学计算机专业有前途吗?

发布网友 发布时间：2022-04-24 14:38

我来回答

共16个回答

懂视网 时间：2022-05-01 09:56

＃技术论坛
１／ｍｉｔ的关于关于机器人的技术ｒｅｖｉｅｗ
https://www.technologyreview.com/c/robotics/
２／valse视觉与学习青年学者讨论会
http://valser.org/
３／人工智能资讯平台／机器人／机器视觉
http://www.ailab.cn/robot/Machine_vision/


＃比赛
１／ｐａｓｃａｌ　ｖｏｃ　含各种代码和数据库
http://www.eecs.berkeley.edu/Research/Projects/CS/vision/shape/action/
http://pjreddie.com/projects/pascal-voc-dataset-mirror/
http://host.robots.ox.ac.uk:8080/


＃牛人博客
１／斯坦福的Andrej Karpathy 的ｂlog
http://karpathy.github.io/
２／斯坦福的colah的blog
http://colah.github.io/
３／伯克利的ｓｉｍｏｎｓ学院
https://simons.berkeley.edu/workshops



＃好玩的东西
１／deap dreaming
－http://deepdreamgenerator.com/dream/94746ddbd9
２/利用神经网络自动玩超级马里奥
－ 视频：https://www.youtube.com/watch?v=qv6UVOQ0F44
－ 代码：http://pastebin.com/ZZmSNaHX
－paper：http://nn.cs.utexas.edu/downloads/papers/stanley.ec02.pdf
３/谷歌Magenta通过神经学习网络创作歌曲
－http://yuweining.cn/t/song/Google-Magenta-song.mp3
４/用深度学习改变画风
－Github:https://github.com/fzliu/style-transfer
－来自微博:http://m.weibo.cn/1402400261/3982309310926836?moduleID=feed&uicode=10000002&mid=3982316391582790&luicode=10000198&_status_id=3982309310926836&lfid=1076031837287505_-_WEIBO_SECOND_PROFILE_WEIBO&lcardid=1076031837287505_-_WEIBO_SECOND_PROFILE_WEIBO_-_3982316391582790
－我想的很简单，是不是可以利用深度学习来给照片加滤镜=_=

＃ＤＬ相关
１／ＤＬMethods for Vision
－http://cs.nyu.edu/~fergus/tutorials/deep_learning_cvpr12/
２／其他
－－ｃｖｐｒ／ｉｃｃｖ/icml/nips论文
－－cayley:谷歌开源的图数据库



＃各多媒体实验室官网
１／南开大学媒体计算实验室（内有相关论文公布代码，似物性检测和显著性检测可能有用）
－http://mmcheng.net/zh/
２／香港中文大学多媒体实验室（内有相关源代码下载，有相关计算机视觉的数据库可供下载）
－http://mmlab.ie.cuhk.edu.hk/index_cn.html
3/Stanford Vision lab(包括最新的研究成果，大牛们的个人主页连接，论文下载，课程)
－http://vision.stanford.edu/index.html
   其中的最新的cs231n:Convolutional Neural Networks for Visual Recognition：http://vision.stanford.edu/teaching/cs231n/index.html
　　课程的知乎翻译：https://zhuanlan.zhihu.com/intelligentunit
４／爱丁堡的CALVIN reserach group(包括一些新闻软件和数据库)
－http://calvin.inf.ed.ac.uk/
－其中的objectness messure: http://groups.inf.ed.ac.uk/calvin/objectness/
５／伯克利计算机视觉
－http://www.eecs.berkeley.edu/Research/Projects/CS/vision/
－里面的ｃａｆｆｅ教程
－http://tutorial.caffe.berkeleyvision.org/


＃加速处理　
１／程明明主页
－http://mmcheng.net/cmm/
２／对程明明加速的分析及相关博文
　１）http://doc.okbase.net/autocyz/archive/126659.html
　２）http://blog.csdn.net/readzw/article/details/20126985
３／程明明博士论文－图像内容的显著性与相似性研究
－http://wenku.baidu.com/link?url=b2LnRYRA5SxhQegdHjNMvB2o45PHReeslITPijW54_DbC426EklZK8caAZsCsJ7N-mdaQ1USTAeIboY2c83TLr6YdGGn08eIGckqxOveEXm
４／目标检测加速的另一个算法
－ 《Edge Boxes: Locating Object Proposals from Edges》
－http://research.microsoft.com/pubs/220569/ZitnickDollarECCV14edgeBoxes.pdf

