既然學了模式識別這個專業，研究生期間主要方向是機器學習，計算機視覺，影象處理。所以很想了解現在這個領域的就業方向及相關要求。

今天在“增強視覺 | 計算機視覺 增強現實”上看到一則招聘智慧影象/視訊處理工程師的廣告，崗位要求如下：

1. 動手能力強，熟練掌握C/C++/Matlab語言,有較強的演算法分析和實現能力，並具備良好的程式碼與文件風格；
2. 瞭解人臉識別、目標檢測、跟蹤和識別、影象處理等技術，具備一年以上實際工作經驗；
3. 參與專案需求分析、負責設計完成需求規格、軟體架構、測試策略，撰寫相關的技術文件；
4. 搭建研發環境，完成系統中相關軟體模組的編碼、除錯、單元測試、功能驗證，保證專案進度和產品質量；
5. 協助完成專案的系統整合測試、版本交付等工作，對專案實施和維護提供支援；

     於是搜了一些關於影象、視訊處理方面的就業要求，做一下總結，以便讓自己明確研究生期間的學習任務，即便做不成科學家，也得有點

技術吧。

    1.程式語言：熟悉C++/C/OpenCV/Matlab開發語言,主要是有較強的C++/C影象處理程式設計能力，絕大多數崗位都要求熟悉OpenCV，Matlab在理論驗證階段比較方便，但是在操作硬體和效率上遠不及C++/C，所以一般公司對此沒要求。以後還要仔細學習C++/C，還是先從C++ primer開始，之後再看些effective系列的。另外，還要求具備良好的程式碼與文件風格，以後寫程式碼還是要講求規範了。

     2.知識儲備：機會總是青睞有準備的人。影象處理應用很廣，因此不同崗位要求側重不同，最基本都必須掌握圖形處理的開發與研究，熟悉影象處理的各種演算法，特別是影象去燥、影象增強、復原、質量改善、檢測、色彩科學、影象分割、影象識別處理、影象跟蹤、影象的獲取及視訊處理，具體應用包括人臉識別、醫學影像處理、多點識別、文字檢測與是識別。特別的，結合不同應用，還需要自然語言處理知識。另外，要有優秀的數學功底（特別是線性代數、優化理論、統計知識）。

     3.英語水平：優秀的英文寫作技能，英語口語流利。主要是能讀懂英文技術文件，在研究院還需要寫論文，公司更需要寫技術文件，所以平時得多積累專業詞彙。至於英語口語，還是從聽力開始吧，中科院自動化所的影象處理、機器學習的課都很經典，大多數是留學歸來的年輕教師，可以開拓思路，順便積累專業詞彙。這個寒假要把影象處理的課聽完，再多做些試驗。個人還比較喜歡“The Big Bang Theory”,悠閒加娛樂。

   4.社交能力：硬體條件之後就是軟體條件。大多數公司如是說：“良好的表達能力、團隊合作精神和創新能力”。我覺得就是社交能力，HR看你合不合群。有個同學去參加面試，參加面試的還有研究生和來自理工科背景更雄厚的本科生，在群面、無領導小組討論和辯論階段，很多背景很強的學生卻因太過張揚和表現自己被pass（這是同學分析的原因）。看來沉著、穩重還是必要的，誰也不想招個老闆進來。而所謂的創新能力，另一個同學的面試經歷給了我很大啟發。他現在已經實習兩個月了，回顧自己面試，他覺得正像面試官說的：“你還沒入門呢”。而之所以拒掉N個研究生，選擇同學這個應屆畢業生，主要是他對這個方向很有熱情，本科期間在毫無指導的情況下，主動接觸了很多零零碎碎的東西，幫助同學和老師解決了一個又一個稀奇古怪的問題。據他說，這些東西在之後的工作中沒一樣能用到的，但是沒有這些基礎又是絕對幹不了活的。之後的工作也是，沒有人盯著他幹活，老闆給個指標，就放手做去吧，老闆只要個結果。公司裡每個人基本都要獨擋一面，有時候還得獨擋幾面，所以非關鍵難題請教前輩，其他細節問題別人也不清楚，清楚也沒時間指導。同學主動去學，去解決問題的能力是最讓老闆放心的。從他的話中體現出來的熱情才是他“創新能力”的原動力。

      額……要學的真多，鴨梨倍增，貌似都是本科沒學過的，學過的，不常用，也忘差不多了。曾經的那些模數電，控制神馬的似乎是不太用的上了，我就是在不斷印證那句話：生命在於折騰。