总结之前的技术积累 和 2020年的任务

技术更新变化太快，要不停的学习才能不断的进步。

update

1，机器学习需要加强一下，

2，搜索方面的基础知识。搜索算法，搜索引擎，elasticsearch

3，推荐系统，推荐算法，大数据。

4，NLP

5，KG

6，基于深度学习的推荐系统推荐算法模型。

7，基于KG的推荐系统。

8，java，sping，sping boot，spring cloud，大数据。

---------------------------------------------------------------------------------------

当前的技术积累：

Devops： git ，repo，gerrit，jinkens，开源工具和架构，这块已经有深入理解，并熟练应用在敏捷开发中，属于同行中顶尖水平。linux-shell，python

嵌入式开发：linux，arm嵌入式，bsp，makefile，android架构，等等。语言：c，c++。

通信（手机卡开发，5G IoT，后续方向是5G AIoT）：2345G，重点关注5G。 尤其擅长对高通平台，MTK平台的modem协议，RF 驱动框架，射频天线tuner调试。熟悉android平台的BSP，屏幕，TP，camera的调试。 通信方面可以定位为-资深无线通信协议专家。

人工智能：机器学习，深度学习，计算机视觉，图像识别，人脸识别，目标检测，图像分割, PCL, openpose,数字图像处理halcon/opencv, openGL。

2020技术积累的任务和方向：

深度学习：语音识别，NLP，语言合成，语音机器人。MFCC，FFT。

无人驾驶和无人机方向： 视觉SLAM，激光SLAM，点云。

机器人以及机器感知方向：ROS，视觉SLAM，点云，激光SLAM。树梅派+ROS相关知识的学习，达到创客的水平。

硬件：加强硬件电路设计，加强硬件理论基础学习。为后续机器人AI和无人驾驶AI，嵌入式AI等等方向转行铺路。

Platform: tensorflow, caffe, pytorch, cuda/cudnn, openCL.

今天调整一下后续发展和技术积累的方向：

在NLP方向，把整个NLP，中文NLP技术梳理一下。word2vec词向量，CBOW，Skip-gran，n-gram，elmo，glove，transformer，注意力机制，bert，GPT2  GPT3

知识图谱,

在语音识别和语音合成方向，要继续梳理。语音识别： kaldi，htk。

在ROS方向，要熟悉机器人操作系统，熟悉程度要达到android水平，技术理解甚至要超过android。

在SLAM,3DCV方向，要理解slam的原理，对定位和3d建图，bundlefusion，点云，3d相机，李群李代数，非线性优化，回环检测，等等。都要有深入理解。bundlefusion on linux /ubuntu.

pointnet ,pointnet++, pointSIFT, RANDLA-NET

在图像处理和CV方面，继续深入学习，ssd，yolo，人脸检测等。seetaface2,seetaface6, facenet, insightface, 3DCV,.. openpose, rt_pose...

 

java/BigData/Cloud--->

Java,j2ee, springboot springmvc mabatis zuul feign eureka Oauth2 redis Mq Aop mysql.

hadoop, spark,scala,kafka.  etc.

j2ee, springboot ,springcloud,

big data, KG, neo4j.

 

---------------------------------------------------------数学基础以及专业基础-------------------------------------------------------------

数学基础：高等数学，线性代数，概率论和统计，（通信类的数学基础：复变函数，信号与系统。）李群与李代数。微分流行。微分几何。 数学基础的任务是要达到理解这些科目：热力学，电磁学，经典力学，通信原理，相对论，量子力学。理解机器人控制理论和无人驾驶视觉SLAM技术等等为目标。

研究生专业：计算机应用技术，计算机原理，电路原理，数字电路，模拟电路，通信原理，数据结构，离散数学，随机过程，算法导论，，tensorflow，caffe，karas，java，android，c，pyhon，linux，ROS。

图像处理：数字图像处理，OpenCV，Halcon，OpenPose，视觉slam。在通过数字图像处理的学习以及opencv，halcon等的学习加强传统模式匹配特征获取方面要加强学习和理解，SIFT，SURF，ORB，HARRS，HOG，模板匹配，分割，blob分析等。

语音基础：语音信号处理，kaldi，

人工智能AI框架：caffe，pytoch，TensorFlow，keras，ONNX 等。这几项都有理解和掌握，后续重点放在pytorch上，两点：

1是NLP等前沿网络和模型以及顶会会在pytorch上实现。而是pytorch本身是动态图，GPU，自动求导，类似python等优势。