数据挖掘和cv哪个简单

① 六大算法岗：搜/广/推/NLP/CV/数据挖掘怎么选

在选择六大算法岗时，应基于个人兴趣、行业趋势与公司需求进行综合考虑。以下是对每个方向的简要分析，帮助你做出选择：

1. 搜索引擎优化：

   • 适合人群：对网站内容优化、搜索引擎排名机制感兴趣的人。
   • 工作内容：关注如何优化网站内容与结构，提高搜索引擎排名。

2. 广告投放：

   • 适合人群：对精准匹配用户需求与广告内容感兴趣的人。
   • 工作内容：通过算法实现广告的有效转化，提高广告效率。

3. 推荐系统：

   • 适合人群：对个性化推荐、用户行为分析感兴趣的人。
   • 工作内容：基于用户历史行为与偏好，提供个性化推荐服务。

4. 自然语言处理：

   • 适合人群：对人类语言理解、生成与处理感兴趣的人。
   • 工作内容：广泛应用于机器翻译、文本分析与对话系统等领域。

5. 计算机视觉：

   • 适合人群：对图像与视频分析、理解感兴趣的人。
   • 工作内容：广泛应用于图像识别、目标检测与人脸识别等领域。

6. 数据挖掘：

   • 适合人群：对从大量数据中发现有价值信息感兴趣的人。
   • 工作内容：在市场营销、金融风控与个性化推荐等领域发挥关键作用。

总结： 兴趣：根据个人兴趣选择，兴趣是持续学习与进步的最大动力。 行业趋势：关注行业发展趋势，选择具有前景的领域。 公司需求：结合公司战略与职位需求，选择与公司业务相契合的方向。

在选择时，务必综合考虑以上因素，找到最适合自己的算法岗方向。

② 研究生读机器学习专业就业方向

前段时间和实验室里的学弟吃饭闲聊时谈到过这个问题，简单地谈一下就业方面的感受。

CV方向是近年来最热门的机器学习应用方向，但是CV在互联网行业本身内的就业有限，支柱型应用较少——P图、换脸、风格转换是当不了支柱应用的。而且CV方向近些年涌入了太多的研究生，其中绝大部分博士生还没毕业呢，就业压力过几年才会真正显现。CV真正的潜在用武之地是和其它行业的交叉，比如自动驾驶、安防、医疗、各种工业上的自动化等，这些是真正可以提高生产率的应用，是支撑得起一个产业的。具体来说：自动驾驶是综合技术，CV只是一小部分；安防是一个萝卜一个坑，占的其实也差不多了；医疗的解释性如果不解决，那就跟玄学一样，难以实用；工业自动化倒真的是前景广阔，不过需要各种横向人才来推动。
NLP是机器学习应用里的万金油方向，几乎任何一个机器学习应用都会涉及到或多或少的NLP处理部分。NLP的细分方向也非常多，个人觉得实际应用比较广泛的有文本分类、情感识别、语义识别、检索等。文字是比图像更抽象、更高级的信息形式，对文字的理解也远比对图像的理解难。个人认为要想真正地做到理解文字，必须要引入推理和常识。现在的研究似乎都还没摸到门，静候大牛们为我们打开新的研究思路。
数据挖掘的细分方向，说起来应该要比NLP还要杂，工业界需求量非常大，就业的又一个万金油方向。当年我选择做数据挖掘这个方向，其实看中的也就是这一点。相比其它应用领域，数据挖掘更靠近传统的机器学习，更需要你认真地打牢基础，扎实的基础会极大地提高你的上限。但是从研究的角度来说的话，不建议总是徘徊在数据挖掘应用的层面，而是应该狠抓机器学习部分。
语音领域不了解，不过相比于上面三者而言，语音的应用范围应该是最小的