ONE
自我介绍
TWO
没有完美
只有适合自己的选择
01.
目标明确
稳扎稳打保研梦校
我在大一刚入学时就明确了大学想要转专业、保研(外保）、拿一次国奖的目标。因此，我的本科每一阶段中有明确的规划和稳扎稳打的行动。
大一期间，我的主要目标是转专业。本科入学的时候最开始我原本是工科（机类），在大一下分流到了能动专业。在了解专业的就业前景一般之后，我确立了自己想转做通信方向的目标，一来可以避免转至计算机方向可能竞争过于激烈，二来信息工程方向软硬件都学，在自己还没想好最终做什么的情况下可以先多方面学习待研究生阶段再细分方向学习。因此，我认真学习大类的基础专业课，努力提升绩点，为转专业和专业技能打下良好基础，成功跨大类转专业到了信息工程方向。
大二开始，我开始摸索自己的发展方向，一方面参与学院的MIMO科研项目在实践中了解具体方向的工作和研究内容，一方面了解信息工程下的三个课程方向：通信、信号处理、电磁波，提前规划好了大三的课程方向。
到了大三的时候，科研、竞赛、绩点三手抓使得大三格外忙碌，我参加了大创，中兴通讯菁英班，同时尽量让每门课程稳在了专业前5%，成功拿下国家奖学金。
（23年4月的朋友圈，转专业、保研(外保）、拿一次国奖的目标全部实现了）
大三下的二月份开始，我便开始了保研的前期准备工作，通过网上的资料和学长学姐的帮助，我的保研文书材料在三月份就已准备完毕，后续再根据目标院校专业和联系老师的过程中慢慢有了侧重点不断修改完善。
关于保研过程中的科研和专业课准备方面，我将自己的科研经历归类，挑重点复习，针对不同院校和专业方向，面试前回忆有关科研细节和专业知识。
英语口语方面，建议整理一个题库，每次面试前多读几遍复习。
申请方向考核内容方面：如果申请通信相关的项目，主要会考察信号与系统、通信原理、数字信号处理等课程，例如：什么会影响信道状态、信号采样不满足奈奎斯特定律一定会失真吗等。如果申请偏算法一些的项目，主要会考察数学基础、数据结构、离散数学等课程。
（推免过程中的资料/院校会有很多，建议大家拿文件夹整理着）
NOTICE：计算机和通信专业的思考
🚩 从能力方面：电子信息类的相关专业门槛较高，课程难度较大，本科学习偏理论，不结合项目只是学了一堆的算式和原理，搭建起了一些专业壁垒，到了研究生跟项目或者出去实习才能更好地提高能力。计算机科班出生的coding能力会比电子信息类强很多。
🚩从课程方面：信息工程专业课学习的重点为：信号与系统、通信原理、数字信号处理、电磁场与电磁波（都很难）。选修课程涉及：信息论、自动控制原理、数字图像处理、随机信号分析、微波工程、、通信电子线路等
计算机专业课学习会涉及：操作系统、数据库、计算机网络、计算机组成与体系结构、编译原理等
🚩共同学习的课程有：编程基础课、数据结构与算法、数电、模电、电路和一些数理课程
02.
从通信到算法
跟随兴趣的指引
电子信息专业下主要分为三个小方向：通信、信号处理、电磁波。在本科阶段，我在三个方向中选择了通信方向作为目标，科研经历也是围绕着通信方向下MIMO课题，但是随着研究的深入，我逐渐发现通信方向对我来说有些过于偏理论，感觉自己无法真正深入掌握。我发现自己其实更加喜欢解决实际问题，能看得到直观的结果给自己带来的正反馈。
NOTICE：职业方向科普
🚩 算法：①学术算法：需要顶会论文，门槛很高 ②研发算法：适合电子信息专业，难度低一点，搞工程也搞算法，可结合专业方向增加竞争力。
前端：通俗来说用户点击的网页、看到的软件等都是前端做的，要学Javescript，html等，要背八股。
后端：通俗来说是将用户在网站的数据进行储存，写的代码运行在服务区，大部分招学Jave和go的，也有少部分C++的，需熟悉数据库、Linux系统等，要背八股。
测试：门槛比较低，可替代性比较高，和技术接触的就比较少了。
此外，考虑到通信系统是一个很庞大的体系，通信仿真让我在探索过程中时常感觉到迷茫，不知道具体往何处努力，即使自己在本科阶段的基础还不错，但是如果在研究生阶段没有很好的导师和好的项目中实践的机会，那么即使读完研究生三年，也会因为缺乏系统性的操作经历，无法突出自我优势，难以支撑自己从事通信强相关的行业工作，最后可能也是逐渐转码。
因此，对我而言，转码我认为是不可避免的一条路，因此，我转变方向为信息工程下的图像（信号）处理方向，作为转码过程中的过渡。此外，图像处理是一个比较能直观显现出结果的方向，图像算法的好坏可以直接通过图片的展示得到直观的结果，符合我转变方向的初衷。其三，图像处理方向没有那么依赖导师和项目的辅助，可以更多的依靠自己摸索，在行业中也有较为广泛的应用。
（23年12月到24年3月，从李宏毅的机器学习到leetcode75面试经典√）
图像算法对我来说还是一个很需要我去探索的大世界，从一开始学图像处理（直方图均衡、滤波等）到了解学习3A算法、ISP算法流程到实习接触了一些Camera tuning，我感觉一直是在不断地学习新知识的，而且对于每一块版图的解锁我都感觉很有兴趣。在读研阶段，我广泛涉猎，目标是能够结合某个特殊的场景（例如水下、雾霾）提出一个较优的算法，解决抗散射、或是去雾等实际问题，增大自己的技能深度。目前还在不断探索之中。
NOTICE：个人转算法经验
🚩 确定自己适合的岗位→算法工程师（视觉，影像，媒体等）
🚩 前期听课
李宏毅的机器学习
小破站的python课（黑马、廖雪峰等都可以）
🚩 刷leetcode
①编程基础0到1：过过基础语法，题较简单，前期一天刷1-2题，无痛进入刷题状态，养成刷题习惯
②LeetCode 75/150 面试经典：覆盖面试可能要考的大部分题型，重点刷二叉树，队列，栈等，有些题不好写
③LeetCode hot 100：很多人推荐
🚩 弥补相关项目（很重要），背八股
可以从自己的课题入手，或者github找些项目熟悉一下，不让简历太空
🚩写简历，开始看各大企业官网/boss，海投，刷牛客看面经，面试，拿offer
03.
