去年华为的“天才少年”计划在网上引发热议，8位入选人年薪最低的为89万，年薪最高的达到了201万。

“初出茅庐”为何就能一骑绝尘，拿到很多人可能一辈子都无法企及的薪酬呢？

细细了解不难发现，选中的这些人中大多都在AI行业中有突出的表现，如华中科大白翔（计算机视觉领域OCR方向专家）教授的学生廖明辉就是其中之一，跟随白翔教授专攻计算机视觉领域，研究场景文字检测与识别，在CVPR、ECCV等顶级期刊发表了一些论文。

除了华为的“天才少年”外，国内的顶尖互联网公司也都有各自招揽人才的“计划”，如百度推出的“少帅计划”、阿里推出的“阿里星”计划，也都在竞相招揽机器学习、深度学习等方向的优秀人才。

1 进入该行业需要学习什么？

但无论哪种计划，想进入都不容易。
对于“金九银十”中求职的毕业生和社招求职者来说，AI（人工智能）无疑是当前社会中就业前景最好的几个领域之一。
我们都知道，腾讯、阿里、美团、字节跳动等企业，每年都招聘大量AI方面的人才。面对动辄50万甚至上百万元以上的年薪，以及高大上的工作环境，对所有的求职者来说，这种吸引力都是无法拒绝的。但如何进入该行业，以及进入该行业后，学习什么知识才能快速涨薪，这是很多想转行的人想了解但不得要领的地方。
执行力强的同学可能已经开始了相关的搜索：

（1） 计算机视觉招聘需求是啥？我需要具备哪些知识技能？

（2） 先是查找机器学习、深度学习等各种词汇。

（3） 搜索如何学习，紧接着开始研究机器学习的各种算法；

（4） 逐渐被那些数学知识（包括复杂的公式）、推荐系统等内容给难住；

（5） 再考虑考虑，然后成功实现了从入门到放弃。

更有行动力的可能已经在网易云课堂、B站搜索机器学习视频，准备报相应的在线学习视频班，当然，也有人去知乎提问了“想转行计算机视觉领域，待遇如何？该从那儿学起？”并邀请自己了解的行业前辈或以前校内的的师兄师姐回答。也有人迅速到脉脉上看从业者的薪资爆料、职场环境等。

但有一点AI基础知识的人都知道，AI中并不是只有算法。

算法研究固然非常重要，但那是上述“天才”及专家的事情。对于大部分求职者来说，更多要做和学习的是根据企业的需求来掌握相应的实现方法，如字节跳动的推荐系统、美团的大数据分析和视觉识别等，企业选择研究AI更多的是为了应用，如人脸识别、自动驾驶等。

2 从招聘要求看学习需求

所以作为从业者，我们没有必要一条道走到黑。

理论很重要，但现在的框架和库都将相应的算法封装好了，我个人觉得，如果不是做新算法研发的同学可以不用深究相应的算法，而应该更多的关心相应的应用。

下面以计算机视觉方向为例，来看看各个平台给多少薪资待遇，下图是在某招聘网站上的招聘信息，有1-3年工作经验的本科生薪资待遇是3万～6万元每月，如果是有1～3年工作经验的硕士生则直接跳涨到5万～8万元每月，即年薪百万元。

相比现在市场上平均月薪不到万元的北京、上海等一线城市，这样的月薪是不是颇具吸引力，再加上相应职位的年终奖等福利，年薪百万是一条可以实现的道路，而且部分企业还能提供上海落户的额外福利，可谓是诚意满满。

不过，不能只看到薪资就心动，再看看相应的职位要求，即可找到自己的努力方向。

你现在工作的要求是否满足？满足了，薪资待遇是不是也在行业合理的范围内；不满足，就可以看看自己的努力方向。做到了，并不一定要跳槽，但保持有跳槽的能力选择。所谓“铁饭碗”，并不是你一辈子只呆在一个地方，而是，你去哪儿，都有人抢着要你。

3 从需求端出发，找到学习切入点

从招聘的具体要求以及行业内的研究动向来看，归纳起来主要就是以下几点：

（1）掌握常用的计算机视觉算法：图像分类、目标检测、图像分割等；

（2）掌握常用的图像处理库：OpenCV等；

（3）掌握深度学习框架：Tensorflow、Keras等；

（4）有模型部署经验（或称实践经验、算法落地经验），包括模型优化（压缩、量化）。

层层递进的内容看起来很多，不容易实现？而且，现在的各种培训动辄几千上万元，还不一定能教会，更重要的是，行业内虽然很多公司已经不再996了，但学习时间仍然不足。

现在，只需要通过一本书，就可以逐步搞懂这些知识。先来看目录是否符合以上招聘的要求。

招聘第一点：目标检测、图像分类（见下图中《深度学习计算机视觉实战》一书的第2、3章）。也就是《深度学习计算机视觉实战》一书的第一部分所包括的内容，这些内容主要讲解了计算机视觉领域的经典网络，如特征的提取、目标检测算法，有关的算法论文在介绍时都有指出，读者可以查看国内外最前沿的论文原文，与行业前沿知识保持一致。

招聘第二点：图像处理库（见下图中《深度学习计算机视觉实战》一书的第3~6章）。主要讲解基于OpenCV库的图像处理知识。通过个应用案例，让读者能够清晰地看到图像处理的效果，增加对知识点的理解。

招聘第三点：深度学习框架（见下图《深度学习计算机视觉实战》一书的第9~12章，以及第1章）。详解了这些框架的内容。

招聘第四点：模型部署经验或称实践经验、算法落地经验，包括模型优化（压缩、量化）（见下图《深度学习计算机视觉实战》一书的第13章）。基于 TensorFlow Lite 进行模型部署的讲解，选用此框架一方面是因为 TensorFlow 的受众较广、热度很高；另一方面是因为该框架在各平台都有对应的支持与优化加速，性能较高，文档完备，比较容易使用。

在这部分中也讲解了部署中的模型转换、模型优化、部署中可能遇到的问题及解决办法，这些都是在工程应用中的经验总结，遇到的问题也是在部署过程中亲历并顺利解决的，在此讲解是希望帮助读者少走弯路，以最小的代价实现自己的需求。

除此之外，书中还有针对计算机视觉中的实战项目。本书讲解时依照实战应用的结构讲解，包括数据预处理、网络搭建和模型训练三个模块，这些算法模型经过转换之后的应用效果在本书中也有介绍，让读者能够理解设计意图。

是不是觉得这就是你需要的那本书？

当然，更重要的是，针对很多转行业的“新人”，本书所有知识都使用各种案例来讲解其实现原理，以及实现方法，通过案例来进行进一步的实操。我们都知道，只看理论知识，很多人可能多少都知道一些实现方法，但通过计算机练习则能快速上手。而且，除了图书外，购书的朋友还能通过扫描书中的二维码，下载书中的案例源码文件，免除你的输入之忧。

更附赠世界知名计算机视觉相关的学术论文，让你与全世界最新前沿技术保持一致！

当你认真研读并深刻理解了这些计算机视觉算法工程师招聘的岗位要求，然后再阅读本书，就能根据招聘中的需求来研究相应的知识点及对应的原理。相信每位认真研究本书的读者都可以在计算机视觉领域大展拳脚，可能我们仍旧无法复制华为“天才少年”的成功之路，但掌握了“天才少年”的学习方法和方向，离你自己的成功就会更近一步。

你与高薪工作也许只差一本书的距离

快快扫码抢购吧！