1樓：我們都愛綾瀨遙
應該避免不了吧。
等過幾年發現錢都打水漂以後，應該就不會這麼熱了，導師們也不會一窩蜂的申請的深度學習專案了，底層的碩士們也不用做深度學習了。
說到底還是科研小兵，命運掌握在別人手中。怎麼避免？沒法避免。
2樓：Bios
就....研究傳統模型就好了啊..... 比如研究下傳統ML模型在non-iid資料集上的表現呀或者你提出個新模型也行啊....
不就不想研究深度學習這點小事嘛....
整天對著神經網路我自己都有點膩了.....
3樓：Bruce
很難，主要原因是大部分院校教師申請專案是是研究性專案而非商業專案，要求是具有研究價值，顯然時代環境下與智慧型相關的最好申請。而大部分人會將智慧型下意識和機器學習深度學習掛鉤，所以這種情況下計算機碩士的研究大部分是利用深度學習解決某個專業方向的問題性研究，實際上是脫離不了你要研究的方向，到關鍵在於將智慧型技術用到研究的方向中。舉個例子，方向是影象處理，用了智慧型技術後，深度學習影象處理。
4樓：Matthew
有人說AI過幾年就飽和了？？？怕是不學無術的閒人開玩笑的吧！AI才剛起步的呀。
意氣風發的少年被說成奄奄一息的老頭。對於守株待兔的末流科研者確實已經快'飽和'，因為基礎研究的突破速度跟不上後面撿漏的速度，導致這部分人分不到食吃，然後向後來者扔了一大串酸葡萄，勸退他們，畢竟自己還靠這個過活，免得日後多乙個搶食的。但是對於中上流科研者，AI還有很多改革和創新的工作要做，未來還會有許多領域內重新洗牌的局面。
所以，有志者建議在量力而行的原則下堅持下去，找個好老闆帶。對於混履歷的同學，勸退，這條路不適合，免得AI被別人描繪的更加烏煙瘴氣。
5樓：孫小磊
碩士研究生階段的方向其實主要還是和你的導師相關，一般來說導師會決定你的課題，如果不想深入ai的話，最直接的方法就是找乙個領域方向不是ai的導師，這些去學校官網應該都能查到。
但是如果要說研究生階段完全不去了解深度學習，我覺得是不大可能的，因為在深度學習火熱的這樣乙個大環境下，很多計算機領域多多少少都會有和深度學習結合的一些方面。
所以如果不想深入了解深度學習這些知識不妨學一些基礎的內容，就當成一種工具，不用太牴觸他，了解這樣一種技術能幫助解決什麼樣的問題，說不定對你在做自己課題的時候也有一定的啟發和幫助呢。
6樓：武先森
如果不想做AI方向的話，倒有個前沿方向可以考慮一下，邊緣計算(Edge computing)，感覺結合5G的落地和雲計算的興起，這方面大有搞頭。西電的施巍松教授團隊在邊緣計算領域比較出名，可以了解了解。
7樓：
想完全避開的話可能性不大，和應用沾邊就會涉及到。硬體也很難，高效能和分布式都會有一部分為深度學習服務。而且說實話，你躲得過深度學習，也躲不過機器學習，擬合和優化這玩意基本上早是必修課了。
不過為啥要避開…覺得追熱點丟人麼？那分布式，大資料，區塊鏈，以及之前的物件導向，作業系統，高階語言編譯原理…這些都是各自年代風口，你全避開了基本上讀的就不是計算機了。
你可以不看好，不選擇某個技術作為主攻方向，但是當乙個新技術滿地開花，作為乙個碩士，想的難道不應該是盡可能了解一下前沿動態麼？難道不是需要把判斷建立在了解的基礎上麼
就好比說乙個商人，說怎麼能避免了解和學習電商…從中感覺到的不會是對傳統零售的堅持和執著以及純粹，而是固步自封。你了解了，但是你不看好，這是一回事，不去了解不去學習，那叫暮氣沉沉。
8樓：漸離愁
棄坑。否則沒辦法。這是時代的發展，除非你去做編譯器，作業系統那種最原始的優化，或者純演算法。
