课程简介

本期CV高级11,继续沿用上一期完整的“作业考试且批改”的教学机制,且在内容、项目、就业三个维度上做了全新升级:

  • 技术阶段上:除了目标检测、图像分割、模型压缩的核心算法与图神经网路、关键点检测、Transformer在CV中最新应用与Swin Transformer、Swin Transformer V2等ViT变种模型、之外,本期新增模型量化与知识蒸馏、模型部署;
  • 项目阶段上:在原有6大项目“多模态图文检索系统、视觉编码系统、视觉跟踪系统、Transformer-based视觉特征提取系统、人体姿态估计系统、图像分割系统”基础上,不断精进,本期新增行为识别与分析系统项目;
  • 就业阶段上:就业老师专门一对一跟踪每一个人的就业状态、辅助讲师进行简历指导、面试辅导、就业内推,比如前8期CV高级班的平均就业率截止到2022年3月11日已高达90.2%,且还在不断上升中(更多请看本页面底部的“就业信息”);

一切为了学员学的更好,最终更好的在职提升、或跳槽涨薪/升职加薪。

面向群体: 本课程适合已经在做AI的进一步在职提升,比如在职上班族跳槽涨薪/升职加薪,采用严格筛选制(通过率不到1/3),需要具备一定的基础能力才能报名通过,故以下同学优先:

  • 985或211高校的CS、数学理工科相关专业的应届或往届研究生
  • 已有一定的AI在职开发经验,比如正在公司做AI想在职提升
  • 已有一定的AI项目经验,比如学过七月在线的机器学习集训营

实战项目

企业项目

  • 企业项目一

    多模态图文搜索系统--实战感受Transformer/BERT强大“编码”(Encode)能力

    项目介绍:多模态信息理解和检索是2021年学界和业界最热的技术和话题,尤其是当长短视频、新闻、视频号、朋友圈等PGC和UGC的内容以多模态(图片、视频、文本、音频等)形式呈现,加速了多模态信息理解和检索技术的升级,BAT、字节跳动、爱奇艺、美团点评、优酷等各大厂商都在布局和招聘多模态技术算法人才。

    涉及技术:在技术阶段讲过的Transformer、Vision Transformer等内容基础上,本次项目将继续补充多模态信息检索的前沿技术,如自监督学习(Self-supervised Learning)技术、2021年OpenAI提出的CLIP(Connecting Images and Text)等最新技术内容。实战方面,我们将从零开始,实现一个图文检索系统,实战感受Transformer/BERT强大“编码”(Encode)能力。

  • 企业项目二

    基于自监督学习范式的视觉编码系统实现

    项目介绍:“如果人工智能是一块蛋糕,那么蛋糕的大部分是自监督学习,蛋糕上的糖衣是监督学习,蛋糕上的樱桃是强化学习”。深度学习三巨头之一Yann Lecun在他的演讲中引入了“蛋糕类比”来阐述自监督学习(Self Supervised Learning)的重要性。虽然这个类比是有争论的,但最近一两年自监督学习技术在计算机视觉领域发展迅猛,无论是在学术界还是工业界都产出了大量高质量的工作。尤其是在工业界,自监督学习技术直接改变了原本在各个业务线上都各自独立花费昂贵的数据标注成本产出多个模型的局面,现在大多遵循着先Self Supervised Pretrain --> Finetuning的套路,不仅大大降低了对数据标注的成本,还在多个公开数据集和业务场景中比纯监督学习的效果更好。

    涉及技术:在本次项目中,将详细介绍近一两年来视觉自监督学习技术的里程碑文献,梳理前沿技术发展路线。然后从Contrastive Loss、Dual Encoder、Projection Head等多方面的细节具体实现一个端到端的基于自监督学习的视觉编码系统。

  • 企业项目三

    Transformer-based视觉特征提取系统

    项目介绍:近期 Transformer 在 CV 领域掀起了一股热潮,从图像分类的 ViT, 到目标检测的 DETR,再到图像分割的SETR 以及 3D 人体姿态的 METRO,预计在未来所有 CNN 能干的事情,都离不开Transformer的身影,其力量之雄厚,直接推进了AI 领域技术和方法的融合与发展。