－读后感：http://blog.csdn.net/wsj998689aa/article/details/39476551

＃公开课／教程

１／七月在线

https://www.julyedu.com/

二（转自别人）

http://fuliang.iteye.com/blog/1738826

牛人主页（主页有很多论文代码）

SergeBelongie at UC San Diego AntonioTorralba at MIT AlexeiFfros at CMU CeLiu at Microsoft Research New England VittorioFerrari at Univ.of Edinburgh KristenGrauman at UT Austin DeviParikh at TTI-Chicago (Marr Prize at ICCV2011) JohnWright at Columbia Univ. PiotrDollar at CalTech BorisBabenko at UC San Diego DavidRoss at Google/Youtube DavidDonoho at Stanford Univ.   大神们： William T.Freeman at MIT RobertoCipolla at Cambridge DavidLowe at Univ. of British Columbia MubarakShah at Univ. of Central Florida YiMa at MSRA TinneTuytelaars at K.U. Leuven TrevorDarrell at U.C. Berkeley Michael J.Black at Brown Univ.


重要研究组： Computer VisionGroup at UC Berkeley Robotics ResearchGroup at Univ. of Oxford LEAR atINRIA Computer VisionLab at Stanford Computer VisionLab at EPFL Computer VisionLab at ETH Zurich Computer VisionLab at Seoul National Univ. Computer VisionLab at UC San Diego Computer VisionLab at UC Santa Cruz Computer VisionLab at Univ. of Southern California Computer VisionLab at Univ. of Central Florida Computer VisionLab at Columbia Univ. UCLA VisionLab Motion and ShapeComputing Group at George Mason Univ. Robust ImageUnderstanding Lab at Rutgers Univ. Intelligent VisionSystems Group at Univ. of Bonn Institute for ComputerGraphics and Vision at Graz Univ. ofTech. Computer VisionLab. at Vienna Univ. ofTech.  Computational ImageAnalysis and Radiology at Medical Univ. ofVienna Personal Robotics Lab atCMU VisualPerception Lab at Purdue Univ.
  潜力牛人： JuergenGall at ETHZurich MattFlagg at Georgia Tech. MathieuSalzmann at TTI-Chicago GergShakhnarovich at TTI-Chicago Taeg SangCho at MIT JianchaoYang at UIUC StefanRoth at TU Darmstadt PeterKontschieder at Graz Univ. of Tech. DominikAlexander Klein at Univ. of Bonn YinanYu at CASIA (PASCAL VOC 2010 DetectionChallenge Winner) ZdenekKalal at FPFL JulienPilet at FPFL Kenji Okuma   （1）googleResearch； http://research.google.com/index.html
（2）MIT博士，汤晓欧学生林达华； http://people.csail.mit.edu/dhlin/index.html
（3）MIT博士后DouglasLanman； http://web.media.mit.edu/~dlanman/
（4）opencv中文网站； http://www.opencv.org.cn/index.php/首页
（5）Stanford大学vision实验室； http://vision.stanford.edu/research.html
（6）Stanford大学博士崔靖宇； http://www.stanford.edu/~jycui/
（7）UCLA教授朱松纯； http://www.stat.ucla.edu/~sczhu/
（8）中国人工智能网； http://www.chinaai.org/
（9）中国视觉网； http://www.china-vision.net/
（10）中科院自动化所； http://www.ia.cas.cn/
（11）中科院自动化所李子青研究员； http://www.cbsr.ia.ac.cn/users/szli/
（12）中科院计算所山世光研究员； http://www.jdl.ac.cn/user/sgshan/
（13）人脸识别主页； http://www.face-rec.org/
（14）加州大学伯克利分校CV小组；http://www.eecs.berkeley.edu/Research/Projects/CS/vision/

（15）南加州大学CV实验室； http://iris.usc.edu/USC-Computer-Vision.html
（16）卡内基梅隆大学CV主页；

http://www.cs.cmu.edu/afs/cs/project/cil/ftp/html/vision.html

（17）微软CV研究员Richard Szeliski；http://research.microsoft.com/en-us/um/people/szeliski/
（18）微软亚洲研究院计算机视觉研究组；http://research.microsoft.com/en-us/groups/vc/
（19）微软剑桥研究院ML与CV研究组；http://research.microsoft.com/en-us/groups/mlp/default.aspx

