當(dāng)前乃至未來(lái)5-10年，嵌入式開發(fā)者還有哪些風(fēng)口？”

畫外音：風(fēng)口的本質(zhì)，其實(shí)就是一段時(shí)間的人才供需不平衡。說(shuō)白了就是由于行業(yè)突變，敏銳的資本快速進(jìn)入，導(dǎo)致短時(shí)間內(nèi)行業(yè)大量擴(kuò)張，需要大量開發(fā)者。

目前的嵌入式開發(fā)越來(lái)越傾向于智能化，也就是我們所說(shuō)的智能硬件（硬件+軟件）。

以百度機(jī)器人為例，機(jī)器人的核心是大腦，即是“數(shù)據(jù)和算法”?，但機(jī)器人大腦想機(jī)器人身軀能夠像人類一樣活動(dòng)，能說(shuō)會(huì)道，行走自如，那么就必須得依靠嵌入式技術(shù)。

人工智能雖然紅火了這些年，但它真正業(yè)務(wù)落地的大舞臺(tái)就是在物聯(lián)網(wǎng)端側(cè)AI嵌入領(lǐng)域，這里面有非常龐大的應(yīng)用場(chǎng)景。

所以，在物聯(lián)網(wǎng)和人工智能的促進(jìn)下，嵌入式在未來(lái)的5-10年內(nèi)會(huì)迎來(lái)更多的發(fā)展機(jī)會(huì)，一方面嵌入式開發(fā)會(huì)迎來(lái)更多的應(yīng)用場(chǎng)景，另一方面嵌入式開發(fā)的技術(shù)體系也會(huì)逐漸豐富，從而拓展物聯(lián)網(wǎng)開發(fā)的技術(shù)邊界。

目前已經(jīng)有不少AI框架已經(jīng)逐步支持端側(cè)AI了，比如谷歌的tensorflow lite 和 tensorflow lite micro，以及華為的mindspore lite。芯片廠商ST和NXP 也都推出了部分面向端側(cè)AI的工具和demo。

我也一直關(guān)注著嵌入式AI的發(fā)展，相信隨著5G時(shí)代的到來(lái)，AI于各行業(yè)垂直領(lǐng)域應(yīng)用具有巨大的潛力。

每一個(gè)風(fēng)口下技術(shù)人才永遠(yuǎn)是最難求的一個(gè)工種，自從移動(dòng)互聯(lián)網(wǎng)來(lái)，優(yōu)秀的開發(fā)者身價(jià)被翻了幾倍之多。

在當(dāng)下，嵌入式AI行業(yè)在未來(lái)的發(fā)展?jié)摿€有非常大的空間，并且不用太焦慮于是否行業(yè)已經(jīng)發(fā)展到了瓶頸，我們要做的，首先是鞏固自身的實(shí)力水平，讓自己能在機(jī)會(huì)來(lái)時(shí)抓住它。

那么在這樣的時(shí)代背景下對(duì)于從事嵌入式開發(fā)的技術(shù)人員來(lái)說(shuō)，我給3點(diǎn)建議，來(lái)提升自身的職場(chǎng)價(jià)值：

• 進(jìn)一步豐富自身的知識(shí)結(jié)構(gòu)，要重點(diǎn)關(guān)注人工智能技術(shù)；

• 注重行業(yè)經(jīng)驗(yàn)的積累，嵌入式開發(fā)與行業(yè)領(lǐng)域有非常多的聯(lián)系（未來(lái)嵌入式開發(fā)會(huì)逐漸向傳統(tǒng)行業(yè)覆蓋）；

• 關(guān)注工業(yè)互聯(lián)網(wǎng)領(lǐng)域的相關(guān)技術(shù)。

最近整理一套AI入門必備的學(xué)習(xí)資料，強(qiáng)烈推薦大家學(xué)習(xí)，作者王小天，擁有8年人工智能領(lǐng)域?qū)崙?zhàn)經(jīng)驗(yàn)，目前就職于BAT之一，AI算法高級(jí)技術(shù)專家，法國(guó)TOP3高校雙碩（計(jì)算機(jī)科學(xué)和數(shù)學(xué)應(yīng)用雙碩士）畢業(yè)。

他在人工智能和芯片領(lǐng)域發(fā)表10余篇論文，具有深厚的學(xué)術(shù)背景和豐富的項(xiàng)目及業(yè)務(wù)落地經(jīng)驗(yàn)。