    涉及技术:2021 ICCV Best Paper:Swin Transformer

  • 企业项目四

    视觉跟踪系统

    项目介绍:视觉是人类认知世界的重要途径之一,人类获取外部信息的80%来自视觉系统。计算视觉追踪就是在了解人类视觉基础上,用成像系统代替人类视觉器官,用计算级代替人脑完成对输入图像的处理与理解。通过对连续的图像序列进行运动目标检测、提取特征、行为识别,以获得目标准确的运动信息参数(如位置、速度等),并对其进行相应的处理分析,实现对目标的行为理解。其在安全防护、体育竞赛、无人驾驶等领域有着广泛地应用。

    涉及技术:本项目将从目标检测之Anchor Free方向下大火的CenterNet入手,过渡到视觉追踪的Center Track(2021)。从视觉追踪系统的网络模型搭建、训练、优化及测试入手,深入挖掘视觉追踪系统的魅力。

  • 企业项目五

    基于深度学习的图像分割系统

    图像分割一直是计算机视觉领域的一个研究热点,尤其在深度学习技术的推动下,图像分割开始从研究走向应用,图像分割广泛应用于机器人导航,自动驾驶,图像的艺术化处理,短视频编辑等等领域。

    通过本项目,我们可以学会从零开始搭建一个基于深度学习的图像分割系统,并应用于实际应用中,并对图像分割领域的最新研究理论有深入的理解和思考。

  • 企业项目六

    行为识别与分析系统

    项目介绍:行为识别与分析在视频监控、医疗康复、健身评估、人机交互等领域应用广泛,是计算机视觉研究的热点问题之一。行为识别与分析的主要目的是根据摄像头捕捉到的视频来具体地分析并预测人体行为。传统的实现方式主要基于捕捉人体所佩戴的传感器所发出的信号,因此使用不够灵活、操作复杂、扩展性不强、用户体验查。随着深度学习近年来的爆发性成长,基于计算机视觉的行为识别能够很好地获取视频中的空间和时间信息。由于其扩展性强、灵活度好、准确率高,因此成为现阶段及未来的主流方式。

    涉及技术:在本次项目中,将详细介绍近一两年来基于人体骨骼点的行为识别与分析的里程碑文献,梳理前沿技术发展路线。从NTU-RGB-D数据入手,分析多方面的细节,具体实现一个端到端的一套基于Pytorch的行为识别与分析系统。

实训项目

  • {{item.title}}

项目介绍

讲师团队

  • Seven博士
    BAT CV算法资深技术专家

    博士毕业于国内TOP 5高校,目前在知名大厂担任资深技术专家以及CV算法团队负责人,在AI和CV领域发表了CVPR/ICCV/AAAI/IJCAI等多篇顶尖会议和期刊论文以及担任相关论文的审稿人。有深厚的学术背景和丰富的项目及业务落地经验,并长期担任技术面试官,授课风格深入浅出、诙谐幽默。

  • 王博士
    CV博士,百度CV资深研发

    中科院CV博士毕业,中国图像图形学会三维视觉专委会委员,目前在百度做CV研发,之前在阿里达摩院做CV研发。

  • 庞博士
    CV技术专家,美国Top10学校博士

    美国Ph.D.,主攻计算机视觉、目标检测、图神经网络等领域,在顶会和顶级期刊发论文数十篇。曾任美国某著名高校的大学讲师,现在硅谷某芯片独角兽公司任机器学习高级工程师,有着强大的项目、学术背景,兼备丰富的从业经验和深入浅出的教学功力。

课程安排

  • 第一部分 报名审核

    申请学员(以下简称学员)填写报名申请表并附上简历,电话或远程面试通过后,才视为报名成功,然后学员和七月在线(以下简称机构)双方签订培训合同。

  • 第二部分 内容安排

    课程开始前,提供预习视频预习,课程开始后,每周安排直播、录播、实训、答疑,然后每两周考试一次,顺利通过阶段考试的学员,才能进入下一阶段的学习。未能通过考核的重新学习,做查漏补缺。

    预习阶段 计算机视觉技术的基础

    在线直播:开班宣讲

    在线视频:传统图像处理基础

    • 1-Harris 角点
    • 2-SIFT算法
    • 3-RANSAC
    • 4-相机成像模型与相机标定
    • 5-立体视觉
    • 6-SFM与SLAM
    • 7-传统图像拼接项目-SIFT

