1. 岗位
搜集信息的思路来源
https://www.zhihu.com/question/264723436/answer/609524164
-
计算机视觉-视频
image.png -
算法工程师
image.png -
推荐算法工程师
image.png -
计算机视觉专家
image.png - 决策规划算法工程师-最适合我
image.png
6. 嵌入式还有AI方向呢？
https://www.lagou.com/jobs/6729823.html?show=885e5e14642843f3941251fafb6a9107
image.png
image.png
image.png
image.png
image.png
PASS高薪岗位太少
百度、滴滴、小鹏汽车、图森
image.png
image.png
image.png
image.png
image.png
image.png
image.png
2. 人工智能行业大讨论
- AI算法岗
分类：深度学习算法工程师，机器学习算法工程师，计算机视觉算法工程师，自然语言处理算法工程师，图像处理，无人驾驶规划与决策，推荐算法
门槛：（18年）满足985硕士/博士、大厂实习经验、知名实验室、顶级会议/顶级期刊中任意一项要求的同学，找BAT等大厂或者独角兽的一般部门的算法工程师的门槛问题解决了。什么叫门槛？这里指的是筛简历；什么叫一般部门？这里指非重点实验室/研发部，比如不是腾讯AI Lab、阿里达摩院、华为2012实验室这类部门。
误区：还有些同学的幻觉是觉得AI专家做的事情，应该是研究算法，机器学习嘛，应该是跑模型调算法，只要负责研究优化目标就好了嘛。那这样算的话，只有去大学和研究院了。计算机科学的特点是，数据量和业务复杂程度会决定你问题的复杂程度，很多同学在学校里的project，大多是理想化状态下小数据集上的原型，离工业级别的应用，有着巨大的鸿沟，这需要真实世界里一路踩坑的血泪经验磨砺，哪个现在成功的大公司不是当初一路拉网线拼服务器，一点一点优化出来的。当世赫赫有名的计算机科学家谷歌的Jeff Dean，不就是负责system和infrastructure的么，现在他讲的Google Brain, Knowledge Graph也都是在强大的系统上来的。以前MSRA徐谷做了一个关于大规模图像去重的报告，我印象非常深刻的是always get your hands dirty。在互联网级别的数据上面，所谓的各种算法，都变成花拳绣腿，重要的是系统，系统，系统！对底层数据理解，对商业目标清楚。无论是MSR还是Google X， Yahoo Labs，里面厉害科学家的动手能力非常的强。Facebook招了很多牛PhD写PHP，外面有些尊贵的同学颇受不了。计算机首先是一门engineering的学科，这里的开发不分贵贱，重要的是你能够解决问题，革命成功靠的不是28个半布尔什维克。
3. 人工智能算法
- GAN的应用
AI换脸、超分辨率、修复老视频、人工音乐
GAN论文
