自动化专业如何转SLAM或机器学习岗？

因为不方便放连接，更好的阅读体验请查看：自动化专业如何转SLAM或机器学习岗？
本文来自知乎上的同名问题，原文连接：
https://www.zhihu.com/question/266685012/answer/336327001
题主是北京某985理工类高校自动化专业本硕（硕士专业是控制工程），刚刚毕业半年左右，第一份工做是在一家创业型机器人小公司作控制工程师。工做内容很杂，主要是一些stm32开发和信号处理之类的工做，这家公司管理混乱，并且公司缺少技术上经验丰富的老员工，做为一个刚刚毕业的新人，感受彻底学不到什么东西，成长性不足，并且分配的工做也不是本身兴趣所在，因而我工做了半年不到就辞职了，打算趁着过年准备一下换一个靠谱点的工做。主要想转到slam方向和机器学习方向。
我本身自己的状况是这样的：

项目经历：
没有实习经历，本身在实验室的项目基本上和slam和机器学习不要紧，主要是调PID什么的，纯工程任务。本科毕设是用支持向量机作信号识别，可是本科毕设很是简单。

我的知识储备：
一、机器学习这块我是一直从本科就在学，吴恩达的课看过前面一半，《统计学习方法》所有看过一遍，里面的算法也大都推过一遍。周志华的西瓜书也看过。可是没有实际的项目经历（不知道泰坦尼克幸存者预测和TensorFlow手写数字识别算不算）。
二、slam这一块我是自学的《视觉slam十四讲》一书，原理都看懂了，书上的代码的大约70%都本身亲手敲过一遍，orb-slam2论文看过，代码细细读过。

请slam和机器学习行业的职场老司机解答一下个人问题：
我这样没有实习经历和项目支撑的状况下，转去slam或机器学习岗位，是否可以被公司接受呢？或者说我要达到什么样的程度，才能被相关公司接受？会有公司愿意接受从0培养新人吗？（我算从0.5吧）
职场老司机能否给一些转行的可操做的建议呢？
本文对几个优秀的回答进行了整理，解释权归答主全部。若有侵权，请联系删除
如下观点并不表明计算机视觉life观点，仅做为参考。

半闲居士：

在下也是自动化系毕业，好像并不存在转行一说，自动化搞控制、搞机器学习或者slam都很正常。
机器学习应用范围宽，门槛低，目前学习资料很丰富，学起来并不费劲。相比来讲slam资料少不少，书籍还都是大部头的书，学起来仍是挺花时间的。slam背后牵扯到的数学知识比较广，能吃透并不容易（deep learning除了梯度降低以外还有别的数学吗）。
slam岗位目前看来仍是不太招的到人的阶段。虽然有人以为Slam在理论上已经解决了，然而现实是：
大部分人从零开始写一个slam程序，多半写不到如今开源方案的水平；
开源方案不知足需求的状况下，大部分也不会改（对方案的了解并不深刻）；
slam应用主要在自动驾驶、机器人、AR/VR上。国内自动驾驶近年很活跃，BAT和各车厂都有布局，创业公司有名一点的均可以数出30多家。机器人的话，园区物流需求也比较明显，京东、菜鸟以及许多创业公司都在作，ARVR不太好说，内容和生态能不能起来仍是个问题。在你有硕士学位状况下，应该不难找到对应岗位。若是你本身可以写出完整一套slam，或者对某个开源方案有很深刻的理解（看的懂，改的动），多数公司都应该会要你（据我了解许多公司里的人员对slam了解也是这个深度）。若是你的理论基础再扎实一些就更好。
做为建议，你能够尝试本身写个简单的slam project，在kitti，euroc等数据集上与开源方案对比测试后，把结果放到简历里，会让你找到合适岗位的概率增长很多。

