985 CV 找不到工作? 4 点诚恳建议

21、时间触发以太网:通信、诊断、故障隔离与参数化详解 本文详细解析了时间触发以太网(TTEthernet)的核心机制,包括团检测算法、诊断服务、故障隔离策略、配置服务以及协议参数化等内容。TTEthernet是一种专为超高可靠性系统设计的网络技术,广泛应用于航空航天、工业自动化和汽车电子等领域。文章还探讨了其未来发展趋势,如技术创新与生态建设,为开发者、企业和研究机构提供了应用与发展的方向。 阅读详情

观点讨论

Editor:啸林

From:新智元

     

【新智元导读】985研究生,学计算机视觉,出来后找不到工作?新智元带你看看这个70万浏览量问题下的答案干货:找工作难,是因为前两年AI领域泡沫太大。然而,真正的人才什么时候都紧缺,搞扎实自己的基本功比什么都重要。心态放平,好好刷leetcode,好offer总在不远处。

计算机视觉毕业后找不到工作怎么办?

AI专业毕业后是不是找不到工作?近日,有知乎网友提问,获得了70万阅读量。

 

我们来看看他的履历:

本人目前是985高校研究生,方向是计算机视觉。成绩中等,无论文,无比赛经历,有项目经历。编程基础还可以,自认为在教研室算好的了,python用得比较熟,C++也会一点,PyTorch, TensorFlow,Keras等框架也用的还可以。

当初选择该方向时,深度学习正处于大热阶段,什么无人驾驶,人脸识别听起来就很高大上,似乎人人都想往这方向转。

听起来是不是和正在看这篇文章的你很像?

然而,到了找工作的时候,这哥们发现就业形式和他想的相差太大:

最近陆陆续续有公司开始秋招的提前批了,计算机视觉岗位招的清一色算法工程师,没有论文,或者大赛获奖的找到算法岗的简直不要太难,周围的同学都开始纷纷转Java开发,自己也开始慌了。

想到学了两年的cv,最后工作都找不到,一时间十分失落,感觉如果去做Java开发,还不如本科一毕业就出去工作,完全没有读研的必要。

所以我想问的是现在跟深度学习,机器学习相关的专业,是不是都快烂大街了?AI的大规模发展是不是只是个幻觉?

大环境:前两年的泡沫太大

从就业市场大环境来看,主要原因是前两年AI大火,导致许多人转行入坑,泡沫太大,导致如今找工作难。

排名第一的知友 @zhongyian 说:

这个人才领域前些年泡沫太大,不是现在算法突然不好找工作了,而是之前太容易了。

知友@mileistone说:

现在市场出现了一个看起来很矛盾的现象,招聘公司觉得计算机视觉算法工程师难招;计算机视觉算法工程师应聘者觉得工作难找。

前几年因为人工智能大火,非常多人转行进入计算机视觉领域,供给远远大于需求,给应聘者以工作难找的感觉。

另一方面,这突然转行涌入计算机视觉领域的人才大部分能力不太够,毕竟隔行如隔山,有效供给其实并没有因为大量人才转行涌入这个领域而变多,所以公司觉得计算机视觉算法工程师难招。

另一名匿名用户说:

现在的情况是cvpr,nips等会议投稿量暴增,很多有paper的都不一定能进相关岗位,一作除外,那种有竞争力的。

还是要把自己的基本功搞扎实,真正的人才什么时候都紧缺

知友们普遍认为,好不好找工作和你选择学Java还是CV无关,算法没有高下之分,企业只看个人水平。不要沉浸在985、或是学CV比Java高级的幻想中,自己基础咋样自己还没点儿数?

知友@hzwer说:

当我们说 AI 人才缺口的时候,是说能独当一面的人太少。不论毕业院校,没有拿的出手的比赛论文项目经历,直接拿到算法岗 offer 不可能。企业招这样的人又贵又没有战斗力,不如招本科实习生培养。

知友@theHunter说得更直白:

 

一位匿名用户认为,基础算法能力非常重要:

算法能力真的很重要,就问一下那些跨专业搞ML DL CV NLP……的同学,你知道DP是啥不?贪心?分治?我认识的很多跨专业的同学根本不知道。我觉得最错误的是把 ML当作一个独立的领域,而不是一个计算机从业人员应有的能力。这样就导致同学们只知道ML,而不去考虑CS基础。

一名匿名用户说:

我周围很多非计算机科班出身的人,做开发对他们而言难度和跨度都太大。

相比较之下,学个python,看看论文,找个开源项目改吧改吧就能跑出个结果,反而更容易。

毕竟算法对他们而言唯一的区别就是原来要写Matlab,而现在变成了python。这样的人如果不是理论水平特别特别高,我不知道企业招进去有什么用。所以现在招人也聪明了,上来就leetcode甩脸,medium,hard整起来。所以我觉得你如果还想找到比较好的岗位,就先把leetcode刷出来。

