计划而已。具体怎么执行，看工作情况了。
学习语言本身是很快的，一个月熟悉，两个月就可以精通。关键在哪里呢？
1、要通过做事来学习。而不是停留在看书上。
2、解决问题能力才是关键。同样一种语言，有人搞了10年，结果不如搞了一个月的。
3、如各种神经网络、机器学习模型，涉及到高深数学，说实在的，以咱这智商……其实也不用担心，这又不用咱学会、实现，只是调用接口而已。最典型的就是编译，如果学原理估计都会晕，咱现在不用得好好的？至于修改源码，这个倒不难。
能明白这个道理的人很少。可是招聘的人也很发愁啊：简历上个个把自己吹的厉害，现实中又不能个个试用，吾亦只能通过语言来分辨。这真是个问题……
WEB后端：
Tomcat配置。
Spring/SpringBoot/SpringMVC/Structs/Hibernate。
负载均衡，包括服务器、数据库。
WEB前端：
JavaScript/CSS/H5
为什么要学习这两个？因为这次找工作，发现主管岗位的，都要求这个。所谓的JAVA，也都是指WEB方面，并不包含终端。所以要学习。而这些对于熟悉JAVA的来说，入门很容易。
人工智能：
这个跟吾目前工作相关。在此记录下：
Python。一种语言，在人工智能方面的应用。据说特别是跟其他语言对接容易，而且库也非常丰富。
tensorflow：GOOGLE的开源库，用于人工智能。
OpenCV：图像处理库。
OpenCL（全称Open Computing Language，开放运算语言）是第一个面向异构系统通用目的并行编程的开放式、免费标准，也是一个统一的编程环境，便于软件开发人员为高性能计算服务器、桌面计算系统、手持设备编写高效轻便的代码，而且广泛适用于多核心处理器(CPU)、图形处理器(GPU)、Cell类型架构以及数字信号处理器(DSP)等其他并行处理器，在游戏、娱乐、科研、医疗等各种领域都有广阔的发展前景。
CUDA：NVIDIA的计算语言。
Numpy：是Python语言的一个扩充程序库。支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。Numpy内部解除了Python的PIL(全局解释器锁),运算效率极好,是大量机器学习框架的基础库。
Sklearn：机器学习。
MXNet：机器学习。需要做的仅仅只有定义输入数据，调用MXNet的“fully connected layer”，最后获得Softmax输出。而MXNet会替你做好数据迭代、加载脚本、以及训练循环。
Caffe，全称Convolutional Architecture for Fast Feature Embedding。是一种常用的深度学习框架，主要应用在视频、图像处理方面的应用上。
深度学习模型，如：CNN、RNN、LSTM、Attention Model
目标检测框架，如：SSD、Yolo2、Faster-RCNN
深度学习网络：ResNet、DenseNet、VGG、NIN、MobileNet
职位描述
1, 精通C/C++
2, 精通ffmpeg, 以及常用流媒体视频编解码(H264,H265,MJPEG等)的处理
3, 精通常用视频编解码器的参数调优, 可以根据CPU,内存条件优化编解码器参数.
4, 三年以上视频处理相关工作经验
职位描述：
1.负责深度学习相关算法研究和实现,
2.解决人,非机动车,机动车, 检测, 识别,追踪的精度问题
职位要求：
1、精通python, C/C++, 熟练使用OpenCV, numpy, sklearn；
2、熟练掌握mxnet, tensorflow 或 caffe；
3、熟练掌握 Faster-RCNN,? SSD, R-FCN 的使用, 能够根据需要训练模型,参数调优；
4、根据要求为mxnet或者tensorflow增加新的layer(CPU和GPU)；
5、视频追踪算法设计和优化
6、并行计算, CUDA开发。
1.图像处理、模式识别、机器学习相关专业硕士及以上；
2.具有较强的开发能力，熟悉Python等开发工具；
3.熟练掌握图像处理、机器学习、深度学习等相关知识；
4.精通OpenCV开发；
5.精通一个以上深度学习库，如：Caffe、Tensorflow、Matconvnet、CNTK等，精通Caffe优先；
6.熟悉深度学习各种模型，如：CNN、RNN、LSTM、Attention Model等；
7.熟悉目标检测框架和方法，如：SSD、Yolo2、Faster-RCNN等；
8.深刻理解深度学习网络：ResNet、DenseNet、VGG、NIN、MobileNet。
1、在caffe, tensorflow, mxnet等深度学习框架下的定制化神经网络层的高性能实现，
2、各种计算机视觉算法异构加速代码实现；
3、linux平台下的cuda环境配置及软件开发，实现集群下的GPU加速；
4、完成公司内部的cuda培训与运用；
5、提供客户在使用高性能计算过程中的算法优化及故障排除
任职要求：
1、计算机或相关专业本科及以上学历， 掌握现代计算机体系结构基础知识，理解程序编译原理
2、精通c／c++语言，有c／c++软件开发经验；
3、熟悉nvidia GPU产品架构，懂cuda或opencl，有成功的gpu加速项目经验的重点考虑；
5、有深度学习在视觉方面的实战经验者优先
4、熟悉linux程序开发和并行程序设计原理，熟悉多线程设计，具有SIMD代码优化经验者优先；
5、优秀的口头和书面沟通技能，以及阅读专业文献；