Pickles Husky：

SLAM方向的博士生，最近也在找工做，简单说两句。
首先澄清一点，SLAM和机器学习彻底不是一个量级的领域。机器学习对于不少公司和业务都是很是基础的工具，并且这一趋势愈来愈明显，之后很是多的岗位都须要掌握机器学习的技术。机器学习跟不少领域都有交叉，好比如今在SLAM中应用机器学习的地方也愈来愈多。不客气的说，掌握机器学习和数据处理技能的重要性，等同于掌握领域内的重要编程语言，好比C++。
而SLAM的应用面窄的多。SLAM的主要需求如今在机器人、自动驾驶和ARVR领域，若是SLAM是你的focus的话，你的就业面仅限这些行业。
并且说的不客气一点，就算在以上这些领域，SLAM也不是驱动这些应用的最核心技术，SLAM仅仅做为一个提供定位与建图的子模块而已。当前不少应用中的SLAM问题还没有彻底解决好，你们在SLAM上花不少精力解决问题；而一旦SLAM问题获得比较好的解决，SLAM将只是系统中提供定位以及建图的工具而已，你们的精力将更多的放在更重要的问题上，好比自动驾驶中的perception、semantic information以及behavior prediction问题、机器人领域中的manipulation问题，等等。虽然我本身是作SLAM的，可是不负责任预测SLAM领域的热度很难长时间持续下去，至少以十年量级来看之后衰落是必然的。而机器学习与数据科学如今的机会以及将来的潜力都是很难限量的。
讨论完SLAM这个行业，再来看一下题主的背景。SLAM技能掌握上的特色与机器学习有点像，就是这个领域显性门槛比较低，可是隐形门槛比较高。down一些opensource的code下来你们均可以跑比较好的demo，就像机器学习里面你们顺着tutorial去跑mnist的example很是简单同样。可是opensource的东西没有应用背景，在真实的应用场景下出现必定比例、甚至大面积不work是很是常见的。当你真正到了企业里面，企业须要你作可以在应用场景下稳定工做的SLAM模块，这时候不管是本身从零写，仍是改opensource，你都须要有很好的对SLAM原理及系统的理解，来调整系统去处理一些fail的cases。可以为企业处理这样的问题，一两年的实际项目经验加上至关量的阅读（经典的大部头好比MVG和paper，至少是传统的paper）是必须的。
我很是不看好题主在家里自行修炼。家里能作的SLAM项目通常都没有业界背景（这一点比机器学习条件更恶劣，机器学习起码存在kaggle这样“接近于”业界的项目能够作，SLAM除了kitti外别的和业界彻底不沾边），而业界很是看重实际相关的项目背景。并且企业从零培养新人的意愿很是低，首先公司招你就是但愿你有实际产出，而不是花钱培养你；其次如以前所说SLAM方向培养时间仍是偏长的。
若是题主执意要走以SLAM为核心的技能路线，有两条可能的路题主能够考虑：1. 读相关方向的硕士后者博士，毕竟研究生招零基础学生的几率远高于企业。2. 走开发线路，须要题主有很强的C++背景（SLAM开发中C++目前是绝对主流），而后以软件开发的身份进入相关公司SLAM的团队，在有经验的人指导下进行SLAM的软件开发，这是我能想到的能在企业里面学习SLAM的惟一渠道吧。。。