（20）研学论坛； http://bbs.matwav.com/
（21）美国Rutgers大学助理教授刘青山；http://www.research.rutgers.edu/~qsliu/
（22）计算机视觉最新资讯网； http://www.cvchina.info/
（23）运动检测、阴影、跟踪的测试视频下载；http://apps.hi.baidu.com/share/detail/18903287
（24）香港中文大学助理教授王晓刚；http://www.ee.cuhk.edu.hk/~xgwang/
(25)香港中文大学多媒体实验室（汤晓鸥）;http://mmlab.ie.cuhk.edu.hk/
(26)U.C. San Diego. computervision;http://vision.ucsd.edu/content/home
(27)CVonline; http://homepages.inf.ed.ac.uk/rbf/CVonline/
(28)computer visionsoftware;http://peipa.essex.ac.uk/info/software.html
(29)Computer VisionResource; http://www.cvpapers.com/
(30)computer vision researchgroups;http://peipa.essex.ac.uk/info/groups.html
(31)computer visioncenter;http://computervisioncentral.com/cvcnews

(32)浙江大学图像技术研究与应用（ITRA）团队：http://www.dvzju.com/

(33)自动识别网：http://www.autoid-china.com.cn/

(34)清华大学章毓晋教授：http://www.tsinghua.edu.cn/publish/ee/4157/2010/20101217173552339241557/20101217173552339241557_.html

(35)顶级民用机器人研究小组Porf.Gary领导的WillowGarage:http://www.willowgarage.com/

(36)上海交通大学图像处理与模式识别研究所：http://www.pami.sjtu.edu.cn/

(37)上海交通大学计算机视觉实验室刘允才教授：http://www.visionlab.sjtu.edu.cn/

(38)德克萨斯州大学奥斯汀分校助理教授Kristen Grauman：http://www.cs.utexas.edu/~grauman/

(39)清华大学电子工程系智能图文信息处理实验室（丁晓青教授）：http://ocrserv.ee.tsinghua.edu.cn/auto/index.asp

(40)北京大学高文教授：http://www.jdl.ac.cn/htm-gaowen/

(41)清华大学艾海舟教授：http://media.cs.tsinghua.edu.cn/cn/aihz

(42)中科院生物识别与安全技术研究中心：http://www.cbsr.ia.ac.cn/china/indexCH.asp

(43)瑞士巴塞尔大学Thomas Vetter教授：http://informatik.unibas.ch/personen/vetter_t.html

(44)俄勒冈州立大学 Rob Hess博士：http://blogs.oregonstate.edu/hess/

(45)深圳大学于仕祺副教授：http://yushiqi.cn/

(46)西安交通大学人工智能与机器人研究所：http://www.aiar.xjtu.edu.cn/

(47)卡内基梅隆大学研究员Robert T.Collins:http://www.cs.cmu.edu/~rcollins/home.html#Background

(48)MIT博士Chris Stauffer:http://people.csail.mit.edu/stauffer/Home/index.php

(49)美国密歇根州立大学生物识别研究组(Anil K.Jain教授)：http://www.cse.msu.edu/rgroups/biometrics/

(50)美国伊利诺伊州立大学Thomas S.Huang:http://www.beckman.illinois.edu/directory/t-huang1

(51)武汉大学数字摄影测量与计算机视觉研究中心：http://www.whudpcv.cn/index.asp

(52)瑞士巴塞尔大学SamiRomdhani助理研究员：http://informatik.unibas.ch/personen/romdhani_sami/

(53)CMU大学研究员Yang Wang:http://www.cs.cmu.edu/~wangy/home.html

(54)英国曼彻斯特大学Tim Cootes教授：http://personalpages.manchester.ac.uk/staff/timothy.f.cootes/

(55)美国罗彻斯特大学教授Jiebo Luo:http://www.cs.rochester.edu/u/jluo/

(56)美国普渡大学机器人视觉实验室：https://engineering.purdue.edu/RVL/Welcome.html

(57)美国宾利州立大学感知、运动与认识实验室：http://vision.cse.psu.edu/home/home.shtml

(58)美国宾夕法尼亚大学GRASP实验室：https://www.grasp.upenn.edu/

(59)美国内达华大学里诺校区CV实验室：http://www.cse.unr.edu/CVL/index.php

(60)美国密西根大学vision实验室：http://www.eecs.umich.edu/vision/index.html

(61)University ofMassachusetts(麻省大学),视觉实验室：http://vis-www.cs.umass.edu/index.html