同样,一家开发公司的员工@Jarvix在下面实名怒答:

排名第一的知友 @zhongyian 的回答:

首先,开发岗和算法岗无高低贵贱之分。

往大了说,任何工种都是平等的,更何况都是程序员;往小了说,算法工程师本上还是工程师,是开发的一种。开发方面大佬也多的是,只是最近算法比较火,但是未来还真不好说。

其次,算法分两种岗位,一种是算法岗,做建模工作,发发文章;一种是开发岗,负责研究岗研究出的算法的落地,会涉及到数据清洗,特征工程,开发上线等工作。

工业界用的算法是滞后于学术界好几年的,不要对公司所做的算法有太多的幻想,现实数据比你想的质量差太多,现实用的算法也没有那么高端。也就是说,大部分时间不是用在建模。

再次,为什么现在现在算法不好找工作了?

倒也不是劝退,其实公司也是有算法工程师的缺口的,遇到的好几个hr都说,收到几百份简历,但是没什么匹配的。所以说做算法的人多是真的,可是需要做算法的人也是真的。矛盾点在于供需不匹配。

之前市场空缺大,高薪、低门槛势必吸引更多的人做算法,而19年之后,薪资低了,门槛还高,做的人自然而然就少了。19年有些开发同学是可以拿到和算法同学差不多的薪资的,这在前两年可不是。

转换思路,另投他坑

在排名第二的答案中,匿名用户说:

实验室也是做视觉方向的,但我那一届同实验室的硕士里,就我一个找了和CV相关的工作。

有发过顶会的大牛去了网易游戏,问他为何不接着搞CV、DL,他说最主要是给钱多。所以,MOP(money oriented programming)才是王道。

知友@本马则另辟蹊径,提出「算法退级」:

CV方向确实人多坑位少,比NLP方向内卷的更厉害。不过,NLP方向也快不行了。个人建议是,不建议直接转开发岗,算法与开发的技能栈差别比较大,容易两者都做不好,更焦虑。

比如从CV退去做更宽泛的深度学习乃至机器学习岗位,一些深度学习甚至计算机视觉在其他领域的应用,如天气预测,卫星等,这些不直接做AI的相关单位或企业也是可以考虑的。

继续往后退的话,就是看看机器学习、数据挖掘相关的。如果还是不行,就找找数据分析岗。

要有毅力,心态放平

有知乎用户援引名人经历: 

还有人认为,认准方向,就不要在乎短期行业波动:

最后的建议

综合了几位知友的回答,总结下来建议有以下几点:

  1. 给自己增加加分项:功利的来看,几百份简历,没有明确的加分项,hr有多少时间,又如何能确定你基础扎实呢?尤其想去大厂,简历不出彩是真的有点难。建议深挖一下项目经历,视觉算法相关的部分从原理到实现都别含糊。

  2. 好好练基本功、刷leetcode吧。不要望洋兴叹,周围有好几个leetcode刷两遍的,也没啥文章和竞赛,但是最后工作都不错。

  3. 尽量走内推/提前批:找直系学长学姐,部门领导直推(不等于给个内推码的那种,当然如果只能找有内推码的,也不错了)。面试前想办法了解下目标岗位部门情况。

  4. 不要焦虑:明确自己的定位,有时候不是找不到工作,是找不到满意的工作,工作总是会有的。985计算机硕士已经比市场上绝大部分人好找工作的多了,坚持住,结果不会太差的。

参考连接:知乎:计算机视觉毕业后找不到工作怎么办?

https://www.zhihu.com/question/335451320

两点调制原理以及RF DAC和PLL SDM两条输入路径理解 特性数据本质原始数字比特流 (0/1)平滑后的预失真波形数据连接对象Σ-Δ调制器 (SDM)的小数输入RF DAC在系统中的角色主调制路径:通过改变PLL分频比产生频率偏移辅助补偿路径:通过RF DAC产生补偿电压,校正PLL失真可否加入延时可以且必须。用于数字时序对齐,对性能无影响。绝对不可以。会导致补偿失配,严重破坏信号频谱。功能目标实现数字域的频率调制确保模拟域的波形和频谱完美因此,在您所描述的这种先进发射机架构中,2-point数据是数字指令,送给SDM; 阅读详情

