數據挖掘和cv哪個簡單

① 六大演算法崗：搜/廣/推/NLP/CV/數據挖掘怎麼選

在選擇六大演算法崗時，應基於個人興趣、行業趨勢與公司需求進行綜合考慮。以下是對每個方向的簡要分析，幫助你做出選擇：

1. 搜索引擎優化：

   • 適合人群：對網站內容優化、搜索引擎排名機制感興趣的人。
   • 工作內容：關注如何優化網站內容與結構，提高搜索引擎排名。

2. 廣告投放：

   • 適合人群：對精準匹配用戶需求與廣告內容感興趣的人。
   • 工作內容：通過演算法實現廣告的有效轉化，提高廣告效率。

3. 推薦系統：

   • 適合人群：對個性化推薦、用戶行為分析感興趣的人。
   • 工作內容：基於用戶歷史行為與偏好，提供個性化推薦服務。

4. 自然語言處理：

   • 適合人群：對人類語言理解、生成與處理感興趣的人。
   • 工作內容：廣泛應用於機器翻譯、文本分析與對話系統等領域。

5. 計算機視覺：

   • 適合人群：對圖像與視頻分析、理解感興趣的人。
   • 工作內容：廣泛應用於圖像識別、目標檢測與人臉識別等領域。

6. 數據挖掘：

   • 適合人群：對從大量數據中發現有價值信息感興趣的人。
   • 工作內容：在市場營銷、金融風控與個性化推薦等領域發揮關鍵作用。

總結： 興趣：根據個人興趣選擇，興趣是持續學習與進步的最大動力。 行業趨勢：關注行業發展趨勢，選擇具有前景的領域。 公司需求：結合公司戰略與職位需求，選擇與公司業務相契合的方向。

在選擇時，務必綜合考慮以上因素，找到最適合自己的演算法崗方向。

② 研究生讀機器學習專業就業方向

前段時間和實驗室里的學弟吃飯閑聊時談到過這個問題，簡單地談一下就業方面的感受。

CV方向是近年來最熱門的機器學習應用方向，但是CV在互聯網行業本身內的就業有限，支柱型應用較少——P圖、換臉、風格轉換是當不了支柱應用的。而且CV方向近些年湧入了太多的研究生，其中絕大部分博士生還沒畢業呢，就業壓力過幾年才會真正顯現。CV真正的潛在用武之地是和其它行業的交叉，比如自動駕駛、安防、醫療、各種工業上的自動化等，這些是真正可以提高生產率的應用，是支撐得起一個產業的。具體來說：自動駕駛是綜合技術，CV只是一小部分；安防是一個蘿卜一個坑，占的其實也差不多了；醫療的解釋性如果不解決，那就跟玄學一樣，難以實用；工業自動化倒真的是前景廣闊，不過需要各種橫向人才來推動。
NLP是機器學習應用里的萬金油方向，幾乎任何一個機器學習應用都會涉及到或多或少的NLP處理部分。NLP的細分方向也非常多，個人覺得實際應用比較廣泛的有文本分類、情感識別、語義識別、檢索等。文字是比圖像更抽象、更高級的信息形式，對文字的理解也遠比對圖像的理解難。個人認為要想真正地做到理解文字，必須要引入推理和常識。現在的研究似乎都還沒摸到門，靜候大牛們為我們打開新的研究思路。
數據挖掘的細分方向，說起來應該要比NLP還要雜，工業界需求量非常大，就業的又一個萬金油方向。當年我選擇做數據挖掘這個方向，其實看中的也就是這一點。相比其它應用領域，數據挖掘更靠近傳統的機器學習，更需要你認真地打牢基礎，扎實的基礎會極大地提高你的上限。但是從研究的角度來說的話，不建議總是徘徊在數據挖掘應用的層面，而是應該狠抓機器學習部分。
語音領域不了解，不過相比於上面三者而言，語音的應用范圍應該是最小的