本篇文章1028字，读完约3分钟
文案如果要细数人工智能的落地场景，我相信计算机视觉的样子是绝对不可缺少的。 无论是图像分类、图像生成还是目标检测，以计算机视觉为代表的人工智能技术都在根本改变着我们的生活，其中的计算机视觉技术人员自然也成为了抢手的人才。 那么，现在的大企业需要什么样的cv视觉工程师呢？ 最近开课吧“hello，world公开课”受人工智能实验室研究员、伊利诺伊大学香槟分校机器学习硕士jerry老师的邀请，解答了这个疑问。
CV活跃的
20世纪90年代，现在的ai三巨头之一的yann lecun提出了lenet。 它是卷积神经互联网的鼻祖，此后技术不断进步，诞生了alexnet、vgg、resnet等多种神经互联网模式，目前计算机视觉在许多行业取得了不俗的成绩。 看看cv是如何影响我们的日常生活的。
图像分类
在神经网络的训练中，只要扔出图像，系统就能识别是猫还是狗。 对于同一种类的东西，系统会自动识别，完全不需要人工就可以识别。
目标检测
天空下，你驾驶的所有行驶轨迹，包括是否过红灯，是否按住红线，这些系统模型都可以完全自动分解。
图像生成
这是一个很有意义的应用。 让我先推测一下。 下面两张图中哪个是真实的照片，哪个是由ai生成的？
其实这两张照片都是由生成对抗互联网自动生成的，不可思议吗？ 如果有有趣的朋友，可以访问以下网站，利用gan可以随机生成世界上不存在的脸部照片
入门计算机视觉
cv并不简单，可能会有同学会认为学习的价格很高。 其实不是。 计算机视觉确实需要数学和计算机的基础知识，但并不像我们想象的那么难。 例如，一些学生可能知道学习ai需要线性代数、微积分和概率论。 请考虑一下。 但是，详细调查后会发现，真正日常使用的是概率论中的条件概率、线性代数中的基础矩阵运算等基础知识。 只要掌握从回归模型、支持向量机、聚类算法等机器学习模型到深度学习中的cnn、rnn、dnn，大多数人都可以入门。
从大企业来看的cv工程师[/s2/]
日常的ai算法工程师的工作被称为练丹。 由此也可以看出很多工程师的日常工作很顺利。 为此，jerry老师也特意指出。 万剑归宗，如果只说一个，现在的公司就是不做调包侠/调参侠。 现在，公司需要的是了解模型背后的原理，了解如何有效获取数据，以及如何抽象客户诉求的人才。 除此之外，如果你对计算机视觉和cv工程师未来的快速发展有越来越多的问题，可以点击你生活/工作中的计算机视觉的照片观看公开课的播放。