    在线视频:计算机视觉基础

    • 1-计算机视觉简介
    • 2-图像的组成原理
    • 3-OpenCV玩转图像
    • 4-OpenCV视频处理

    在线视频:机器学习基础

    • 1-机器学习简介
    • 2-有监督学习、无监督学习、半监督学习
    • 3-逻辑回归算法原理及实现
    • 4-模型的评估与选择

    在线视频:深度学习图像处理基础

    • 1-三步搞定深度学习
    • 2-传统图像处理中的图像特征
    • 3-计算机视觉中的视觉特征
    • 4-什么是神经网络
    • 5-熟悉Pytorch:快速搭建神经网络

    在线视频:神经网络原理与实践

    • 1-线性分类器原理推导
    • 2-神经网络基础——前向传递和反向传播算法
    • 3-神经网络调参实践

    在线视频:深度卷积神经网络原理与实践

    • 1-卷积操作的物理意义
    • 2-深度卷积神经网络的基本结构
    • 3-卷积层的参数个数、输出维度的计算

    在线视频:深度学习优化算法以及重点知识点梳理

    • 1-深度学习CNN,BP算法基础
    • 2-深度学习中的最优化算法
    • 3-深度学习中的正则化
    • 4-再谈TensorFlow/Keras图像分类
    • 5-常见面试知识点

    第一阶段 深度学习高阶技术:物体检测与Self-Attention/Transformer架构

    在线视频:图像搜索技术:从Autoencoder到ConvNets

    • 1-基于无监督深度学习的图像搜索技术-Autoencoder
    • 2-基于有监督深度学习的图像搜索技术-ConvNets
    • 3-应用ConvNets作图像搜索任务的实践经验
    • 4-理解深度排序技术

    在线实训:使用Autoencoder和ConvNets构建图像搜索系统

    在线视频:大规模车辆图片搜索/重识别(ReID)

    • 1-深入理解Triplet Loss及其训练技巧
    • 2-基于多任务的深度学习技术
    • 3-融合多任务和Triplet Loss

    在线实训:使用TensorFlow/Keras由浅入深搭建规模车辆图片搜索系统

    在线视频:Two-Stage物体检测

    • 1-深入理解物体检测的评价指标
    • 2-NMS及其近年来变种(Soft-NMS、Softer NMS、Adaptive NMS等)
    • 3-深入理解Anchor机制
    • 4-RCNN家族模型详解(从RCNN到Cascade RCNN)
    • 5-再谈使用Autoencoder和ConvNets构建图像搜索系统

    在线视频:One-Stage物体检测

    • 1-SSD、YOLO系列模型剖析
    • 2-Focal Loss背后的原理
    • 3-物体检测的参数解析
    • 4-再谈Anchor:实际业务场景中Anchor需要调整吗?
    • 5-再谈用Keras/PyTorch 搭建Image Caption模型

    在线直播:Self-Attention和Transformer架构

    • 1-深入理解Self-Attention与RNN之间的“等价”关系
    • 2-解析Self-Attention中的三大基本概念:Query、Key和Value
    • 3-理解Positional Encoding和Multi-head Attention
    • 4-剖析Transformer架构:由Self-Attention、FC、Layer Norm组成

    第二阶段 掌握目标跟踪与语义分割的应用

    在线视频:目标检测及其在无人驾驶领域的作用

    • 1-目标检测的任务、Benchmark以及评价指标
    • 2-2-Stage模型:R-CNN、Fast R-CNN、Faster R-CNN
    • 3-1-Stage模型:YOLO系列和SSD
    • 4-初步了解无人驾驶中的视觉问题(以KITTI数据库为例)

    在线实训:使用TensorFlow/PyTorch在COCO数据集上进行目标检测

    在线视频:深度学习在图像语义分割中的应用

    • 1-全卷积网络FCN
    • 2-基于Encoder-Decoder思想的U-Net系列方法
    • 3-空洞卷积和Deep Lab系列

    在线实训:使用TensorFlow在COCO数据集上进行语义分割

    在线视频:比目标检测难度更大的视觉目标跟踪技术

    • 1-目标跟踪任务简介
    • 2-目标跟踪与目标检测的核心区别及难点
    • 3-孪生跟踪网络系列详解

    在线直播:图像分割的核心算法与工业应用

    • 1-图像分割深度学习经典算法详解
    • 2-语义分割、实例分割与结构分割的不同
    • 3-图像分割最新研究进展与工业界应用

    在线考试:第一次阶段考试

    第三阶段 CV实用技术:从GAN到模型压缩/部署、Transformer在CV中的最新应用

    在线视频:RNN及其应用(image captioning and VQA)

