深度学习之图像

搜/广/推/NLP/CV/数据挖掘怎么选?

CV:CV是计算机视觉,作为算法岗火爆先锋部队,在五年前吃到了一大波红利。算法岗的落地场景我认为在搜索、广告、推荐、自然语言处理、计算机视觉、数据挖掘这六大算法岗中最多的。比如所有人都知道的人脸识别就是其中最大的应用场景,并且已经完全落地了,应用在无人售货机支付、APP登陆、支付宝微信银行等实名验证、交通违法自动识别、罪犯跟踪、门禁等等等等,商汤几乎就是靠着一手人脸识别的产品养活了整个公司。除此之外,CV还有无人驾驶、智能家居、监控、视频内容理解等等场景。但是应用场景多+第一批深度学习红利,带来的结果就是“卷”,七八年前,大量的计算机从业者转行深度学习、人工智能,所以导致人才溢出,供大于求。现在的情况就是,「没有顶会、比赛或者非名校根本进不了大厂」。这并不是一个危言耸听的事实,但是大家也不必过于焦虑,从我身边的例子来看,顶会or比赛or名校,有其一,在基础水平扎实的情况下,就能进大厂,具体怎么准备才能进,我之后会说。但也正是由于CV大大超过其他算法岗的落地场景,在算法岗普遍卷的今天,我反而推荐「以SSP为目标的,还有2年及以上多学校时间」的同学们去学习CV,因为现在“卷”不代表以后也“卷”。因为CV前几年卷,所以这几年大家大有着一起涌入搜广推的趋势,CV反而没想象中的卷。我身边就有不少非科班的同学去了大厂的CV岗(PS:他们有实习、名校、竞赛的背景其一)。当然,如果你马上就要准备春招了,手头只有CV的相关项目(相信大部分同学都是这个状态),那在学校还可以的情况下,冲一冲CV岗的实习也不是不可以,春招可比秋招简单多了,一段CV项目+不错的学校或者不错的比赛,足以进入任何一家大厂了,当然要是目标核心部门那要求还要更高一点。「总结:我认为CV的未来是光明的,人才需求是最多的,核心依据是它海量的应用场景,以及人才的流向分布,所以,如果你是刚进实验室的小白,想学CV又不敢学,大胆的去学,竞争比你想象的小;如果你是没有论文,但是名校毕业或手握项目和竞赛,面临春招不知道要不要找CV岗的应届生,大胆去找,竞争比你想象的小。」

NLP:NLP是以上6个算法岗中最有挑战性的岗位,因为在CV中,视频可以分割为一帧一帧的图像,图像又可以分割为一个一个的像素点,像素点又是有限的,这很适合计算机去解析。但是文字不一样,且不说全世界有上百种文字,每种文字又有亿万种变换,更别说中文这种博大精深的语言了。就目前来看,NLP成功落地的场景也只有机器翻译了(搜索我们在下文再提),所谓的对话、问答等还远远没有达到实际应用的地步,跟CV的落地比起来差远了。所以说实话,「短期内我看不到NLP的前景,大多都是实验室的玩具,发paper的工具罢了」。而在企业中,NLP也没有太多的应用场景,大部分都是解析文本来给下游任务做特征的。从我的经历来看,比如爱奇艺这类视频APP做NLP的有一部分是解析弹幕、评论等给用户画像做特征;腾讯广告中的NLP有一部分就是解析文本,给广告的推荐做特征、给用户打标签等等;百度小度中的NLP是跟语音、搜索挂钩的;京东的NLP有一部分是做推荐理由的。所以,纯的NLP岗位是真的不多,但做研究另当别论,如果你是博士励志进入大厂的研究所,那么NLP绝对是一篇蓝海,还有很多方向值得去探索。但是如果你是去业务部门干活的,那NLP的坑位确实不多。「总结:我认为NLP是有极大挑战的,适合做研究的,因为很多问题都没解决;不适合做业务的,因为坑位少」

数据挖掘:与NLP关联比较大的岗位是数据挖掘,但是很多公司其实不区分数据挖掘和NLP。在腾讯,知识图谱就归于数据挖掘方向。数据挖掘是最原始的算法岗,其初始的含义是从数据中挖掘信息的岗位。由于深度学习的崛起,数据挖掘慢慢的就被数据分析、NLP等等岗位所替代。所以其实这个岗位大家不用单独的去关注和学习,数据挖掘算法和机器学习算法大部分是重合的,只有小部分是数据挖掘所独有的,比如Apriori等等。同理,在公司中,数据挖掘也更多的是和业务绑定的岗位&#

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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