DL唯一的门槛在后处理上了。。。以前的CV岗现在都是大佬

正常的更新迭代，很正常了，现如今的CV算法基本被DL统治了，SVM，KNN等传统机器学习算法，除了面试的时候有点用，实际工程应用中，无论是图像分类，还是目标检测等，都不会真正去用到。因为DL里面有更好，更快的网络可以替代。

现在工程应用中的CV大佬，都是牛逼在算法部署上面，模型的剪裁，加速等。

现在AI的门槛已经大幅降低了。。卷起来

统计这个能加薪吗？从14年开始使用DL 目前已经7年经验了

@z6491679 应该不会吧，就是团队建设喜欢做各种dashboard
羡慕你啊，14年我还在每天想着PDE做指纹增强。7年的DL现在应该非常值钱了。

@tairan 也不一定，我觉得现在其实可能对数学的要求没了，但是对论文积累和实际工程经验要求高了。

@zhenyinlinxy
是的，我原来在企业的研究院，后来越来越感觉DL的不少论文就好像是在搭积木，数学的成分越来越少，玄学的东西变多了，一个很intuition的东西，好像变成了实验物理学一样。这个对工业很好，但是学界又要你可解释性。。想去研究一下可解释性，看了十来篇就走不下去了。我感觉这更加说明想在DL有原创性的突破，更加需要深厚的现代数学的基础，而且最好能够找到物理模型而不是数学模型，因为数学需要各种assumption，物理比较实际一点，总之我这等废柴还是算了。
所以我干脆就放弃了，彻底做工程。现在在做AI编译器的开发，每天看看TF和TPRCH的代码，也会给客户做做各种模型，对工业的算法也能保持一定程度的tacking，也挺好玩的。

@ycdhqzhiai 太偏理论了也不行，老一辈儿有不少CV只会matlab，后来真的就不吃香了。

@RlvC 看来有不少同行，问下各位大佬，都是做什么的，在哪家公司(小弟做车载相关的，刚跳到木仓)

@RlvC 深度学习网络作为人类工程化下的产物，基本上没有可解释性，之前还做了一年的automl，还想看看看通过机器搜索的方式能不能找到更好的网络结构的特征，但最终结果发现效果好的网络结构更加难以理解，基本上都是玄学，这导致了大家往下做也是摸石头过河，靠做实验（其实kaiming he当时做resnet也完全是实验的堆砌的结果，最后kaiming看了结果之后自己推了一套identity的理论 - -）

玄学，不可解释，堆积木，做实验，堆数据

@ycdhqzhiai 我没在武汉，目前因为家庭原因打算回武汉。奈何找了一年工作没找到，就找到了这个论坛，哈哈。你可以组织一个线下哈。

我记得我研一第一次见导师，导师就跟我说，DL是一个充满玄学的东西，每当你以为你已经会了的时候，其实连入门都没有。。。。

CV还有很多问题没有解决，现在内卷就内卷在大家都能做的那些简单的问题上面。

对于NLP的话觉得，机器学习，特征工程还是很重要的。