研究領域
第一次在csdn寫東西，希望能逐漸積累，在技術層面有所沉澱，尤其是前沿技術。
根據某一崗位的職位要求進行針對性學習
基本演算法：cnn，fcn，lstm，gans；
學習框架：tensorflow，mxnet等；
程式語言：c/c++，python；
池化層：進行下取樣，對特徵圖稀疏處理，減少資料運算量；
池化層的輸入通常來自上乙個卷積層，主要有2個作用：
1. 保留主要特徵，同時減少下一層的引數和計算量，防止過擬合；
2. 保持某種不變性，包括平移(translation)、旋轉(rotation)、尺度(scale)等，常用的有最大池化（max-pooling）、平均池化（mean-pooling）等。
如：對4×4的特徵矩陣進行不重疊的最大池化（2×2），得到2×2的輸出。
全連線層：通常在cnn的尾部進行重新擬合，減少特徵資訊的損失。
fcn（全卷積網路）
fcn對影象進行畫素級的分類，從而解決了語義級別的影象分割（semantic segmentation）問題。與經典的cnn在卷積層之後使用全連線層得到固定長度的特徵向量進行分類（全聯接層＋softmax輸出）不同，fcn可以接受任意尺寸的輸入影象，採用反卷積層對最後乙個卷積層的feature map進行上取樣, 使它恢復到輸入影象相同的尺寸，從而可以對每個畫素都產生了乙個**, 同時保留了原始輸入影象中的空間資訊, 最後在上取樣的特徵圖上進行逐畫素分類。
lstm
lstm，即long short term memory networks長短時間記憶網路,是rnn的乙個變種，專門用於解決******-rnn上述的倆問題。
gans
gan是「生成對抗網路」（generative adversarial networks）的簡稱，由2023年還在蒙特婁讀博士的ian goodfellow引入深度學習領域。
演算法工程師的能力要求
誠以為，演算法工程師的核心技能不僅僅只能停留在 根據資料訓練出乙個模型，調參，優化，甚至部署，我更以為作為一名優秀的演算法工程師，要把維度 擴充套件到 針對乙個 具體的問題，能 從 該問題 的前因後果，以及 資料選擇，資料的具體採集難以程度入手，然後針對 該問題，以及選擇的資料集，再考慮用什麼模型去...
硬體工程師 要求
硬體工程師基礎知識 目的 基於實際經驗與實際專案詳細理解並掌握成為合格的硬體工程師的最基本知識。1 基本設計規範 2 cpu基本知識 架構 效能及選型指導 3 motorola公司的powerpc系列基本知識 效能詳解及選型指導 4 網路處理器 intel motorola ibm 的基本知識 架構...
FPGA 工程師的要求
1.verilog語言及其於硬體電路之間的關係。2.器件結構 最好熟練掌握spartan3，vertix4系列的器件結構，及其資源於verilog行為描述方法的關係。3.開發工具 熟練掌握synplify,quartus，ise,modelsim 4.數位電路 組合電路，觸發器，特別是d觸發器構成分...