    • 1-RNN介绍
    • 2-LSTM介绍和背后的梯度解释
    • 3-基于RNN的图像解释和图像问答任务

    在线实训:使用Keras/PyTorch 搭建一个Image Caption模型

    在线视频:深度学习前沿:理解AlphaGo (强化学习) 和生成模型(GAN)背后的原理

    • 1-深度强化学习原理
    • 2-对抗生成模型原理及各种变法(Basic GAN, DC-GAN, W-GAN, 等)
    • 3-基于GAN网络的风格迁移学习

    在线实训:手把手教你如何使用TensorFlow/PyTorch实现GAN

    在线视频:轻量级卷积神经网络与模型压缩

    • 1-轻量级卷积神经网络的大杀器:深度可分离卷积
    • 2-理解MobileNet系列网络架构
    • 3-模型剪枝基本算法及相关变种
    • 4-深度压缩技术: Learning to Compress

    在线直播:模型量化与知识蒸馏

    • 1-模型量化的意义
    • 2-玩转混合精度:FT32与FT16
    • 3-整形量化INT8
    • 4-知识蒸馏方法介绍
    • 5-知识蒸馏和模型剪枝的异同

    在线直播:超大模型量化与蒸馏实战

    • 1-DeepSpeed超大模型分布式训练
    • 2-BFloating16、FT32、FT16应用实测
    • 3-ZeRO优化器原理及实现
    • 4-KD下的ResNet蒸馏系统实现

    在线直播:模型部署

    • 1-模型部署介绍
    • 2-模型部署整体流程
    • 3-SDK的原理和逻辑
    • 4-激活函数全解析
    • 5-BatchNorm、LayerNorm、InstanceNorm、GroupNorm

    在线直播:Transformer在计算机视觉和多模态技术中的应用

    • 1-Multi-Head Attention进阶理解和代码实现,以及BoTNet应用
    • 2-使用Transformer和BERT实现视频与文本互搜
    • 3-Vision Transformer基本原理和架构以及实现
    • 4-新增:Swin Transformer、以及Swin Transformer V2等ViT变种模型

    第四阶段 关于点的全新技术:从点的定位识别到Graph的形成与应用

    在线视频:基于点的全新任务:深度探讨关键点检测

    • 1-关键点检测任务介绍及分类
    • 2-人体姿态估计的发展与脉络
    • 3-人脸识别
    • 4-人机交互理论与应用介绍

    在线直播:基于图的信息交互与图神经网络

    • 1-基于图的信息传递机制介绍
    • 2-图神经网络常见任务详解:节点分类、链接预测、图分类
    • 3-主流静态图神经网络解构详解:GCN, GraphSage

    在线考试:第二次阶段考试

  • 第三部分 实战项目

    在课程进行的后半段,学员根据自己的兴趣和求职的方向选择实战项目:

    第一阶段 项目整体介绍与项目任务书发布

    在线直播:项目1 多模态图文搜索:多模态+自监督学习前沿技术综述1

    在线直播:项目2 视觉编码系统的业界前沿技术综述

    在线直播:项目3 Transformer-based视觉特征提取系统介绍

    在线直播:项目4 视觉跟踪系统的介绍

    在线直播:项目5 图像分割系统的介绍

    在线直播:项目6 行为识别与分析系统前言技术综述

    第二阶段 特征工程与核心算法讲解

    在线直播:项目1 多模态图文搜索:多模态+自监督学习前沿技术综述2、图文搜索Data Loader

    在线直播:项目2 视觉编码系统的整体框架实现

    在线直播:项目3 Transformer-based视觉特征提取系统核心算法讲解

    在线直播:项目4 视觉跟踪核心算法讲解

    在线直播:项目5 图像分割系统的特征工程

    在线直播:项目6 行为识别与分析系统的核心算法详解

    第三阶段 模型构建与迭代优化

    在线直播:项目1 多模态图文搜索:Text/Image Encoder实现(代码授课)