(62)华盛顿大学博士后Iva Kemelmacher:http://www.cs.washington.edu/homes/kemelmi

(63)以色列魏茨曼科技大学Ronen Basri:http://www.wisdom.weizmann.ac.il/~ronen/index.html

(64)瑞士ETH-Zurich大学CV实验室：http://www.vision.ee.ethz.ch/boostingTrackers/index.htm

(65)微软CV研究员张正友：http://research.microsoft.com/en-us/um/people/zhang/

(66)中科院自动化所医学影像研究室：http://www.3dmed.net/

(67)中科院田捷研究员：http://www.3dmed.net/tian/

(68)微软Redmond研究院研究员SimonBaker:http://research.microsoft.com/en-us/people/sbaker/

(69)普林斯顿大学教授李凯：http://www.cs.princeton.edu/~li/
(70)普林斯顿大学博士贾登：http://www.cs.princeton.edu/~jiadeng/
(71)牛津大学教授AndrewZisserman：http://www.robots.ox.ac.uk/~az/
(72)英国leeds大学研究员MarkEveringham:http://www.comp.leeds.ac.uk/me/
(73)英国爱丁堡大学教授ChrisWilliam:http://homepages.inf.ed.ac.uk/ckiw/
(74)微软剑桥研究院研究员JohnWinn: http://johnwinn.org/
(75)佐治亚理工学院教授MonsonH.Hayes：http://savannah.gatech.edu/people/mhayes/index.html
(76)微软亚洲研究院研究员孙剑：http://research.microsoft.com/en-us/people/jiansun/
(77)微软亚洲研究院研究员马毅：http://research.microsoft.com/en-us/people/mayi/
(78)英国哥伦比亚大学教授DavidLowe:http://www.cs.ubc.ca/~lowe/
(79)英国爱丁堡大学教授BobFisher:http://homepages.inf.ed.ac.uk/rbf/
(80)加州大学圣地亚哥分校教授SergeJ.Belongie:http://cseweb.ucsd.edu/~sjb/
(81)威斯康星大学教授CharlesR.Dyer:http://pages.cs.wisc.edu/~dyer/
(82)多伦多大学教授Allan.Jepson:http://www.cs.toronto.edu/~jepson/
(83)伦斯勒理工学院教授QiangJi: http://www.ecse.rpi.edu/~qji/
(84)CMU研究员DanielHuber: http://www.ri.cmu.edu/person.html?person_id=123
(85)多伦多大学教授：DavidJ.Fleet:http://www.cs.toronto.edu/~fleet/
(86)伦敦大学玛丽女王学院教授AndreaCavallaro:http://www.eecs.qmul.ac.uk/~andrea/
(87)多伦多大学教授KyrosKutulakos:http://www.cs.toronto.edu/~kyros/
(88)杜克大学教授CarloTomasi: http://www.cs.duke.edu/~tomasi/
(89)CMU教授MartialHebert: http://www.cs.cmu.edu/~hebert/
(90)MIT助理教授AntonioTorralba:http://web.mit.edu/torralba/www/
(91)马里兰大学研究员YaselYacoob:http://www.umiacs.umd.edu/users/yaser/
(92)康奈尔大学教授RaminZabih: http://www.cs.cornell.edu/~rdz/

(93)CMU博士田渊栋:http://www.cs.cmu.edu/~yuandong/
(94)CMU副教授Srinivasa Narasimhan:http://www.cs.cmu.edu/~srinivas/
(95)CMU大学ILIM实验室：http://www.cs.cmu.edu/~ILIM/
(96)哥伦比亚大学教授Sheer K.Nayar: http://www.cs.columbia.edu/~nayar/
(97)三菱电子研究院研究员Fatih Porikli ：http://www.porikli.com/
(98)康奈尔大学教授DanielHuttenlocher：http://www.cs.cornell.edu/~dph/
(99)南京大学教授周志华：http://cs.nju.edu.cn/zhouzh/index.htm
(100)芝加哥丰田技术研究所助理教授Devi Parikh:http://ttic.uchicago.edu/~dparikh/index.html
(101)瑞士联邦理工学院博士后Helmut Grabner:http://www.vision.ee.ethz.ch/~hegrabne/#Short_CV

