我就是非计算机专业的，在18-19年1年时间内自学拿到商汤实习offer，20年毕业加入思谋成为一名算法工程师。我想我应该很适合回答这个问题。

之前写过一个实习面经，感兴趣的可以看一下计算机视觉暑期实习面经_笔经面经_牛客网 (nowcoder.com)

对于一个完全不懂的计算机视觉领域，并且没有师兄师姐指导的情况下，必然走过很多歪路，这里我想先记录一下做过的一些事情，最后给出资料推荐和心得。

01 心路历程

第一步，买书和逛知乎。刚接触计算机视觉的时候，啥都不懂，然后就喜欢在知乎上看别人写文章(前两年分享的质量要好很多，现在有点下降了)，然后就是必踩的坑，买书

上面是部分书，买了很多书(emmmm, 可能是喜欢收藏吧)，但是我看过的基本上只有统计学习方法，hhhhh

买书是错误示范，不推荐买大部头书籍，合理做法看资料推荐部分，逛知乎还是不错的。

第二步，看论文和写笔记。然后就是看论文，以目标检测为例，首先推荐一个综述Object Detection in 20 Years: A Survey，按照时间顺序，先找到关键文章，其他文章都是这些文章的修修补补，roadmap传统目标检测DPM -> Two-stage：RCNN、Fast R-CNN、Faster R-CNN、Mask R-CNN -> One-Stage：YOLOv1&v2&v3、SSD、RetinaNet -> Anchor-Free：CornerNet、FCOS、CenterNet -> Transformer：DETR，看完文章还不够，好文章适当写一下笔记，锻炼自己写文字和归纳总结的能力，最好找到对应的code进行理解实践。

第三步，打比赛。有了大量的知识积累，就可以去实践了，实验室的项目看运气，可能碰不到好项目，不能坐以待毙，打比赛是一个比较好的选择，从实践中才能更好的体会算法的适用范围和真实数据如何处理的。我之前在天池也就拿了个第8名还有个36名吧，学到什么更关键，至少面试的时候有东西说。

第四步，刷题和找实习。有了上述的知识储备和实践经验，就要刷一下简历了。算法coding必不可少，面试必考，如果没有基础，推荐先看剑指offer，上面对常见题型做了总结。面试的时候对自己简历上的东西一定要清楚，简历上都不会，你完了，多面试多总结，查漏补缺。

有了上述的积累，拿算法offer是水到渠成的事情。

02 资料推荐

不推荐买大部头书籍，一般大部头买来都扔书架上吃灰了(都看完的算你nb)，最实用的还是一些工具的document。实际场景，一般是遇到问题，查阅，遇到问题，查阅的循环过程，光啃书不实践，记不住啊，还体会不到乐趣，消磨积极性。

以下罗列一下常用document和网站，少而精才是有效推荐

竞赛：

kaggle、阿里天池

coding：

推荐剑指offer，可以更快的掌握coding技巧

另外就是coding的刷题网站，推荐leetcode，题目多且全，推荐先刷力扣 (leetcode-cn.com)

document：

编程工具：Python、PyTorch、OpenCV

代码库：

图像分类：pytorch-image-models 基本上涵盖所有主流网络

目标检测: MMDetection、Detectron2 这两个都是优秀的代码库，值得学习借鉴

查阅各个领域的最新进展，可以查阅这个网站，会记录一些sota的paper和code链接：paper-with-code

学习视频只推荐三个：

机器学习：李宏毅机器学习 (打包到Smarter了) 上课太有趣了

计算机视觉：李飞飞cs231n (打包到Smarter了)

经典paper解析：AI百篇经典论文

如果非要买书，机器学习可以买一些书籍，比如统计学习方法、西瓜书

《机器学习》俗称西瓜书，图例多容易理解，缺点较厚实，推理过程不详细。

《统计学习方法》比起西瓜书，更干，推理详尽，篇幅少，但是图例少不容易理解。从实用主义出发，以上入门完全够用了，对深度学习和计算机视觉有了一些了解，后面就可以自己愉快的玩耍了。

03 心得

1.geek是必须的，想要跨专业必须付出更多。

2.当然也要劳逸结合，多运动，健康更重要。

3.不要假装努力学习，到底懂不懂，有没有学会，自己心里比谁都清楚。

4.焦虑是因为实力不配，对未知的恐惧，不断输入才能更自信。

5.心态要好，你能决定的只有很小一部分，但依然要相信人定胜天。

6.精准的内推资源很重要，可以减少很多搜集信息的时间(比如找我，我有各种计算机视觉岗位的内推信息)。

公众号后台回复“CNN100”，获取100 篇 CNN 必读的经典论文资源下载