點擊上方“AI算法與圖像處理”，選擇加"星標"或“置頂”
重磅乾貨，第一時間送達
來源：https://www.bilibili.com/video/BV1vE411A7sA
作者：Minnie-灰灰
編輯：AI算法與圖像處理
作者簡介
深度卷積神經網絡（CNN）對計算機視覺帶來的革新是天翻地覆的，尤其是在物體識別領域。（請忽略上面這句）
雙985數學專業，兩份實習經歷。斬獲字節跳動算法工程師崗位（CV方向）
以下是作者自學轉行成爲一名算法工程師的一些經驗分享，希望能給大家一個參考。希望大家不要槓，更多的是從中學習到別人優秀的地方，擡槓只能讓你逃避現實，無法讓你成長。好好努力也許你也能成爲小姐姐那麼優秀的人！
爲了讓大家更加清晰的瞭解本文的內容，下面是一張思維導圖：
理論基礎
因爲我覺得有一個良好的理論基礎，他不管是對於我們之後的實習和工作都是非常重要的。
那麼如何下手呢？
林軒田《林軒田機器學習技法和基石》 32節課
斯坦福大學 《CS231N》
李航《統計學習方法》
其實我們不缺資料，網上資源一大堆，但是真正去完成的能有多少，所以推薦可以去練習一下，就算跑通也是會會有所收穫的，今後的工作中也能用到。
實習建議
實習的好處：
（一）豐富簡歷；
（二）瞭解算法崗的工作內容（知道自己的興趣，是偏研究或應用等）
在秋招過程中，offer收割機一般就兩種同學，一種是實習經歷好的，另一種是有頂會論文。
如果我們是轉專業的話，基本上我們在學校呆着不太可能能發得出頂會的論文。我也遇到很多同學，他們的頂會論文，也是在實習中發出來的，那這就再次印證了我們實習有多麼重要啊。
實習建議：我們在實習的過程中，如果我們發現這個崗位可能對於我們個人的提升沒有很大。比如說，這個崗位的工作內容有可能會比較雜，這就可能會導致我們在秋招的時候會不太佔優勢啊。那如果有這種情況的話，我就是建議大家能夠及時止損，趕緊停到這份實習去找下一份實習。
因爲有些同學可能在辭掉這份實習的時候他會有點猶豫，但是我想說就是在招聘季到來之前，其實我們大家都是在賽跑。那如果你現在浪費一分鐘的話，你之後在秋招的過程中就會比別人落後一步，這個道理我想大家應該是都能懂。
但如果說大家現在沒有條件出去實習的話呢，那天池和kaggle上面有很多的項目，大家也可以去找一些項目來做
做項目的過程中，我建議大家都是獨立完成，不要去抱大腿爲什麼呢，因爲就算你抱大腿，取得很好的成績，但是呢，他踩過的坑，你沒有踩過。這就會導致在面試的時候，面試官一問就露餡了，所以說我想跟大家說的就是我們，不管是在項目還是實習中呢，我們都是個人經驗的積累是最重要的。
面試過程中注意點：
面試官關心的並不僅僅是我們用了一個什麼樣的模型，達到了一個什麼樣的效果。
他們關心的更多的是，爲什麼你選擇用這個模型，你在弄模型之前有沒有嘗試過一些其他的模型啊。
那如果你試過的話，既然那麼行。那爲什麼其他模型沒有你的模型好，那包括你這個模型後期想有什麼可以改進的地方？
那包括你這個模型後期想有什麼可以改進的地方
而這些問題我覺得纔是更重要的問題，它是能體現出我們的實習或者項目的含金量的一些問題啊
所以說我建議大家在平時的事情和項目中都要多多去思考這些問題
數據結構
這個部分的話對於我本人來說是真的挺困難的一個部分
因爲我在轉行算法工程師之前這道題的最優解法，我就基本上沒有數據結構的基礎
但如果大家有數據結構的基礎的話，這個部分會相對來說容易一點啊。
那數據結構這塊主要就是靠刷題啊
我是leetcode前兩百（刷到medium難度就夠了）《劍指off》的六十道題各刷兩遍
大家現在可能聽起來，刷兩遍那已經很多了，但是其實對我來說，我覺得真的遠遠不夠，覺得這是自己的弱勢。
大家在數據結構這塊儘量早地開始準備，因爲不管我們在筆試還是面試中都是沒有辦法避免這款內容的
然後我們在刷題的過程中呢
大家都要去討論區看一下，找到這道題的最優解法
資料彙總：
林軒田《林軒田機器學習技法和基石》
視頻：https://www.bilibili.com/video/BV1ix411i7yp?p=1https://www.bilibili.com/video/BV1Cx411i7op?p=1
作業：https://github.com/Doraemonzzz/Learning-from-data
斯坦福大學 《CS231N》
視頻：https://www.bilibili.com/video/BV1Yt41157Lb?p=1
作業：https://github.com/JPLAY0/CS231nAssignment
李航《統計學習方法》
https://github.com/fengdu78/lihang-code
加羣交流
每一次創造都不容易，求個愛心