1樓：坡哥說
願意並且確確實實地把手弄髒！說實話，在工業界哪有那麼多複雜模型讓你整？拜託還在學校的同學們醒一醒，別痴迷於搞複雜的深度模型，去理解業務需求，去分析資料，學會從複雜問題中找到瓶頸，動手去做你們看起來簡單的事情。
乙個演算法工程師，最最基本的sql總要會吧。那些造火箭的技能在大部分情況下都只是面個試而已。真正能帶來業務效果的，能給你加錢的，很多時候都是看上去簡單的業務理解，特徵構造和應用。
如果要是去科研，那先去繼續讀博吧。基本的敲門磚還是要有。
2樓：Yulong
如果你把自己的方向就定為「深度學習演算法「的話，那實際上未來發展空間就不大了……拿工業界來說，招你進來就是做演算法的，不管你用什麼深度不深度，滿足需求拿到業務成果，你就是全寫if else也行。所以如果以後打算進工業界的話，演算法技能修煉是一部分，但不是全部。實際業務場景中，需要分析定義問題，抓住核心，轉換成可優化目標，找到有用的資料，在有限的資源情況下跑出模型，與業務方溝通交接，你會發現實際核心演算法設計真的沒有那麼重要。
深度學習的paradigm帶來紅利，大家都吃盡了，你能跑DNN，別人也能。有時候找到新資料提新特徵，對業務指標的提公升是反而是相當顯著的。
所以如果覺得工業界讓你對技術追求幻滅，那可以走科研路啊。但是科研路其實做到高階也是需要專案管理，專案規劃，研究方向前瞻的能力。因為不可能指望所有環節都親力親為。
如果你能有效指導他人，協調多種資源，主導完成論著，那就是科研界的rising star。所以你看走到最後，其實也跟工業界差不多，核心能力的需求都是在道而非術。
當然對技術的前沿跟蹤，對潛在方向的敏感，對技術的洞察還是要一直保持的。可能說了這些，對於研究生階段沒有實際用處，那就歸結一句話，選好賽道，敢於開荒，保持深耕，到時候畢業之時，你會成為與眾不同的參賽選手的。
計算機視覺深度學習方向研究生，以就業為目標，應該從哪些方向提公升自己？
重視理論基礎。剛開始讀研的時候，還是打好基礎為重 到後面的話，肯定是需要做一些專案，但是如果理論基礎不夠牢固的話，在做專案的時候，很難有所突破 儲存的知識不多，沒辦法聯想到好的點子 理論基礎的紮實程度，可以說是個人潛力的乙個衡量吧。專案經驗。現在很多人都是重視專案經驗的，包括很多企業招聘，為了盡快推...
研究生讀機器學習的哪個方向好？
大煎餅 通用的方向比較好，將來的出路比較多。從目前來看，卷積神經網路及其變體是最常用的。1 卷積神經網路卷積神經網路至今仍是影象識別領域最常用的演算法，主要包括卷積層 池化層等部分。卷積神經網路 2 殘差網路殘差網路是新增了跨層連線的卷積神經網路。殘差網路 3 殘差收縮網路針對強噪 高冗餘資料，殘差...
新入學的計算機研究生怎麼安排三年學習深度學習？
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。 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...