工作期間主要負(fù)責(zé)人工智能業(yè)務(wù)線CV與NLP相關(guān)算法工作，推進(jìn)人機(jī)混合智能、語(yǔ)義分割、機(jī)器翻譯、虹膜識(shí)別等模塊的核心算法研究與優(yōu)化。對(duì)圖像分類、物體檢測(cè)、目標(biāo)跟蹤、自動(dòng)駕駛、計(jì)算機(jī)體系結(jié)構(gòu)等有深入的研究。

他兼具理論與實(shí)戰(zhàn)落地經(jīng)驗(yàn)，深知初學(xué)者學(xué)習(xí)痛點(diǎn)。說(shuō)實(shí)話，這樣資歷的人，很難得。

（資料內(nèi)容過(guò)多，僅截取部分）

這份教程很多業(yè)內(nèi)人士都推薦過(guò)，雖然已經(jīng)從事這個(gè)行業(yè)多年，再看這份教程的時(shí)候，仍然能查漏補(bǔ)缺，收獲滿滿，我相信不管是AI入門，還是已經(jīng)具備了一定的工作經(jīng)驗(yàn)，這份學(xué)習(xí)資料，都值得你去認(rèn)真學(xué)習(xí)研究。

所有以上相關(guān)的的內(nèi)容全部都已經(jīng)打包好了，匯總成了一份百度云的鏈接，小貼心之處是怕有的兄弟沒(méi)有買百度云會(huì)員的朋友，能用2MB+/S的速度下載，還特地給大家準(zhǔn)備了下載工具。

👇長(zhǎng)按下方二維碼 2 秒

立即領(lǐng)取

接下來(lái)，我詳細(xì)介紹一下，這份資料該如何學(xué)習(xí)？

首先，入門AI，掌握一門深度學(xué)習(xí)框架是必備的生存技能之一。

所以教程會(huì)從深度學(xué)習(xí)框架學(xué)習(xí)入手，帶你從零開始訓(xùn)練網(wǎng)絡(luò)，做到獨(dú)立搭建和設(shè)計(jì)卷積神經(jīng)網(wǎng)絡(luò)（包括主流分類和檢測(cè)網(wǎng)絡(luò)），并進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和推理（涉及PyTorch、Tensorflow、Caffe、Mxnet等多個(gè)主流框架），通過(guò)實(shí)戰(zhàn)讓你掌握各種深度學(xué)習(xí)開源框架。

截取框架學(xué)習(xí)部分目錄大家感受下。

深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)

• 深度學(xué)習(xí)簡(jiǎn)介

• 基本的深度學(xué)習(xí)架構(gòu)

• 神經(jīng)元

• 激活函數(shù)詳解（sigmoid、tanh、relu等）

• 感性認(rèn)識(shí)隱藏層

• 如何定義網(wǎng)絡(luò)層

• 損失函數(shù)

推理和訓(xùn)練

• 神經(jīng)網(wǎng)絡(luò)的推理和訓(xùn)練

• bp算法詳解

• 歸一化

• Batch Normalization詳解

• 解決過(guò)擬合

• dropout

• softmax

• 手推神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程

從零開始訓(xùn)練神經(jīng)網(wǎng)絡(luò)

• 使用python從零開始實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)訓(xùn)練

• 構(gòu)建神經(jīng)網(wǎng)絡(luò)的經(jīng)驗(yàn)總結(jié)

深度學(xué)習(xí)開源框架

• pytorch

• tensorflow

• caffe

• mxnet

• keras

• 優(yōu)化器詳解(GD,SGD,RMSprop等

在計(jì)算機(jī)視覺技術(shù)方面，會(huì)系統(tǒng)講解卷積神經(jīng)網(wǎng)絡(luò)、目標(biāo)檢測(cè)、OpenCV等，從檢測(cè)模型教學(xué)逐步深入，直到達(dá)到CV算法核心能力的提升。

網(wǎng)上相關(guān)AI入門資源也很多，但很多技術(shù)內(nèi)容太少，也不成體系，或是寫的不全面半懂不懂，重復(fù)內(nèi)容占絕大多數(shù)（這里弱弱吐槽百度的搜索結(jié)果多樣化）。

畫外音：同質(zhì)性的教程有一份就夠，注意篩選，不要浪費(fèi)不必要的時(shí)間。

👇長(zhǎng)按下方二維碼 2 秒

立即領(lǐng)取

由于微信限制，一個(gè)號(hào)每天加人上限是100人，太多就被限制了，抓緊掃碼領(lǐng)取，先到先得。

總結(jié)

以上是生活随笔為你收集整理的收藏了两年的嵌入式AI资源学习笔记，今天全分享给大家（附代码/资料/视频/学习规划）...的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。