AI本科生就已经学习了数字图像处理、机器视觉、计算机视觉、自然语言处理、强化学习的基本任务。
CS本科生连毛都没摸过。
数字图像处理：
1. 图像增强：改善图像质量，如对比度、亮度调整。
2. 噪声降低：减少图像中的噪声。
3. 图像恢复：从退化的图像中恢复原始图像。
4. 特征提取：识别图像中的关键特征，如边缘、角点、纹理。
5. 图像分割：将图像分割成多个区域或对象。
6. 图像配准：对齐多个图像以进行比较或合并。
7. 图像压缩：减少图像文件的大小而不显著降低质量。

机器视觉（Machine Vision）：
1. 物体检测：在图像中识别和定位物体。
2. 物体识别：识别图像中的物体类别。
3. 场景理解：理解图像中的场景内容和上下文。
4. 视觉跟踪：跟踪视频中的移动物体。
5. 立体视觉：使用多个摄像头获取深度信息。
6. 光学字符识别（OCR）：从图像中提取文本信息。

计算机视觉（Computer Vision）：
1. 图像分类：将图像分配到特定的类别。
2. 目标检测：在图像中定位和识别多个对象。
3. 语义分割：为图像中的每个像素分配类别标签。
4. 实例分割：区分并识别图像中的每个独立对象。
5. 动作识别：识别视频中的人类动作。
6. 3D重建：从2D图像重建3D模型。

自然语言处理（Natural Language Processing, NLP）：
1. 文本分类：将文本分配到预定义的类别。
2. 情感分析：确定文本的情绪倾向。
3. 机器翻译：将文本从一种语言翻译到另一种语言。
4. 命名实体识别（NER）：识别文本中的特定实体，如人名、地点。
5. 关系提取：识别文本中实体之间的关系。
6. 文本摘要：生成文本的简短版本。

强化学习（Reinforcement Learning）：
1. 决策制定：学习在特定情境下做出最优决策。
2. 控制任务：训练代理在环境中实现特定目标。
3. 游戏玩法优化：在游戏环境中提高玩牌或棋局的策略。
4. 资源管理：学习如何有效分配有限资源。
5. 机器人路径规划：导航机器人通过复杂环境。

【 在 xsjj 的大作中提到: 】
: 对的，一般而言本科还是要读CS，研究室或高年级再分流
: 发自「快看水母 于 23046PNC9C」
--
FROM 111.48.114.*

第一，有效果就行。
第二，CS连训练都不会。
第三，训练技巧是基本功，需要时间积累。
第四，除了训练，还有对数据的理解，也就是对业务的理解。
第五，熟悉各种模型，需要时间。现在缺的就是时间。
第六，模型魔改的经验，也需要时间积累。
第七，一步慢，步步慢。
第八，就业形势不好，现在就是抢位子。


【 在 maxwell2017 的大作中提到: 】
: 别吹了，调参而已
--
FROM 111.48.134.*

调参是一种必需的技能。
大部分应用，由于成本原因，不可能使用大模型，所以只能使用小模型。
不同的小模型应用，有自己的特点，必然需要进行调参。

【 在 alwaysfaint 的大作中提到: 】
: 客观来说，社会上的确不需要这么多调参侠。
: 本来AI领域就是少部分大牛在开疆拓土，中间一些科研工作者做沙子水泥，最后放到各行各业用就好了
: 现在的专业本末倒置，培养了很多不知其所以然的工具人，当然二十年前CS也是这样
: ...................
--
FROM 111.4.64.*