(102)香港中文大学教授贾佳亚：http://www.cse.cuhk.edu.hk/~leojia/index.html

(103)南洋理工大学副教授吴建鑫：http://c2inet.sce.ntu.edu.sg/Jianxin/index.html

(104)GE研究院研究员李关：http://www.cs.unc.edu/~lguan/

(105)佐治亚理工学院教授MonsonHayes:http://savannah.gatech.edu/people/mhayes/

(106)图片检索国际会议VOC(微软剑桥研究院组织):http://pascallin.ecs.soton.ac.uk/challenges/VOC/

(107)机器视觉开源处理库汇总：http://archive.cnblogs.com/a/2217609/

(108)布朗大学教授BenjaminKimia:http://www.lems.brown.edu/kimia.html 

 

 

aboutmulti-camera: http://server.cs.ucf.edu/~vision/projects.html

 

about 3D VoxelColoring   RobHess: http://blogs.oregonstate.edu/hess/code/voxels/ 

 

About  the particlefilters--condensation filter:http://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/ISARD1/condensation.html

 

Machine LearningOpen Source Software：http://jmlr.csail.mit.edu/mloss/

 

1、动作识别数据库：Recognition of humanactions：http://www.nada.kth.se/cvap/actions/

 

2、Datasets for ComputerVision Research：http://www-cvr.ai.uiuc.edu/ponce_grp/data/

 

3、ComputerVision Datasets:http://clickdamage.com/sourcecode/cv_datasets.php

 

4、里面有好多基本算法matlab：  http://www.mathworks.cn/index.html

 

5、CVPR 2011中关于grassmann流形文章的源码： http://itee.uq.edu.au/~uqmhara1/code.html

 

MatlabCodefor GraphEmbedding Discriminant Analysis on Grassmannian Manifolds forImproved Image Set Matching (CVPR),2011.

MatlabCodefor OptimalLocal Basis: A Reinforcement Learning Approach for FaceRecognition(IJCV), vol. 81, no. 2, pp. 191-204,2009.

 

 牛人bolg：

 

1、Hong Kong Polytechnic University：http://www4.comp.polyu.edu.hk/~cslzhang/

 

2、ComputerVision Resources：资源非常丰富，包含有基本算法。https://netfiles.uiuc.edu/jbhuang1/www/resources/vision/index.html

 

3、源代码非常丰富~~  http://homepage.tudelft.nl/19j49/Publications.html

 

CVonline

http://homepages.inf.ed.ac.uk/rbf/CVonline

http://homepages.inf.ed.ac.uk/rbf/CVonline/unfolded.htm

http://homepages.inf.ed.ac.uk/rbf/CVonline/CVentry.htm

 

李子青的大作：

Markov Random Field Modeling inComputer Vision

http://www.cbsr.ia.ac.cn/users/szli/mrf_book/book.html

Handbook of Face Recognition(PDF)

http://www.umiacs.umd.edu/~shaohua/papers/zhou04hfr.pdf

 

 

张正友的有关参数鲁棒估计著作：

Parameter Estimation Techniques:ATutorial with Application to ConicFitting

http://research.microsoft.com/~zhang/INRIA/Publis/Tutorial-Estim/Main.html

AndreaFusiello“计算机视觉中的几何”教程：Elements of Geometric ComputerVision

http://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/FUSIELLO4/tutorial.html#x1-520007

 

有关马尔可夫蒙特卡罗方法的资料：

Anintroduction to Markov chain Monte Carlo

http://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/SENEGAS/mcmc.html

Markov Chain Monte Carlo forComputer Vision--- A tutorial at ICCV05

       http://civs.stat.ucla.edu/MCMC/MCMC_tutorial.htm

 

有关独立成分分析（Independent Component Analysis, ICA）的资料：

An ICA-Page

http://www.cnl.salk.edu/~tony/ica.html

Fast ICA

http://www.cis.hut.fi/projects/ica/fastica/

 

      The Kalman Filter (介绍卡尔曼滤波器的终极网页)

      http://www.cs.unc.edu/~welch/kalman/index.html

 

