1樓：發家致富小能手
作為合夥人的我是完全支援他繼續提高學歷，但前提是你的老闆足夠優秀，好的老闆所提供的學習環境往往是絕大多數企業所無法提供的，而可以提供好的學習環境的企業，不夠優秀是進不去的。
所以如何選擇看你個人意向。
2樓：the one
這得看個人的未來發展，如果一心一意搞科研當然要讀博了，如果最終還是要去工業界，我覺得盡早去吧，讀研出來就差不多了，沒必要讀博了！
3樓：言有三
本科也有高手，博士不乏水貨，喜歡就去讀，不愛別勉強。如果你真的願意在這一行學習與深耕，讀完碩士就應該會有自己的選擇了吧。
4樓：SkippingStone
首先告訴你讀博士和你做什麼方向沒有關係；
按正常的職業生涯來看，讀博的同學一般為了搞科研，在高校或者在公司（針對計算機視覺）；一般讀完碩士大家就普遍去公司工作了，看自己個人職業規劃了。
5樓：Kate
有的博士不同於本科和碩士，會很深入地接觸了解乙個領域並且做出來一些前沿的科研成果。深度學習那一套也是由傳統的機器學習方法做支撐的。如果是單純得那深度學習來用也沒有必要非讀個博士。
但是如果想要在這個領域做出來一些創新性成果，讀個博士還是非常有必要的
6樓：
博士期間，怎樣在乙個比較新的領域或者研究方向進行科研？
博士研究最重要的是提出好的問題，和懂得提出好的問題的方法，以及提出好問題的興趣。
跟影象，CV相關的深度學習還有很多方面的好問題。
然而你這個問題有點模糊，你的「必要性」是什麼出發點呢？你是想提出和解決好的問題嗎？你又這樣的興趣嗎？我想，這些是你應該仔細思考的，你想明白了，自然就能做出是否讀博士的決定了。
用深度學習對醫學影象進行分割時，是否有必要將解析度標準化，例如都標準化為2x2x2？
明天很煩 我在做醫學影象處理也遇到了解析度的問題，不過我做的是二維影象。由於打的深度不同，導致影象的解析度不一樣。將影象解析度標準化之後，分類的準確率在正負百分之二波動。理論上來說，解析度標準化才是更好的，但是實際結果卻很奇怪，很令人困惑。感覺做醫學影象的人比較少，如果消除影象解析度不同產生的影響，...
現在讀深度學習方向的博，是做遙感影象（SAR影象），醫療影象，還是純計算機視覺比較好？
灰質 看個人興趣，建議做垂直領域的CV。純理論是科學家，類似於hinton那種大神，尋求更好的共性基礎解決問題的方法。但是從商業化和就業等方面的現實考量，垂直領域的機會更多一些，畢竟可以無縫對接產業界。但是國內稀缺純理論方面啃硬骨頭的人，功利性較強。僅供參考。 Liuhr 個人認為的話這兩個方向並沒...
深度學習做影象識別，和傳統方式比有啥好處？
少木 可以解決傳統方法沒法或者很難解決的問題。有些問題傳統方法需要大量的人為制定規則，而深度學習可以自動完成這一步。這兩者各有優劣，可以互為補充 DataXujing 兩種當時都有優點，都有弊端，深度學習做識別，精度高，不然大佬們還再搞傳統的一些辦法，特徵提取的過程是自學習的，泛化能力比較強，但是需...