分享领红包
分享给好友，每有1人领取红包，您将获得相同奖励。自己也可以领取哦〜
- {{item}}
- {{item}}
历史搜索
热门搜索
历史搜索
热门搜索
本期CV就业6，继续沿用就业班上一期完整的“作业考试且批改”的教学机制，且继续一周两次直播，更在内容、项目、就业三个维度上继续维持上一期所做的升级：
不仅如此，为了让学员进入项目阶段后更好的实战各项目，不但每周进行直播辅导，而且继续标准化项目阶段的完整流程：
一切为了学员学的更好，最终更好的就业。
面向群体： 本课程适合应届研究生就业找工作，或在职上班族提升，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：
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。
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。
在线视频：图像处理基础
在线视频：图像处理进阶
在线实训：图像拼接
在线视频：计算机视觉基础
在线直播：传统计算机视觉概述
在线视频：机器学习基础和神经网络
在线实训：使用TensorFlow/Keras快速搭建神经网络进行图像分类
在线视频：深度卷积神经网络原理与实践
在线实训：百行代码实现Kaggle图像分类竞赛Top-5%
在线直播：夯实ML与DL基础
在线视频：解析SOTA深度卷积神经网络及调参优化技巧
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)
在线实训：使用TensorFlow/Keras由浅入深搭建规模车辆图片搜索系统
在线直播：Two-Stage物体检测
在线直播：One-Stage物体检测
在线视频：目标检测及其在无人驾驶领域的作用
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
在线实训：使用TensorFlow在COCO数据集上进行语义分割
在线直播：比目标检测难度更大的视觉目标跟踪技术
在线直播：语义分割的核心算法与工业应用
在线视频：RNN及其应用（image captioning and VQA）
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
在线实训：手把手教你如何使用TensorFlow/PyTorch实现GAN
在线直播：轻量级卷积神经网络与模型压缩
在线直播：临阵磨枪之Kaggle比赛经验速成
在线直播：项目1 图像分割系统的介绍
在线直播：项目2 人体关节点提取的介绍
在线直播：项目3 跨镜追踪/重识别（ReID）背景及基本思路
在线直播：项目1 图像分割系统的特征工程
在线直播：项目2 人体关节点提取的基本方法详解
在线直播：项目3 跨镜追踪/重识别（ReID）的Baseline搭建（训练/评测）
在线直播：项目1 图像分割系统的模型构建
在线直播：项目2 人体关节点提取的模型构建
在线直播：项目3 跨镜追踪/重识别（ReID）的Baseline搭建（Data Generator/训练技巧）
在线直播：项目1 图像分割系统的整体实现
在线直播：项目2 人体关节点提取的整体实现
在线直播：项目3 跨镜追踪/重识别（ReID）的优化迭代（自定义损失函数、多任务训练）
在线直播：项目4 SLAM三维重建系统的整体流程和核心技能点
在线直播：项目5 给定图像自动生成描述整体流程和核心技能点
在线直播：项目6 基于自监督的图像表征学习的整体流程和核心技能点
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。
人体关节点提取可以广泛应用于人体运动分析，人体行为分析，游戏娱乐，虚拟现实等等领域。通过本项目，你将学会搭建一套基于深度学习的人体关键点提取系统。
行人重识别（Person ReID）广泛应用于智慧城市、智慧交通、新零售、安防监控等领域，是利用CV技术判断图像或者视频序列中是否存在特定行人的技术，其本质是一个图像检索的子问题。即给定一个监控行人图像，检索跨设备下的该行人图像。该技术旨在弥补固定的摄像头的视觉局限，并可与行人检测/行人跟踪技术相结合部署一套完整的行人重识别工业级别系统。 本项目重点涵盖以下流程：
1、代码实践（将分享代码IDE界面，直播BAT高级技术专家Coding，培养大家的CV算法编码思路和规范）
2、搭建基线解决方案（如从交叉熵损失出发构建深度特征学习、定制Data Loader实现高级预处理等）
3、评价指标
4、优化迭代（如深度排序损失函数的优雅实现、多任务训练技术、标签平滑/随机擦除/在线困难样本挖掘技术等训练技巧、微调近似特征中心、批规范化运用技巧解决多任务训练引起的特征冲突现象等）
SLAM(simultaneous localization and mapping)同时构建地图和定位是近年来计算机视觉领域的研究热点，广泛应用于AR导航，机器人，自动驾驶等等热点领域。通过本项目，我们能够对SLAM理论基础，最新研究进展有深入的理解和思考，并能够搭建一套应用于工业界的SLAM系统，用于对特定物体和场景进行实时精确的三维重建。
给出一张图，对图像做出描述，比如一个穿着黑衣服的人在弹吉他。该项目涉及多个视觉重的子任务，例如检测、识别；又和自然语言处理结合紧密(RNN/LSTM)。通过该项目的训练，学员能将过去学过的知识融会贯通，掌握high-level计算机视觉任务是如何从底层子任务构建起来的。
"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"。Yann Lecun在他的演讲中引入了“蛋糕类比”来说明自监督学习的重要性。2020年，基于自监督学习的图像表征学习再次刷新了计算机视觉各大Benchmark，凭借着以Contrastive Loss为主流的自监督学习框架，充分发挥了无标注数据的能量，通过自监督学习得到的图像表征将能更加高效地送入下游分类、检测、分割等任务。
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。
在线直播：六大项目的总结与就业辅导
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。
博士毕业于国内Top5高校，在人工智能和模式识别领域发表了10余篇会议和期刊。目前在国内某知名互联网公司担任CV算法高级技术专家，有深厚的学术背景和丰富的项目及业务落地经验。Seven老师长期担任校园招聘和社会招聘技术面试官，授课风格深入浅出、诙谐幽默。
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。
CV技术专家，美国Top10学校博士，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。现任美国某著名高校讲师，有丰富的项目、学术背景，兼备丰富的从业经验和深入浅出的教学功力。
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
“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>“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>“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>“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>“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>“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>“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>“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>“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>“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>“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>“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>“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>2020年11月8日开班，越早报名越早享受到BAT大咖的一对一个性化定制。
一个半月的学习周期（包括直播、录播、实训、答疑、考试），一个半月的项目和就业周期，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。
收费：¥21000
包含课程费用、项目费用、就业费用，审核通过且报名后签订就业协议，了解详情或优惠，敬请咨询。
报名本就业班的步骤如下
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）。
提示：请用个人微信扫描，关注服务号后可提现红包到微信零钱。{{blessingTip}}
{{seconds}}s
