去年，华为在CCF-GAIR 大会上介绍了在人工智能领域的愿景，华为为了实现这个战略目标，从中梳理出深耕基础研究、打造全栈方案、投资开放生态和人才培养、解决方案增强、内部效率提升五大方向，以此打造无所不及的AI，构建万物互联的智能世界。
在计算机视觉上，将以基础研究以数据高效和能耗高效为核心，覆盖从2D视觉到3D视觉的技术和应用，主要包含底层视觉、语义理解、三维视觉、数据生成、视觉计算、视觉多模态等方面。
个人觉得CV发展的潜力还是非常大的（例如在工业上的运用），但也确实是上限高，真正深入研究起图像识别，要有很强的数学基础还有图像处理知识，CV学科是集合了数学，算法，图像处理，机器学习，种种知识的一门学科，学杂又学精。
但是下限也低。很多人都只知道做数据集训练数据，搞搞目标识别。满嘴跑的机器学习，真正问起图像处理的一些东西又一问三不知。当然，大家都是在数学的河里摸索着算法的路，一边感慨着调参侠真难做，我到底学的啥。
另外，因为人工智能大火，非常多人转行进入，供给远远大于需求。另一方面，转行涌入的人才大部分能力不太够，毕竟隔行如隔山，有效供给其实并没有因为大量人才转行涌入这个领域而变多，反而导致岗位要求越来越高。
无论是对于深度学习相关专业的初学者，还是已经在企业和组织中从事工业场景应用和研发的开发者来说，选择一个适合自己，适合业务场景需求的深度学习框架显得尤为重要。
所以本篇来梳理一下深度学习方向的学习路线和知识点，包括深度学习到底要学什么、有哪些重要知识、现在的主流的技术点有哪些。
01
深度学习成长路线
注：图片上传后可能被压缩，如需无损版高清大图，可直接添加助理微信，免费获取。
长按扫码，领取资料
扫码免费领取
02
额外福利
人工智能从基础到实战计算机视觉
深度学习
所有资料扫码免费领取
（网盘资源容易被和谐，建议需要的尽快领取）