Cached k-dtree search for ICP algorithms

http://kos.informatik.uni-osnabrueck.de/download/3dim2007/paper.html

几个计算机视觉研究工具

Machine Vision Toolbox forMatlab

http://www.petercorke.com/MachineVision Toolbox.html

Matlab and Octave Functionfor Computer Vision and Image Processing

http://www.csse.uwa.edu.au/~pk/research/matlabfns/

 

Bayes NetToolbox for Matlab

http://www.cs.ubc.ca/~murphyk/Software/BNT/bnt.html

OpenCV (Chinese)

http://www.opencv.org.cn/index.php/首页

 

Gandalf (A Computer Visionand Numerical Algorithm Labrary)

http://gandalf-library.sourceforge.net/

 

CMU Computer Vision HomePage

http://www.cs.cmu.edu/afs/cs/project/cil/ftp/html/vision.html

 

Machine Learning ResourceLinks

http://www.cse.ust.hk/~ivor/resource.htm

 

The Bayesian FilteringLibrary

http://www.orocos.org/bfl

 

Optical Flow Algorithm Evaluation(提供了一个动态贝叶斯网络框架，例如递归信息处理与分析、卡尔曼滤波、粒子滤波、序列蒙特卡罗方法等，C++写的)

http://of-eval.sourceforge.net/

 

MATLAB code for ICPalgorithm

http://www.usenet.com/newsgroups/comp.graphics.visualization/msg00102.html

 

牛人主页：

朱松纯 （Song-ChunZhu）

http://www.stat.ucla.edu/~sczhu/

 

David Lowe (SIFT) (很帅的一个老头哦 ^^)

http://www.cs.ubc.ca/~lowe/

 

Andrea Vedaldi(SIFT)

http://vision.ucla.edu/~vedaldi/index.html

 

Pedro F.Felzenszwalb

http://people.cs.uchicago.edu/~pff/

 

Dougla Dlanman(Brown的一个研究生，在其主页上搜集了大量算法教程和源码)

http://mesh.brown.edu/dlanman/courses.html

 

Jianbo Shi(Ncuts 的始作俑者)

http://www.cis.upenn.edu/~jshi/

 

Active Vision Group(Oxford的一个机器视觉研究团队，特色是SLAM，监视，导航)

http://www.robots.ox.ac.uk/ActiveVision/index.html

 

Juyang Weng（机器学习的专家，Autonomous MentalDevelopment 是其特色）

http://www.cse.msu.edu/~weng/

测试图片或视频：

MiddleburyCollege‘s Stereo Vision Data Set

http://cat.middlebury.edu/stereo/data.html

 

 

IntelligentVehicle:

IVSource

www.ivsoruce.net

RobotCar

http://www.plyojump.com/robot_cars.html

How to Build a Robot: TheComputer Vision Part

http://www.societyofrobots.com/programming_computer_vision_tutorial.shtml

 

收集的一般牛人主页（带代码）:

 Xiaofei He(machinelearning code)

http://people.cs.uchicago.edu/~xiaofei/

 YingNianWu(active base model code)

http://www.stat.ucla.edu/~ywu/research.html

 布朗大学计算机主页（可找到该校CS牛人博客）

http://www.cs.brown.edu/research/areas.html

Navneet Dalal(Histograms ofOriented Gradients for Human Detection )

http://www.navneetdalal.com/software

PaulViola(Robust Real-time ObjectDetection)

http://research.microsoft.com/en-us/um/people/viola/

 

Active LearningRMw平坦软件园

http://active-learning.net/，这里包括了关于ActiveLearning理论以及应用的一些文章，特别是那篇Survey。
Transfer LearningRMw平坦软件园

http://www.cse.ust.hk/TL/，包括经典的论文以及附带有源码，很方便。
Gaussian ProcessesRMw平坦软件园
RMw平坦软件园

http://www.gaussianprocess.org 包括相关的书籍（有Carl Edward Rasmussen 的书），相关的程序以及分类的 paper 列表。这也是由 Carl 自己维护的，他应该是将GP 引入 machine learning 最早的人之一了吧，Hinton 的学生。
Nonparametric Bayesian MethodsRMw平坦软件园

http://www.cs.berkeley.edu/~jordan/npb.html 这个一看就知道是Jordan 维护的，主要包括 Dirichlet process 以及相关的其他随机过程在 machine learning里面如何进行建模，如何进行 approximate inference。主要是文章列表。
Probabilistic Graphical ModelRMw平坦软件园