CLEMENT HUANG：

我司正在找一名自动化背景， 愿意学习SLAM，编程能力强的工程师。坐标上海。因此看到这个问题， 忍不住来回答几句。
先介绍本人， 自动化专业本硕，学校都是985，在国企呆过三年， 外企12年，创业2年半。因此对于控制专业的学生的困惑应该是颇有切身的体会的。控制专业的学生学的东西不少，可是到了工做中总有一种有力使不出来的感受，关键是自动控制的应用是太普遍了， 运动控制， 拖动， 过程控制， 微机原理，DSP或者算是Soc（System on Chip), 电力电子， 各类编程语言，软件工程，到了研究生还要学数字信号处理， 各类优化控制算法， 甚至统筹学， 包括最近火起来的机器人， SLAM， 人工智能， 博弈论。你说一个在学校学校的学生，或者刚毕业三年的新人到哪里摸获得门，行业里的随便一个小障碍就能够阻挡住一个信心满满的年青人，更别说若是单拿出一项武器来， 咱们还干不过别的专业。好比电力电子功率电路， 确定干不过学电力系统的， 软件干不过计算机的，算法没应用数学的强， 搞通讯和通讯工程的也有差距。即便是电机控制， 要知道高校也有专门的电机系。控制专业的学生可能学了一年的电力拖动没见过真正的电机，更分不清直流，交流， 直流无刷， 交流永磁，交流同步。然我见过无数自动化的大牛，后来在选择的方向（非自动化）上都干成了最优秀，那是在开始的三年甚至整个职业生涯花了更多的时间， 精力，伤了无数的脑细胞才取得的成就。
回到正题， 我能给的建议是， 找到一个适合本身的方向和平台， 保持旺盛的学习欲望，扎下来干个三年，短时间的职业空窗期是能够接受的，但超过半年以上，基本上很可贵到面试机会，公司评估一个这样的候选人风险过高。而且你在家里学习和在工做中学习彻底是两回事， 读了多少书不表明你已经入了行。
不要给本身太窄的定位， 真正研究算法的人在一个公司里是少之又少的， 算法须要本身去用代码实现吧。要会测试吧，要能理解底层给你的接口吧。还要懂一些行业背景应用吧， 我只能说学习才刚刚开始。

刘畅：

知乎小透明首答，想借贵宝地写下给新进入SLAM 领域或者犹豫是否进入SLAM 领域的在读研究生(注意，是研究生，为何？由于其实研究生作SLAM 时间仍是挺紧的)一些忠告:
1.能不碰实体机器人就不碰实体机器人
2.找好部分开始作
由于SLAM 范围太广，涉及内容也很深，学校又是一个要求创新点的地方，因此在读完十四讲(已被圈内封为SLAM 圣经，感谢高灯塔)以后，跑彻底书的大部分代码的时候，不要说，啊~好兴奋~我已经所有掌握SLAM 啦~而是冷静下来，仔细想想，我想研究哪部分，是基于多视图几何的前端？仍是对优化问题比较感兴趣，想从几率机器人和凸优化两本书入手？又或者是我想用机器学习作作回环？仍是说我要摒弃现有的一套方案直接用深度学习来个端对端的VO(这个已经有了，一个比较出名的大学作的，可是想作深刻的研究应该也是能够的吧)，带着问题作研究,把问题抽象。若是你只是要优化下定位精度，真的不用非要找个实体机器人，学好使用数据集测试本身的方案，将更多的精力放在C++上和优化的方法上(尤为是对于答主这种原本是机械的，编程也就是C++ primer 第一章的水平~).今天先答这些吧，太晚了，之后有时间接着答。

slamer：

本人刚好也是自动化，刚毕业就进入一家机器人公司，作定位制图相关工做，机器学习稍微了解，主要说说slam。以上背景
slam方向是工程与科研相结合学科，在有很好的数学基础前提下也须要很强的工程（尤为是c++）能力。若是题主想从事slam方向，首先能够先了解目前比较流行的slam解决方案，阅读相关开源项目，好比激光slam中gmapping、cartographer，开源项目不只能让你对slam有一个宏观的了解，也可以学习好的代码风格和代码技巧。其次，学习相关理论知识，像非线性最小二乘法、卡尔曼滤波、粒子滤波、数值优化、自动求导等，有了这些基础，slam入门才刚刚开始。若是想要进阶，尝试结合本身学到的理论知识，写一个slam，这个时候对这些理论知识会有比较深入的认识，写工程的同时，你可能会发现有些书本中学不到的东西，好比调参，掌握调参技巧，好的参数就像整容手术，能让机器人很好的work，后面要跟紧时代步伐，多阅读slam相关paper。最后作slam不要急躁，在slam工程中会有不少小问题，保持好心态，祝你好运。

欢迎关注公众号：计算机视觉life，一块儿探索计算机视觉新世界~早就是优点，学习切忌单打独斗，这里有教程资料、练习做业、答疑解惑等，优质学习圈帮你少走弯路，快速入门！