優勢體現的越明顯。
3）機器學習和深度學習基礎，時下的熱點，不用多說。做影象演算法，或多或少都會接觸到這些。
4）程式語言，之所以放在後面，並不是不重要。個人覺得，程式語言只是用來表述演算法的工具，在學習的過程中，自然而然就會用到，不用刻意去學，直接用就好。
影象處理是一門交叉學科，涉及到很多知識，細分領域也非常多，最好是從乙個具體的方向或者課題入手，逐漸擴充套件開來。
零基礎成為演算法工程師怎麼入手？
資料與智慧型 技能方面 推薦演算法至少需要3項基本技能 一是程式設計能力 至少要學會Python 二是對高等數學要熟悉，特別是微積分 矩陣運算 概率與統計這3個方向，至少公式能夠看懂，如果能夠推導那就更好啦 三是機器學習相關的技能，這裡推薦李航的 統計學習方法 和周志華的 機器學習 這兩本書中的核心...
影象演算法工程師就業難度如何？
本人從事機械人行業，對嵌入式影象處理的需求還是很大的。一方面，深度學習雖然這幾年非常流行，但其推理速度仍較慢，計算量大，硬體成本高。另一方面，深度學習可解釋性差，只能用於部分任務，如人臉檢測，在機械人定位方面仍無法使用。所以，傳統的影象處理與特徵工程仍然非常重要。實際應用上考慮成本，計算資源不會太豐...
電機控制演算法工程師需要哪些能力？
耳大頭肥 想聽實話？當然不可能。你來的話企業至少培養你三年，三年後你僅僅是認識豐富了不少，但是要想直接做電機控制演算法工程師，差距還太大。我就算你高頻注入完全精通，大神級別，也僅僅是解決了凸極永磁同步電機中的低速無感測問題中的乙個問題。這個面太窄了。做理論的當我沒說，但是想要去企業面試，會這麼一點那...