http://www.cs.ubc.ca/~murphyk/Bayes/bnintro.html 是Kevin Murphy 所维护的关于 Bayesian belief networks的介绍，含有最基本的概念、相关的文献和软件的链接。罕见的 UCB 出来的不是 Jordan 的学生（老板是 StuartRussel）。
http://www.cs.berkeley.edu/~jordan/graphical.html 是Jordan 系关于这个方面的论文汇编。
http://www.inference.phy.cam.ac.uk/hmw26/crf/ 是关于Conditional Random Fields 方面论文和软件的收集，由 Hanna Wallach 维护。
Compressed SensingRMw平坦软件园

http://www-dsp.rice.edu/cs 这是Rice 大学维护的论文分类列表、软件链接等。推荐 Emmanuel Candès 所写的tutorial，这人是 DavidDonoho 的学生。
TensorRMw平坦软件园

http://csmr.ca.sandia.gov/~tgkolda/pubs/index.html 关于tensor 的一些偏数学的文章。
Deep Belief NetworkRMw平坦软件园

http://www.cs.toronto.edu/~hinton/csc2515/deeprefs.html 是Geoffrey Hinton 为研究生开设的 machine learning 课程的 DBN 的 readinglist。
Kernel MethodsRMw平坦软件园

http://www.cs.berkeley.edu/~jordan/kernels.html 是Jordan 维护的关于 kernel methods 的文章列表。
Markov LogicRMw平坦软件园

http://ai.cs.washington.edu/pubs 是UW AI 组的文章，里面关于 Markov logic 的比较多，因为 Pedro Domingos 就是这个组的。

Machine learningtheory

http://hunch.net/这个网站主要是一些learningtheory的东西比较多，想在machine learning 理论上有所建树的同志们可以去看看

 

 牛人：Iasonas Kokkinos（搞统计模型视觉）

http://vision.mas.ecp.fr/Personnel/iasonas/index.html

三（转自别人）

http://www.cnblogs.com/tornadomeet/archive/2012/05/24/2515980.html

Deep Learning（深度学习）：

ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：一

ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：二

Bengio团队的deep learning教程，用的theano库，主要是rbm系列，搞python的可以参考，很不错。

deeplearning.net主页，里面包含的信息量非常多，有software, reading list, research lab, dataset, demo等，强烈推荐，自己去发现好资料。

Deep learning的toolbox，matlab实现的，对应源码来学习一些常见的DL模型很有帮助，这个库我主要是用来学习算法实现过程的。

2013年龙星计划深度学习教程，邓力大牛主讲，虽然老师准备得不充分，不过还是很有收获的。

Hinton大牛在coursera上开的神经网络课程，DL部分有不少，非常赞，没有废话，课件每句话都包含了很多信息，有一定DL基础后去听收获更大。

Larochelle关于DL的课件，逻辑清晰，覆盖面广,包含了rbm系列，autoencoder系列，sparse coding系列，还有crf，cnn，rnn等。虽然网页是法文，但是课件是英文。

CMU大学2013年的deep learning课程，有不少reading paper可以参考。

达慕思大学Lorenzo Torresani的2013Deep learning课程reading list.

Deep Learning Methods for Vision(余凯等在cvpr2012上组织一个workshop，关于DL在视觉上的应用)。

斯坦福Ng团队成员链接主页，可以进入团队成员的主页，比较熟悉的有Richard Socher, Honglak Lee, Quoc Le等。

多伦多ML团队成员链接主页，可以进入团队成员主页，包括DL鼻祖hinton，还有Ruslan Salakhutdinov , Alex Krizhevsky等。

蒙特利尔大学机器学习团队成员链接主页，包括大牛Bengio，还有Ian Goodfellow 等。

纽约大学的机器学习团队成员链接主页，包括大牛Lecun，还有Rob Fergus等。

Charlie Tang个人主页，结合DL+SVM.