    在线直播:项目2 视觉编码系统中细节实现模型优化

    在线直播:项目3 Transformer-based视觉特征提取系统构建

    在线直播:项目4 视觉跟踪系统的模型构建

    在线直播:项目5 图像分割系统的模型构建

    在线直播:项目6 行为识别与分析系统的的模型构建

    第四阶段 模型的评估、优化与上线

    在线直播:项目1 多模态图文搜索:Alignment、Loss和Training实现

    在线直播:项目2 视觉编码系统的模型评估

    在线直播:项目3 Transformer-based视觉特征提取系统整体实现

    在线直播:项目4 视觉跟踪系统的整体实现

    在线直播:项目5 图像分割系统的整体实现

    在线直播:项目6 行为识别与分析系统的整体实现

    第五阶段 次项目的整体流程和核心技能点

    在线视频:项目7 SLAM三维重建系统的整体流程和核心技能点

    在线视频:项目8 跨镜追踪/重识别(ReID)的整体流程和核心技能点

    在线视频:项目9 动态图链接预测系统的整体流程和核心技能点

    在线视频:项目10 人体姿态估计系统

  • 第四部分 面试求职

    针对学员所选的实战项目,进行项目与简历的最终调整与完善。然后除了学员自己投简历找工作之外,增加内推,并跟踪每一次面试的结果,不断辅导迭代,最终拿到offer。

    第一阶段 项目总结和就业辅导

    在线直播:实战项目的总结与就业辅导

    • 1-实战项目的项目总结
    • 2-简历的优化与调整:如何把课程项目写进简历里,需要突出哪些技术点、如何确定评估指标

    第二阶段 面试辅导与内推

    • 1-内推包括且不限于互联网名企
    • 2-跟踪每一个学员的就业动态,辅导每一次面试遇到的问题
  • 第五部分 入职护航

    针对学员入职后工作上遇到的技术方面问题,进行一周的跟踪服务,为学员稳定就业保驾护航。

学员评价

就业信息

为保护学员隐私利益,特隐晦部分敏感信息,且限于篇幅,只节选部分

最新面经

本硕双非且非科班:如何从数分到自动驾驶35万+视觉感知岗

“面试的第一家公司是一个新能源车企,技术面试有两轮。 第一轮问的比较基础,包括基本网络的原理(vgg,resnet),优化算法,检测模型的细节。主要为基本知识的考查,这些知识在七月在在线的课中大都有涉及,所以难度不高。”

完整面经>

CV秋招40万+offer上岸经验:分享100道CV最新面试题

“两段学习经历:20年暑假先报了七月在线机器学习集训营,21年暑假又报了七月在线的CV高级班(班上选的项目是:多模态、行人重识别)”

完整面经>

在感觉跟不上技术发展之后:国企科研转行CV算法工程师

“高级班的老师先从CV一些典型的技术讲起:机器学习的基础知识、RCNN、YOLO、Transformer、Centernet等等。然后再介绍项目,我参加了Seven老师和庞老师项目,Seven老师以一个从业者的角度介绍了很多实际的项目技巧,这方面我觉得是非常重要,很多书本上学习不到的宝贵知识让我收获颇丰,庞老师教会了我们从读论文查资料的技巧,为我们后续不断提升打下了坚实的基础。”

完整面经>

瞧一瞧看一看啊,2021秋招——图像/视觉及AI算法工程师

“老师一步一步带着大家去做项目,不断的深入其中,还是很有意思的不管你有什么疑问,老师、助教都会细心帮你解答,我记得有一个问题,大家普遍都没听懂,老师还专门加了一节线上课,哈哈哈哈哈 白嫖,你受的了吗”

完整面经>

CV面经:传统IT转行无人驾驶拿下50万offer

“作为一位传统码农,转行到CV着实不易,在七月的各位老师和同学们帮助下,成功转行,真的很感谢七月在线。”

完整面经>

房产企业CV面经:本科毕业从传统it到CV 45万offer

“带我们的是王老师,授课的项目是目标检测和分割,从理论到代码框架,一步一步带我们梳理,最终输出项目报告也算是对项目的一个总结。但是和面试官需要看到的项目还是有一定的差距的。我们需要定向根据需求进行项目经验的更新,同样的框架和算法在不同场景下的训练,和模型调优衍生了工业项目的雏形。”

完整面经>

大龄非科班留学码农:如何在美国当地拿到CV算法80万offer

“后来接受到七月在线专业的、系统的培训(报的CV高级班 第5期)。Seven老师手把手带我们做项目,王老师详细给我们讲一个强大的detectron2库,这些都对我加深对深度学习的认识及设计模型大有帮助。各位老师在培训中对于一些重要的知识点详细讲解,这些知识在自己做项目中都很有用,而且在面试中也经常会被问到。”