要不很難避免。這就好像，之前大家拿竹簡寫字，但有了紙張後，你就問如何避免拿紙寫字一樣。時代發展的趨勢，除非你去做老牌底層的工作。
現在連資料庫也做ai了。
9樓：海燕
和大多數人員的回答類似，對於乙個計算機碩士來說，為什麼一定要避免做深度學習呢，是對深度學習感到厭惡或害怕嗎？如果不做深度學習，那麼你做計算機碩士又要做什麼呢？單純的做計算機軟體應用嗎？
如果你要做計算機硬體，比如說晶元的開發，也會參與牽涉到深度學習的，比如說AI晶元等等。
有有點跑題了，題目是如何避免做深度學習。方法有很多，如去學校教學，比如說有名的中學。教員也是需要碩士以上學歷的。比如說轉換行業嗯，從事其他與計算機不同的專業的內容。
10樓：華來知識
是你期望職業生涯以業務開發為目標？不想從事AI 或者演算法工程師麼？
現在人工智慧的發展階段，仍是 「弱人工智慧」！在這個階段，深度學習是推動人工智慧第三次熱潮復興的核心技術！
並且目標眾多網際網路/IT大廠正在緊鑼密布的建設各自的AI實驗室，並利用深度學習技術提公升AI在各業務領域的實際應用效能！
因此入坑深度學習不失為乙個很好的研究生發展方向和職業發展方向！
同學，放手向前衝吧！加油
11樓：文興
本科非科班，碩士計算機，致力於畢業以後找工作，真的要把計算機基礎知識好好補一補，特別是資料結構演算法、作業系統、計算機網路。。。
這些對目前找工作面大廠你是怎麼都繞不過去的，只要是技術崗
12樓：
深度學習只是機器學習的乙個分支。你就理解成你要當特級廚師，然後深度學習是一種傳說中的廚具就可以了。你想用就用，不用也無所謂。
最重要的，還是你要解決的問題和這個問題的領域知識。也就是所謂隔行取利。
計算機嘛，核心就是算計，折騰。管它什麼CPU，GPU。管它什麼表資料，圖資料，文字資料。管它有幾萬人，幾百萬人同時訪問。都能hold住。這就是你的價值了。
13樓：
碩士好好做系統呀，找個感興趣的方向
分布式，儲存，網路，資料庫，安全，GPU，虛擬化，流計算，圖計算，這麼多方向不香嗎，何必都要去AI那邊內卷
14樓：Aniki
17，18年的時候，考研還要到處找做深度學習的老師，基本上研究方向帶上機器學習或者學習兩個字的，都能變成熱門，想不到20年就這個樣了。
關於深度學習（計算機視覺方向），需要學習哪些知識？
永無止境 基礎的深度學習模型，應該是需要掌握的。建議從分類任務開始，慢慢拓展到物體檢測這種較難的任務。一些基礎性的網路結構包括 相較於傳統全連線的神經網路，卷積神經網路的引數更少，遭遇過擬合的風險更低。卷積神經網路 相較於普通的卷積神經網路，殘差網路更易於訓練，層數容易更深。殘差網路 最後，相較於普...
計算機視覺如何規劃學習？
慧橋ICT教育 一 計算機視覺概覽 計算機視覺的定義 計算機視覺的應用 計算機視覺相關學科 計算機視覺與人工智慧的關係 二 數字影象處理基礎 人眼影象的形成 影象的感知和獲取 影象數位化 取樣與解析度 量化 灰度級 數字影象的表示 畫素 灰度圖 彩色影象RGB與HSV 顏色空間 畫素關係 連通域 影...
2016計算機碩士找工作準備以及學習安排？
奇怪麼？我也是計算機本科，只會課內那點東西，沒自己做過什麼東西。做過最大的乙個東西就是圖書管理系統，還是課內要求的。平均分好像是89。期末考試要想考個還凑活的分，太容易了。但是實際還是什麼都不會。 如果985的碩士打好基礎就行了，一門熟練點的語言，刷演算法題，對於作業系統網路等課程也要再複習一下。弱...