话不多说直接上干货吧！
计算机视觉是人工智能的分支之一
1.知识点和需要掌握的知识
首要明确要找什么岗位和你能做什么岗位
1.1国内岗：
图片图像算法处理工程师/计算机视觉应用工程师/计算机视觉算法工程师/视觉软件开发工程师等
1.2国外岗：
AI Engineer（ALP /vision）/Computer Vision Engineer（ALP /vision）/Self-driving Car Engineer（C++为主）/Image Processing Engineer（OpenCV）/SLAM Engineer（C++）/GPGPU Engineer（CUDA基于C++）
不需要C++职位|：
Data Scientist （python/ r/ matlab）/Deep learning Scientist （随意）/NLP engineer（python） /Machine Learning Engineer（python /java）
2.知识点
从岗位要求来看 halcon/opencv/c++/qt 占得比重很大所以这里会多总结一下
2.1c++
1）准备c++基础知识和刷题
- （1） Smart pointer ：c++11
- （2）STL容器（vector，map（刷题考算法）。。。）添加删除排序等
- （3）类：const，static，override，virtual，pure virtual等
- （4）代码要规范易梳理
2）刷题：
- （1）C++必读（Effective C++）三天内看完主要是为了编程风格
- （2）YouTuBe： Cppnuts印度老哥（每个小知识点总结成3-5分钟 可以速刷）
- （3）LeetCode：ez and some medium 最好是能跟着现成的算法课刷题/最少要刷300题（300题是一个坎）（刷题要有效率）
2.2必要的图像知识
- 1）特征点（什么是特征什么是特征点）：
- Harris角点检测/SIFT/SURF/ORB ；
- 2）看看面试题 ；
- 3） 描述子和匹配，FLANN算法；
- 4）相机模型：
相机内参，外参
相机标定
（机器人导航等不用知道太深）
基本大块概念；
- 5） 图像配准/运动检测/光流算法 ；
2.3OpenCV
- 1）Mat基本操作遍历必须会
- 2）使用OpenCV实现halcon里面的功能，根据算法进行推演，可以基于自己的
- code去实现功能
2.4深度学习知识积累
- 1）至少要会一种框架
Caffe，Tensorflow，Pytorch，MXNet 等
- 2）推荐Tensorflow+Keras
- 3）至少要有一次kaggle项目经历
- 4）有名次一个就够了 没有名次多写几个项目
- 5）Dog and Cats 获奖感言 （也可以去看一下历届冠军的获奖感言）
- 6）关于model必须要能够迅速迅速说出优点，一句话让面试官知道你是了解这个model
GoogleNet V12345/VGG/ResNet/MobileNet/AlexNet等
2. 简历制作
2.1预期你要准备的简历种类
- 1） 投向 开发岗，重点突出有项目经历和经验；结合项目描述出自己的技术原理技能基础扎实
- 2） 测试岗位方向，了解流程，熟悉常见的问题及解决思路，熟悉基本的测试方法测试原理测试框架，善于沟通，结果导向
2.2 筛选公司
2） 这一批里面再精简出来前60%
3） 这60% 按天分批次投递，接到面试电话后 记录好场次安排自己的出行计划
4） 等待面试到来
5 ）谈时期间的薪资补助待遇和公司预期的要求，考核方式
2.3制作简历
1）在校经历：
自己做过什么项目，完成过什么功能，实习经历等
2）工作内容 ：
其中自己核心参与哪个模块的研发，独立负责哪一个模块，负责哪些内容：最初的需求沟通、设计。研发，测试 上线应用。参与了哪些模块的讨论，贡献了哪些想法并被采用
3）自己核心负责的模块：
重点突出自己的核心技术技能，这些是应用到这个模块的开发上的，哪些是突出创新的点。
2.4入职公司
1）找3-5个自己想去的公司，并且列出各个top3自己想去的岗位
2）这些其中之一给offer了，并且都优于自己预定的底线的话
3）就安心的选择这个开始稳定下来了
3.面试技巧
- 1）不要想准备好了在面试，你准备好了很多职位都没有了
- 2）从失败中总结，才知道职位需要的是什么（总结面试中的失败）
- 3）小公司来练手大公司找内推
- 4）增加简历的质量（首先要让HR看懂），一定要勤快刷题
- 5）面试的前两分钟，要仔细观察这个面试官是什么样子的人，速度要快
- 6）玄学（面试官莫名喜欢你虽然你很菜）
之后想到了什么再补充现阶段就是这样的，希望能帮到你。