完整面经>

CV实习面经:双非硕士成功上岸算法实习岗

“老师们也会对相关前沿技术进行深入地讲解,接下来就可以选择计算机视觉的高级班了,我个人比较喜欢Seven老师的授课风格,每一行代码都会带着大家敲,也会提出一些很有建设性的问题来供大家参考。”

完整面经>

一个学硬件出身的转到AI领域年薪30万

“这些课程从上学到工作后一直对我极大的帮助,学过的课程视频就像回顾老电影一样,有空就会回头欣赏一遍。 ”

完整面经>

应届提前批收获京东30万+算法offer:分享一份算法刷题指南

“就业班因为面向就业,除了更加详细的知识层面的学习之外,老师还会穿插一些面试中经常会遇到的面试题,以及工业界比较常用的计算机视觉方法以及目前热门的应用。最后的项目也会手把手教大家实现,并且指导大家如何通过手上的项目来回答面试官的问题。”

完整面经>

非科班小渣渣逆袭之路:从没实习没论文到拿下京东算法offer

“本科985,硕士211,非科班,硕士期间的研究方向涉及到一些AI方面的东西(研一还是在做控制相关的,真正开始自学CV算是在研二),导师放养(而且没有师兄师姐做AI相关的),实验室没资源,不让实习,没论文,属于啥啥都没有的小渣渣。拿到了一些小企业和一些国企研究所的offer,最终去了京东做算法,算是渣渣的救赎了吧。”

完整面经>

CV面试经验:代码能力要过关,比如数据结构与算法

“如果想面试大厂的话,以上问题是次要的,首先要代码能力过关,代码能力体现在算法与数据结构上,正常来说剑指offer搞的完全通透面试完全不成问题(阿里算法工程师学长给我的忠告),切记leetcode无脑刷题。”

完整面经>

CV面试经验:Leetcode上刷了100道

“本人2019年末流985硕士毕业,硕士期间做的是传统的机器学习算法,常用的是Matlab,对于工作来说基本用不上,而且目前大多数公司用到的AI算法还是偏向深度这一块的,再加上自己对深度学习相关算法了解的不多,因此想报个班学习下,在网上看到七月在线觉得挺好的,所以就报了七月的就业班。”

完整面经>

CV岗面试经验:拼多多、腾讯、平安都问了这些问题

“腾讯:CV岗。代码考察了DP(小偷问题)和回溯(DFS),顺利过关。深度学习算法,问了BN、drop out、label smoothing这些,回答得不是很好。划重点,对于自己简历里写的这些策略,一定一定要网上多看看一些相关博客的深入介绍,不能浮于表面,不然面试官换个角度问就会被问倒。”

完整面经>

CV求职经历分享:CV就业seven老师的简历指导对我帮助巨大

“seven老师的简历指导对我帮助巨大,不敢想象我曾在简历展示上犯了那么多错。简历上的项目是靠质量和深度取胜的,太多只会让人觉得你做的东西很浅很杂。”

完整面经>

最新面经:经过5小时CV一对一就业辅导——从面面挂到面面过

“此时临近五一眼看金三银四已过,内心焦虑,恶补了大量和项目相关的基础知识和细节,还是没有信心,于是报名了七月的1v1就业小班。经过笔试测验后,Seven老师同意对我进行辅导,当时心里踏实了很多”

完整面经>

面试科研岗位的一点经验分享:如何拿到年薪40万

“想要改变最好的办法就是不断学习和更新自己的知识来适应这个不断变化的时代,于是报名了七月CV就业小班,下决心从之前的岗位离职了(离职原因也有很多,但是其中一个原因是想安心好好学习,当然不建议所有人都这样做,班上也有一边工作一边学习的,更建议转方向的同学骑驴找马),利用之后的三个月时间学习和更新CV领域的知识,主要是深度学习相关。”

完整面经>

机器视觉转CV

“我是CV就业第二期的学员,之前的工作是从事工业领域机器视觉检测的,在上一家公司,感觉自己遇到了发展瓶颈,也到看到行业内,有将深度学习应用在工业零件的缺陷检测中,就果断裸辞报班转CV就业班。找工作持续了差不多两个月左右,拿了两个offer,还有一家就是七月在线推荐的一家公司。”