相关推荐

如何在R中高效安装ropls及其依赖包

本文详细介绍了在R语言中高效安装ropls包及其依赖的完整流程。作为Bioconductor生物信息学分析包,ropls的安装需通过BiocManager管理器进行。文章提供了标准安装步骤、跨系统避坑指南及安装后验证方法,帮助用户解决R版本、编译环境和网络镜像等常见问题,确保代谢组学数据分析工具顺利部署。

efc123456的博客 908

计算机视觉好找工作吗?CV发展前景

计算机视觉是指一项帮助计算机、软件、机器人或其它任何设备获取、分析及处理图片的技术。计算机视觉好找工作吗?解答下大家对这个问题的疑惑。计算机视觉好找工作吗?所谓人工智能就是视觉、语音、自然语言处理,其中以视觉为最,商汤、旷视、依图、云从这些所谓的人工智能公司应该都是cv起家的,只要ai的泡沫不破,cv可能是最好的计算机专业之一了,尤其这玩意儿还有一定的数学门槛。计算机视觉的研究生,对深度学习很熟,动手能力应该可以。求职应该不算难,泛AI的工作都可以找,比如搜索、推荐、广告、物流、调度。就业市场对应届生最宽容

gu1857035894的博客 6300

【小白指南】如何将deepseek引入WPS\Word\Excel中去?

如何将deepseek引入WPS\Word\Excel中去?纯小白都能看的懂,一步步操作就能行

2503_90498422的博客 1万+

研究生读计算机视觉怎么样?好找工作

如果你对计算机视觉领域感兴趣,读研究生专业是一个很好的选择。计算机视觉是一门涉及图像处理、模式识别、机器学习等领域的交叉学科,它在人工智能、自动驾驶、智能家居、医疗影像等领域都有广泛的应用。因此,计算机视觉领域的就业前景非常好。

gu1857035894的博客 5495

用Java实现森林冰火人游戏

g.drawString("游戏结束", CELL_SIZE * COLS / 2 - 100, CELL_SIZE * ROWS / 2);g.drawString("难度级别: " + difficultyLevel, 10, CELL_SIZE * ROWS + 60);g.drawString("生命值: " + playerHealth, 10, CELL_SIZE * ROWS + 20);setTitle("森林冰火人");

2401_82778412的博客 1734

Mac Pro M2芯片成功安装麒麟银河高级服务器虚拟机

本人用的是1、Macbook m2pro芯片 16G+5123、安装homebrew、wegt、qemu。

vagatable_XX的博客 3304

计算机视觉为什么找工作难?CV方向应该面试什么岗位?

计算机视觉(CV)找工作难,并不是行业没前景,而是因为入门门槛低、深入门槛高、岗位分化严重,导致很多人“卡在中间不上不下”。下面是主要原因拆解,帮你看清本质:

OpenCVtuxiang的博客 964

从零开始:用Python实现AlphaZero五子棋AI(附完整代码)

本文详细介绍了如何从零开始使用Python实现AlphaZero五子棋AI。通过工程化实践,逐步构建蒙特卡洛树搜索(MCTS)、轻量化残差网络(ResNet)以及自博弈训练循环,并提供完整可运行的代码。文章旨在帮助开发者绕过复杂理论,聚焦实战,最终打造一个能够自我学习与对弈的智能体,是深度强化学习在游戏AI领域的一次完整项目实战。

weixin_29081703的博客 416

计算机视觉就业怎么样?好找工作吗?

计算机视觉的研究方向非常广泛,包括网络攻防技术、网络与数据库技术的应用、数据仓库与数据挖 掘、多媒体与智能信息检索、数据网格与知识网格、计算机视觉与虚拟现实、模式识别与图像处理等。计算机视觉就业怎么样?好找工作吗?大家关心的问题,解答来了。计算机视觉就业怎么样?根据清华大学数据显示,在诸多人工智能技术方向中,计算机视觉(Computer Vision)是中国市场规模最大的应用方向,在整体中国人工智能市场应用中占比为 34.9%。计算机视觉技术的研究目标是使计算机具备人类的视觉能力,能看懂图像内容、理解动态场

gu1857035894的博客 5053

CHI里的Error handling机制

本文讲解了CHI里的Error handling机制。

W1Z1Q的专栏 2502

AEJoy —— 最受欢迎的 5 个 Ae 表达方式

NOTE] 原文作者我意识到表达式可能令人生畏,有些人宁愿复制粘贴有用的代码,而不愿学习这门语言。对此我完全理解。因此,我想与您分享我的。这些是我几乎在每个项目中都会使用的表达式,我认为它们极大地提升了工作流程。

ShaderJoy 的兴趣技术杂货铺 365

知乎高赞:985 计算机视觉毕业后找不到工作怎么办?怒刷 LeetCode,还是另寻他路?...

点击关注上方“五分钟学算法”,设为“置顶或星标”,第一时间送达干货。转自 |新智元 ,编辑 | 啸林985研究生,学计算机视觉,出来后找不到工作?新智元带你看看这个70万浏览量问题下的...

程序员吴师兄的博客 959

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

985计算机视觉毕业后找不到工作怎么办?怒刷leetcode,还是另寻他路?

