1樓：Neowyj
建議爬下國內所有知名AI公司的招聘要求，然後按相似度排優先順序。確定乙份技能優先順序要求表後，按照研究生的時間規劃，從最頂級的開始做。只要你研究生期間努力了，相信你按著上面步驟做，找乙份工作應該不難。
2樓：SierraHsu
調參不叫深度學習。如果你想做正經的研究，那麼就研究下訓練方法（不是調參，是類似於gan，貝葉斯優化之類），或者自己設計模型。如果你想在工業界立足，多接觸網路的壓縮、加速之類。
3樓：
我能明白你的困惑，因為我剛從那個狀態走出來。
剛進入這個領域的時候你會發現其他人什麼都懂，自己啥都不懂各種難以下手。
我希望告訴你的是，首先不要著急然後要踏踏實實的學，一點一點把知識學紮實了！
深度學習機器學習的東西很多，所以要抓住一些根本的東西以不變應萬變。對於基礎性知識一定要研究透。研究透乙個再去啃另乙個。
無論是平時做研究做實驗還是出去面試，只有你全都琢磨的透透的了，才能把事情做好而且越往後上手越快。
當你覺得自己學的差不多的時候去投簡歷面試，檢驗一下自己。
4樓：
最近在找實習，忍不住來吐槽dl/ml/cv方向的工作真的好難找（也可能我實在是太菜了）。
cv/dl方向真的不如資料探勘的崗位和公司多，畢竟現在網際網路應用對資料探勘的需求量更大一些。
樓主要是對框架原始碼有研究可能比較好一些，最好能自己實現一下CNN網路。
感覺我可能不得不轉開發崗位了。。。
5樓：王堯
回答第一題和第二題
這兩個問題的背後是要想清楚「學以致用」中的用。工程上應用某個技術都是為了解決乙個又乙個具體問題，能解決問題的方法對於工業屆就有用，反之則意義不大。
第一題問到工業界的做法，這個在不同公司不同職位區別很大，很難一句話概括。筆者目前在一家技術創業公司，就說說我們在做什麼吧。因為是創業公司，人少任務急，所有問題都採用最直接的方式。
但這不代表只是調引數，對於有些問題，乙個隱層的全連線網路就能解決，超引數幾乎都不用調，更不會費時間搞複雜模型；另一些問題，所涉及領域與現有學術大牛的熱門研究幾乎無關聯，只能根據基本原理自己設計模型結構，有時還要把cnn，rnn幾種不不同的模型合起來用。希望這樣描述能幫你建立起一些基本概念。
第二個問題，如果打算畢業後進工業屆，大的建議是認真對待每個專案，能夠說清每個專案的目的，資料特徵，如何建模，模型訓練結果如何評價，評價指標不理想時如何調優，模型在實際應用中泛化效能如何，泛化效能不理想又如何改進。不論你做的專案是難是易，這些問題都是存在的。每做乙個專案，想清楚這些問題，找工作時就會胸有成竹。
當然，我說的比較偏應用類崗位，如果你去的是研究類崗位，側重點也會不同。
最後，關於你提到的程式語言和框架。掌握哪個都可以，關鍵是一定要掌握一門。掌握的標準是能夠用這門語言和框架自由實現和驗證自己的想法，這一點非常重要，當你提出乙個牛x的解題思路時，你需要自己證明它是可行的，在工程應用上證明就是資料、模型、測試報告，不要讓程式設計的短板限制了你的思想。
6樓：天堂之拳
問題實在是不好答，建議你有機會去企業實習吧，招深度學習實習生的也很多，技術好機會還是很多的。12345，感覺你去做實習生後都可以自己解答。
關於2，深度學習理論，簡單的就那麼點，難得也不好搞，現在基本上都是老中醫刷榜階段，不過好多小領域已經過了刷榜階段了，也不好發了。
關於3，其實很多方法都是通用的，借來借去的，例如，原來RNN主要搞得是自然語言處理和語音這種序列資料，但現在搞到影象上也多得很；CNN原來主要也在影象上使用，現在也搞到自然語言處理裡去了。
關於4，是個偽命題，你見過一點機器學習不懂的但深度學習特別好的麼。別扣深了，機器學習方法要有個認識也花不多久，除了樹方法外，基本上都能用tensorflow去實現（當然，tf裡也有隨機森林之流了）。
對於2020入學的計算機視覺研究生，研究生如何學才能畢業找到乙份好工作？
星辰大海 簡單 通用的演算法，應該掌握得越多越好，例如1 卷積神經網路 這個是最基礎的，估計題主早都掌握了。卷積神經網路 2 殘差網路 殘差網路是卷積神經網路的經典改進，其訓練難度較低。殘差模組 3 殘差收縮網路 殘差收縮網路 1 2 主要面向強噪資料，其軟閾值化層是其功能核心。面向強噪 高冗餘資料...
對20年即將入學的計算機視覺研究生，該怎樣修煉三年？
鳴蜩南國 計算機 機器視覺，除了影象處理 傳統數字影象處理 機器學習 深度學習中的卷積神經網路 還有立體視覺方向 三維重建 SLAM 建議主要學習立體視覺，深度學習中的卷積神經網路為輔。 永無止境 目前，深度學習，尤其卷積神經網路，是計算機視覺領域不可或缺的方法，應該是要學習的。從其發展歷史看，卷積...
美國計算機研究生申請？
啟德教育 建議一 盡早詳細了解美國 CS 專業的形勢，有利於個人的申請 隨著計算機的普及以及在不同領域的廣泛使用，IT 高科技尖端人才會大受追捧。美國的 CS，可以讓學生學習到最先進的 IT 技能 能夠讓學生根據個人的喜好選擇偏理論或應用的課程作為學習的重點。當然，美國的 CS 更多的設定了許多實用...