完整面经>

Android三年转AI的狗血经历:曾报一培训机构但没找到工作

“多动手做项目:在正式的大项目开始前,自己最好能动手做1-2个项目,哪怕MNIST自己动手从头开始写,自己调几次参,CIFAR-10,CIFAR-100调参,kaggle上调一个项目,能动手做一下。否则等真正的大项目开始后,自己根本不知道如何下手,更别说跑出来一个较理想的结果。而且也不要为了验证trick而去调参,即不要为了调参而调参”

完整面经>

C语言程序员的漫漫二转之路:曾报两个机构的培训班

“谨慎考虑报了七月在线的CV就业2,在讲师和助教的帮助下,我确实在深度学习方面有了很大的提升,从原理概念到推导,到训练方法和各种实用的思想和技巧;其中最深刻的感受是玩转了云计算的GPU,自己搭过、跑过、调过模型才算是真正的入行,相关的论文要看,一手的资料内容丰富程度和博客不在一个等级”

完整面经>

双非应届小硕关于秋招的血与泪:投过很多简历拿到2个CV offer

“对于算法的应用场景也要有所思考,别只了解一些理论的东西,课程中老师闲扯的东西,尽量自己在做深入的思考(比如,车辆ReID的内容,可以不可以延伸到行人ReID),然后到姿态估计,然后两者结合增加模型的精确度,再进一步能不能对于视频的内容进行动态识别等等”

完整面经>

大龄社招转行CV算法的一些心得:曾整晚整晚的训练模型、调参、再训练

“报班前3个月每天白天工作,晚上上课学习,开始很有激情,通过三个月时间把神经网络和CV的基础知识网络抓了一遍,还参加了一些Kaggle的图像分类比赛,整晚整晚的电脑训练模型,调整参数,再训练,下班了晚上回来看结果,调整,在训练…如此反复,有了对于使用CNN进行图像分类的基本概念”

完整面经>

从测试到CV算法工程师的转型之路:最终连拿4个offer

“一个人的学习过程中,知识体系通常很零散,虽然网上的教程很多,但是搜集教程并挑选出适合目前自己学习程度的课程也会花费比较大的精力,并且,网上的随处可见的教程、几个烂大街的项目对于简历过筛和面试还远远不够。3月份看到七月在线推出了CV就业第一期课程,于是立马就报名了。”

完整面经>

深度学习社招面试心得:算法+CV基础知识+相关项目经历

“于是就下定决心上七月在线报班跟老师学,4月份报名,学习了两个月,主要是看视频直播,跟着老师做kaggle项目,修改简历,最后模拟面试。到了6月中旬有两个项目经历就开始在BOSS直聘上投简历。”

完整面经>

社招转行CV算法的面经:项目的问题一般这么问

“项目涉及的各种技术及其关联扩展的详解、为什么要用这种方法思考过程是怎样的、有哪些难点、遇到哪些困难、后期做了哪些优化等问题,都要准备好再去面试。”

完整面经>

算法工程师面经:我是如何从产品转到CV的

“今年四月初,正处于换工作阶段。由于有一阶段没有对前沿科技、技术的摄入,需要一段时间进行补充。正巧看到了七月cv就业班的第一期正在招生,相比于个人的集中复习,报班学习能够提供基础知识巩固、技术大牛讲解、实验平台的使用,自己只需要闷头学就好了。也是为了让自己的学习有个“抓手”,就报了CV就业班”

完整面经>

时间安排

2022年6月13日开班,越早报名越早享受到BAT大咖的一对一个性化定制。

三个月的学习周期(包括直播、录播、实训、答疑、考试、项目),三个月的就业周期,且配备全职科学家、全职助教、全职就业老师辅助讲师进行课程答疑、项目辅导、简历指导、就业内推。

报名流程

报名本高级班的步骤如下

  • 1、点击此处,下载申请表
  • 2、填写好申请表后,和简历一并发送至邮箱:july@julyedu.com
  • 3、我们会在一个工作日之内沟通后续事宜

PS:申请表和简历不得造假(包括但不限于:学历不得造假、教育经历不得造假、工作履历不得造假,一经发现,立即取消入学资格,且相关后果自负)。

课程咨询

课程全新升级,咨询可优惠

报名加送:《新VIP[包全平台一年AI初级课和一年GPU]》和《CV顶会前沿paper带读

尚未开课,开课后立即上传课程~

{{blessingTip}}

{{seconds}}s

您有1个待支付尾款的课程
再不支付就要过期了!
点击查看