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...