本硕双非CV方向,算法转开发?骑虎难下

  点击下方卡片,关注“CVer”公众号

AI/CV重磅干货,第一时间送达

9月秋招如火如荼!求职群里的咨询也大爆发了!今天我分享一个"本硕双非,CV方向,找算法岗,还是转开发?"的真实案例。具体提问和回答如下:

0f4b21c33b5c3442b5053682f6ba39c5.png

粗暴来说,如果你对算法岗没有执念,我都建议转开发。虽然开发岗也不好找,但相对竞争还是小于算法岗,而且应届薪资差距并不大,所以相对还是有性价比的。可惜当前秋招已经开始了,如果24届的同学之前没有做好转开发的准备,现在贸然只投开发岗,并非最优解。因此如上图回答所示:建议投递垂直类公司的算法岗和其他公司的软开岗。

这里我再次强调建议:

1.学历不好、无实习、无Top竞赛、无顶会的24届同学,那转开发吧

2.如果这几个维度很多拉跨,也建议转开发吧;

为了帮助一些同学转开发岗,AI算法岗和开发岗求职群已提供一对一咨询。所以如果你还在犹豫是否转岗,那一定要加入求职群学习和咨询具体方案(转Java还是C++)!有数千题算法岗&软开岗的面试真题,还可以提问如何找工作,Offer选择等问题更有上百家公司的内推(目前已安排148家2024届校招公司)求职准备攻略

扫码下方二维码,加入算法岗和开发岗求职群!

95d3741de87fdcd8cd5177d6d054536c.png

AI算法岗&开发岗求职群介绍

AI算法岗&开发岗求职群(知识星球) 是一个面向全体学生和算法&软开工程师/研究员的求职交流平台。旨在分享 AI算法岗&开发岗的校招/社招准备攻略面试题库面试经验Offer选择内推机会学习路线求职答疑海量学习资料内容。

涉及深度学习,机器学习,计算机视觉,图像处理,自然语言处理,SLAM,大数据,数据分析,自动驾驶,机器人,推荐系统,C/C++,Java,Python,Go等方向。

求职群里既有2023届、2024届和往届求职的大佬/学生,也有刚入学的学生(大一/大二/研一等),还有很多公司里的技术大牛研究员和算法/软开工程师。目前球的成员已经超过5000

我Amusi 每天都会在求职群里发帖/交流,回答问题,分享面试题,分享面试心得,分享内推信息,分享学习资料等。划重点!球分享的资料和问答已经超过4000条!

注:因为星球里人蛮多的,所以建议大家匿名提问,防止"隐私泄露"

1

b2471dac4af9dd89d79badc1c58e7bb8.png

2

c5aae51fd56aa9b731197c354781ae6b.png

0bfe8395290adbe84b880c6a599247b1.png

▲扫码,进群!

AI算法岗&开发岗求职群(部分内容精选)

群主和嘉宾既有2023届/2022届和往届参与秋招拿到算法和软开Offer,也有已经毕业工作多年的算法研究员/工程师。涵盖Apple谷歌Facebook亚马逊微软NVIDIAUberIBMAnyVision腾讯阿里巴巴、百度、字节跳动、美团、拼多多、京东、快手、商汤、旷视、依图、云从、滴滴、OPPO、VIVO、华为、小米、大疆、平安科技和文远知行等上百家企业。

面向对象

全体学生和算法工程师/研究员,特别是 2023年2023届-2024届-2025届)找工作/实习的人群(研一/研二/大二-大四等),也强烈推荐刚入学的学生以及有考虑跳槽的工程师,早点为找工作做准备,锻炼刷题意识和能力。

海量面试经验/面试题

深度学习面试宝典是 Amusi 整理的一个AI算法岗面试题库,累计900+个问题与解答。涉及的领域众多,具体如下。同时求职群里每周都会更新很多面经,方便查漏补缺!

219971e6be558add61ed2c3c1f4d0e5b.png

918976dd472f6a2d2884bf67b4388d1e.png

海量校招/实习/社招内推

群里已分享数百个2024届校招内推机会(涵盖BAT/头条/京东/美团等公司),还有大量日常实习内推:

a906b81c96a74708607326a86d632f67.png

提问交流

如果你在学习、找工作、跳槽、职场、Offer选择等领域遇到问题,都可以在星球里向我提问!我知必答!

042ff0ee1d56fff864dd49a6c04ce0bb.jpeg

a25410e5a708afd2110b6f42c128a878.png

资源分享

涵盖刷题指南(LeetCode/剑指Offer)、学习路线、优质AI课程推荐、面试题、面试心得、知识重点分享、实战项目等内容

3038d9bcd762e067ff78139884d4609f.jpeg

Offer比较与选择

招聘高峰期(提前批/秋招/春招),几乎每天星球里都会有人来咨询Offer选择性问题,或者转行问题,比如:AAA 和 BBB 哪个公司的Offer更好?

882079604f71096f25117cb8a80008bb.jpeg

加入求职群(知识星球)方式

价格:199元(每天仅4毛钱) 立减30!特惠仅169元

时长:一年(从你加入的时刻算起)

加入方式:扫码下方二维码或者点击阅读原文,即可进入AI算法求职群(知识星球)

建议:进群后,推荐下载知识星球APP使用,同时也可使用小程序或者知识星球公众号进行使用,可以发帖/提问/交流/回答,并可以快速访问群里的资源。

希望这个群可以让你少走一些弯路

扫码进群

e4db925b9bd1bf3fbd2425667b06008f.png

如果喜欢招聘/面经/内推,麻烦给个在看

麻烦给我一个在看

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
NCC(Normalized Cross-Correlation)算法是一种图像处理和计算机视觉领域常用的相似度度量方法,用于比较两个图像之间的相似程度。 NCC算法的计算过程如下: 1. 对于两个输入图像,首先需要选择一个窗口大小。该窗口在两个图像上滑动,并计算两个窗口中像素值的均值和标准差。 2. 然后,通过对两个窗口中的像素值进行归一化,将均值减去每个像素的值,并除以标准差。这样可以消除亮度和对比度的影响,使得算法对光照变化和尺度变化具有一定的鲁棒性。 3. 接下来,通过计算两个归一化窗口之间的互相关来确定它们之间的相似度。互相关的计算可以使用公式:NCC = Σ(Ai - A_avg)(Bi - B_avg) / (√(Σ(Ai - A_avg)^2) * √(Σ(Bi - B_avg)^2)),其中Ai和Bi分别表示两个归一化窗口中的像素值,A_avg和B_avg分别表示两个窗口内像素值的均值。 NCC算法可以应用于许多图像处理和计算机视觉任务中,例如: 1. 图像匹配:NCC可以用于在两幅图像中寻找相似的图像区域,例如在图像中寻找特定目标的位置。 2. 物体识别:NCC可以用于识别物体在不同图像中的位置和姿态,通过比较目标模板与待识别图像中的局部区域。 3. 图像配准:NCC可以用于图像配准,即将不同角度或尺度下的图像对齐,以便进行后续的图像融合或分析。 4. 目标跟踪:NCC可以用于目标跟踪,通过比较当前帧和目标模板之间的相似度,确定目标在连续视频帧中的位置。 总之,NCC算法是一种常用的图像相似度度量方法,可以应用于各种图像处理和计算机视觉任务中。它通过归一化窗口内的像素值来消除亮度和对比度的影响,提供了一种鲁棒的相似度比较方法。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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