纸上得来终觉浅
绝知此事要躬行
在经历了方向的转变之后，我便开始着手找相关的实习。虽然理工科相对于商科的实习时间较少，但是只有跟项目和实习才能真正提高自己的实践中的各类能力，也能在实习中验证自己对于图像方向是否真正喜欢，发现自己在岗位中的技能的不足，因此，推荐理工科有时间的情况下也要多实习尝试。
在找实习的初期，我也因为感觉这是一件很大的事情不断焦虑实习方向，想要完美主义考虑周全，便一直拖着，不断加深焦虑。最后其实发现不如找个“差不多”的切入点直接开始，行动起来在路上了就会感觉踏实了。“假使做事要面面顾到，那就什么事都不能做了。”实习正是探索的机会，而不是考虑周全之后确定方向之后再开始实习。只有真正参与实际工作之后才能确定自己对于岗位是不是真正喜欢。
（oppo实习开始）
目前尝试过手机厂的影像算法岗，手机厂商比较考察相机基础知识，很多都要求熟悉ISP处理流程和3A相关基础，白平衡、自动对焦、多摄一致性、HDR等都是不同的模块。虽然每个人工作时可能就主要负责其中的一个小模块，但是各个模块并不完全相互独立，会互相影响性能，所以要每个模块都懂了之后再去精通某个模块的算法、参数。
一款好的相机离不开影像架构师、影像开发工程师、影像算法工程师、影像测试工程师、影像效果设计师等，手机厂商比较看重长期积累经验，越到后期越吃香。
除了手机厂外，大厂也有图像、媒体、计算机视觉算法相关岗位。大厂的相关岗位除了图像基础外，还很注重深度学习相关背景，要求对相关领域有比较深的理解同时具有创新性（论文），需要满满活力，了解前沿跟上前沿。
NOTICE：影像算法和传统cv的区别
🚩 传统cv的算法如直方图均衡、Canny边缘检测、SIFT特征点监测等理论性、可解释性很强，步骤和处理逻辑是明确严谨的；现在的影像算法并不全是用传统cv算法，有的时候会加入神经网络，这时候就掺杂了“黑箱”，通过反向传播不断训练模型的参数，虽然能达到一个较优的效果，但可解释性降低了。
🚩传统CV的边缘计算，特征提取算法相比深度估计，分类，一个是完成底层的任务，一个是完成比较高层的任务。
🚩传统CV算法主要是基于特征的算法，能解决一些场景条件不多变的任务，不怎么依靠数据量；影像算法是一个很宽的概念，从自然界获取图像到处理图像到利用获取到的图像完成任务，都属于影像算法、想解决的复杂任务如人脸识别、自动驾驶等很难离开神经网络，同时也需要大量数据来训练。
THREE
写在最后
建议想保研的大家尽早去看自己学院的保研要求，尽早规划~
其次，未来方向的选择不是苦想一晚上能得出来结论的，很多时候需要尽早去尝试去规划去体验。
就像我大学的时候一开始侧重弄通信方向相关的科研，但在这个过程中慢慢感觉不适合自己，最后读研选择了图像方向的项目。
方向选择之后，我也会去找一些图像方向相关的实习去继续验证自己对这个方向是否喜欢，顺便也通过实习去了解这个方向的岗位职责然后慢慢去补齐自己的个人技能，这样子感觉对自己的个人规划是比较负责的。
最后祝大家一切顺利呀，能在理想的领域成为理想的人~，也欢迎大家关注我的小红书呐
FOUR
联系我们
如果你喜欢清华取经柴的分享
欢迎关注她的自媒体账号
○ ○ ○
想要获取嘉宾联系方式
扫描下方二维码！
○ ○ ○
来我青年聚集众多优质导师
如有留学求职问题咨询可扫码查看导师信息
按要求联系小助手
如果您愿意分享自己的经历，影响更多人
欢迎向我们投稿