新智元报道编辑:啸林【新智元导读】985研究生,学计算机视觉,出来后找不到工作?新智元带你看看这个70万浏览量问题下的答案干货:找工作难,是因为前两年AI领域泡沫太大。然而,真正...

zandaoguang的博客 693

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

mysql安装后找不到_985 计算机视觉毕业后找不到工作怎么办?怒刷 leetcode?

【新智元导读】985研究生,学计算机视觉,出来后找不到工作?本文带你看看这个70万浏览量问题下的答案干货:找工作难,是因为前两年AI领域泡沫太大。然而,真正的人才什么时候都紧缺,搞扎实自己的基本功比什么都重要。心态放平,好好刷leetcode,好offer总在不远处。计算机视觉毕业后找不到工作怎么办?AI专业毕业后是不是找不到工作?近日,有知乎网友提问,获得了70万阅读量。我们来看看他的履历:本人...

weixin_39614060的博客 82

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

知乎高赞:985计算机视觉毕业后找不到工作怎么办?怒刷leetcode,还是另寻他路?

【导读】985研究生,学计算机视觉,出来后找不到工作?新智元带你看看这个70万浏览量问题下的答案干货:找工作难,是因为前两年AI领域泡沫太大。然而,真正的人才什么时候都紧缺,搞扎实自己的基本功比什么都重要。心态放平,好好刷leetcode,好offer总在不远处。 计算机视觉毕业后找不到工作怎么办? AI专业毕业后是不是找不到工作?近日,有知乎网友提问,获得了70万阅读量。 我们来看看他的履历: 本人目前是985高校研究生,方向是计算机视觉。成绩中等,无论文,无比赛经历,有项目经历。编程基础.

勇往直前的专栏 1003

remoteapp提示找不到远程计算机_985计算机视觉毕业后找不到工作怎么办?该是另寻他路吗?...

985 研究生,学计算机视觉,出来后找不到工作?本文带你看看这个 70 万浏览量问题下的答案干货:找工作难,是因为前两年 AI 领域泡沫太大。然而,真正的人才什么时候都紧缺,搞扎实自己的基本功比什么都重要。心态放平,好好刷 leetcode,好 offer 总在不远处。计算机视觉毕业后找不到工作怎么办?AI 专业毕业后是不是找不到工作?近日,有知乎网友提问,获得了 70 万阅读量。我们来看看他的履...

weixin_39663605的博客 164

计算机视觉毕业后找不到工作怎么办?怒刷leetcode,还是另寻他路?

计算机视觉毕业后找不到工作怎么办?怒刷leetcode,还是另寻他路?

wzk4869的博客 3488

“CV_FOURCC”: 找不到标识符

opencv4.x版本的OpenCV里面找不到CV_FOURCC标识符,这是因为已经更改为VideoWriter::fourcc。 有时生成的视频视频解码一直出问题,导致文件损坏,可以试试将视频后缀改为avi。 作者简介 我是阿德,一名五年工作经验的软件开发工程师,985高校非科班程序员,热爱编程与开源, 此公众号【程序员阿德】专注于分享各种计算机干货,包括但不限于计算机组成原理、数据结构与算法、计算机网络、操作系统、数据库、Linux等。 相信你能够在这里有所收获,精进为一名优秀程...

baidu_36639782的博客 2254

知乎高赞:985 计算机视觉毕业后找不到工作怎么办?怒刷 LeetCode,还是另寻他路?......

公众号关注“五分钟学算法” 设为 “星标”,每天带你学干货! 转自新智元 AI 专业毕业后是不是找不到工作?近日,有知乎网友提问,获得了 70 万阅读量。 我们来看看他的履历: 本人目前是 985 高校研究生,方向是计算机视觉。成绩中等,无论文,无比赛经历,有项目经历。编程基础还可以,自认为在教研室算好的了,python 用得比...

墨鱼菜鸡 481

知乎高赞:985计算机视觉毕业后找不到工作怎么办?怒刷leetcode,还是另寻他路?...

点击上方,选择星标或置顶,每天给你送干货!阅读大概需要8分钟跟随小博主,每天进步一丢丢来自:新智元编辑:啸林【导读】985研究生,学计算机视觉,出来后找不到工作?新智元带你看看这个70万...

zenRRan的博客 394

知乎高赞:985 计算机视觉毕业后找不到工作怎么办?怒刷 leetcode,还是另寻他路?...

点击上方蓝色小字,关注“涛哥聊Python”重磅干货,第一时间送达转自:新智元【导读】:985研究生,学计算机视觉,出来后找不到工作?本文带你看看这个70万浏览量问题下的答案干货:找工作...

涛哥聊Python 768
上一篇: 一个小改动,CNN输入固定尺寸图像改为任意尺寸图像
下一篇: 【干货】 223页的自然语言生成PPT资料 (文末有惊喜)
机器学习算法那些事
博客等级 码龄9年 1633粉丝 62原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值