年薪30w的程序员告诉你，如何从求职者中脱颖而出？

关键字：深度学习 人工智能 算法实践

据领英近日发布的《全球AI领域人才报告》显示，截至2017年一季度，基于领英平台的全球AI（人工智能）领域技术人才数量超过190万，中国的AI人才总数仅为5万人。但国内人工智能人才缺口达500多万，供需比例严重失衡。稀缺人才主要集中在深度学习算法工程师、以深度学习为核心的计算机视觉算法工程师、自然语言处理算法工程师等岗位，年薪平均为35万。想必大家对于这样的高薪并不陌生，毕竟OfferShow就是因为高而可信的薪资吸引了大家，并被大家所认可，而小编也一直在努力帮助大家普及和学习更多获取高薪工作的信息。

近期，针对高薪求职的问题，小编跟身边很多入职半年多的朋友们一起聊天发现。校招阶段的高薪少部分来源于众多的项目实践和实习经历，更多还是依赖于扎实的科研以及算法功底。想必大家不会忘记之前的高薪榜单爆料吧，人工智能，深度学习机器学习，算法工程师已经火爆全国了，那么如何从众多求职者中脱颖而出? 很多朋友都给出了一个建议：

深耕科研，加强对于人工智能以及深度学习的理解和运用。

说到这，不得不回忆一下自己的科研生活，2017的年初也曾立过好好科研，天天进步的flag，也曾梦想着能够发出论文，达成学生阶段的科研成就，没曾想，终归还是沦为了一枚科研渣，校招季也曾见过身边的硕士、博士一个个三四十万的被BAT、华为给挖走，看到这样的情况，每每都羡慕不已。深耕科研的人才，其实在一定程度上在求职阶段已经位于了金字塔的顶端。

所以对于朋友提出来的上述建议，自己在工作中也会去思考，如何提高自我？也会去认真反思自己的学生阶段是否科研不够努力。本文并不是想劝大家都去搞科研，但有一句实打实的心理话想给那些对科研不抵触的，甚至于说有兴趣的朋友说一句，趁着还有时间折腾，静下心来认认真真的去学习一下，核心竞争力提高了，走遍天下都不怕了。

提到了科研，想必离不开深度学习，人工智能这些字眼了，毕竟深度学习已经被广泛应用在计算机视觉、自然语言处理等人工智能领域中，极大推动了人工智能的发展。当下，无论学术界还是企业界，都在发力深度学习的研究和应用；谷歌大脑、百度的IDL、腾讯的AI lab等都在布局人工智能，花重金招兵买马。所以，作为求职者的你，是不是该认真的思考一下，如何提高自我，如何在众多求职者中脱颖而出了？

最后的最后，请收下小编的良心广告，也是一门深度学习的拔高课程，感兴趣的可以参与一下哦！讲师团队均为中国科学院自动化所博士毕业生，人工智能一线青年骨干；课程授课时间均安排在寒假期间，便于学习讨论。

深度学习课程内容

1.数学基础（资料）

1.1 贝叶斯决策理论、参数与非参数估计

1.2 回归与分类、梯度下降优化

1.3 信息熵

2.深度学习理论（6学时）

2.1 前馈神经网络（概述、单层神经网络、多层神经网络）

2.2 卷积神经网络（基本概念、发展历程、网络特点、网络设置、网络训练以及相关应用）

2.3 反馈神经网络（Hopfield网络、玻尔兹曼机、受限玻尔兹曼机）

3.深度网络常见模型与Keras实战（8学时）

3.1 Keras与残差网络（从LSTM到Highway网络、从Highway网络到残差网络、基于Highway网络的应用）

3.2 自动编码机AE及生成对抗网络GAN（AE的起源与变种、生成对抗网络GAN、基于GAN网络的应用）

3.3 【实践】基于Keras的行为识别（行为识别问题简介、基于深度学习的行为识别常用模型介绍、基于Keras的行为识别实践）

3.4 【实践】基于Keras的场景分割（场景分割问题简介、基于深度学习的场景分割常用模型介绍、基于Keras的场景分割实践）

4.深度学习框架（4学时）

4.1 Caffe入门（简介、安装和配置、优点与局限性分析、深入Caffe源码、Caffe调试）

4.2 Caffe提高（基于Caffe的MINST手写识别、Caffe的Python接口、Caffe修改与添加Layer、网络训练技巧）

5.网络压缩与移动端网络（2学时）

5.1 深度学习的网络压缩介绍及其意义

5.2 常见的网络压缩方法介绍

5.3 手机等移动端网络介绍（mobilenet，shufflenet等）

讲师团队

汪老师，中科院自动化所一线科研学者，副研究员，团队在领域顶级会议期刊 ICCV、TNNLS、TIP等发表论文20多篇；参加全国视频图像分析技术挑战赛，获得目标检测识别第二名，熟练掌握并应用深度学习Keras框架和Caffe框架。

宫老师，某知名外企研究院算法工程师，中国科学院自动化研究所博士，在计算机视觉与人工智能领域具有近六年的研究经历。攻读博士学位期间主要研究方向是模式识别与图像处理，曾在模式识别领域内顶级国际期刊发表论文，参加某知名互联网公司举办的图像分割竞赛，获得第四名的成绩。目前主要负责计算机视觉与人工智能方面的算法研发工作。

课程特色及往期评价

1.中科院自动化所一线青年学者主讲；

2.提供一对一的人工智能入门咨询服务；

3.课上直播答疑，课下微信群答疑；

4.理论与实践相结合，注重项目实践；

5.往期课程学员均报满300人，来自14个国家。

— THE END —