豆瓣上的脑与deep learning读书会，有讲义和部分视频，主要介绍了一些于deep learning相关的生物神经网络。

Large Scale ML的课程，由Lecun和Langford讲的，能不推荐么。

Yann Lecun的2014年Deep Learning课程主页。 视频链接。 

吴立德老师《深度学习课程》

一些常见的DL code列表，csdn博主zouxy09的博文，Deep Learning源代码收集-持续更新…

Deep Learning for NLP (without Magic)，由DL界5大高手之一的Richard Socher小组搞的，他主要是NLP的。

2012 Graduate Summer School: Deep Learning, Feature Learning，高手云集，深度学习盛宴，几乎所有的DL大牛都有参加。

matlab下的maxPooling速度优化，调用C++实现的。

2014年ACL机器学习领域主席Kevin Duh的深度学习入门讲座视频。

R-CNN code: Regions with Convolutional Neural Network Features.

 

Machine Learning（机器学习）：

介绍图模型的一个ppt，非常的赞，ppt作者总结得很给力，里面还包括了HMM，MEM, CRF等其它图模型。反正看完挺有收获的。

机器学习一个视频教程，youtube上的，翻吧，内容很全面，偏概率统计模型，每一小集只有几分钟。 

龙星计划2012机器学习，由余凯和张潼主讲。

demonstrate 的 blog :关于PGM(概率图模型)系列，主要按照Daphne Koller的经典PGM教程介绍的，大家依次google之。

FreeMind的博客，主要关于机器学习的。

Tom Mitchell大牛的机器学习课程，他的machine learning教科书非常出名。

CS109,Data Science,用python介绍机器学习算法的课程。

CCF主办的一些视频讲座。

 

国外技术团队博客：

Netflix技术博客,很多干货。

 

Computer Vision（计算机视觉）：

MIT2013年秋季课程：Advances in Computer Vision，有练习题，有些有code.

IPAM一个计算机视觉的短期课程，有不少牛人参加。

 

OpenCV相关：

http://opencv.org/

2012年7月4日随着opencv2.4.2版本的发布，opencv更改了其最新的官方网站地址。

http://www.opencvchina.com/

好像12年才有这个论坛的，比较新。里面有针对《learning opencv》这本书的视频讲解，不过视频教学还没出完，正在更新中。对刚入门学习opencv的人来说很不错。

http://www.opencv.org.cn/forum/

opencv中文论坛，对于初次接触opencv的学者来说比较不错，入门资料多，opencv的各种英文文档也翻译成中文了。不足是感觉这个论坛上发帖提问很少人回答，也就是说讨论不够激烈。

http://opencv.jp/

opencv的日文网站，里面有不少例子代码，看不懂日文可以用网站自带的翻译，能看个大概。

http://code.opencv.org/projects/opencv

opencv版本bug修补，版本更新，以及各种相关大型活动安排,还包含了opencv最近几个月内的活动路线，即未来将增加的功能等，可以掌握各种关于opencv进展情况的最新进展。

http://tech.groups.yahoo.com/group/OpenCV/

opencv雅虎邮件列表，据说是最好的opencv论坛，信息更新最新的地方。不过个人认为要查找相关主题的内容，在邮件列表中非常不方便。

http://www.cmlab.csie.ntu.edu.tw/~jsyeh/wiki/doku.php

台湾大学暑假集训网站，内有链接到与opencv集训相关的网页。感觉这种教育形式还蛮不错的。

http://sourceforge.net/projects/opencvlibrary/

opencv版本发布地方。

http://code.opencv.org/projects/opencv/wiki/ChangeLog#241    http://opencv.willowgarage.com/wiki/OpenCV%20Change%20Logs

opencv版本内容更改日志网页,前面那个网页更新最快。

http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/tutorials.html

opencv中文教程网页，分几个模块讲解，有代码有过程。内容是网友翻译opencv自带的doc文件里的。

https://netfiles.uiuc.edu/jbhuang1/www/resources/vision/index.html

网友总结的常用带有cvpr领域常见算法code链接的网址，感觉非常的不错。

http://fossies.org/dox/OpenCV-2.4.2/

该网站可以查看opencv中一些函数的变量接口，还会列出函数之间的结构图。

http://opencv.itseez.com/

opencv的函数、类等查找网页，有导航，查起来感觉不错。

 

优化：

submodual优化网页。

Geoff Gordon的优化课程，youtube上有对应视频。

 

数学：

http://www.youku.com/playlist_show/id_19465801.html

《计算机中的数学》系列视频，8位老师10讲内容，生动介绍微积分和线性代数基本概念在计算机学科中的各种有趣应用！

 

Linux学习资料：

http://itercast.com/library/1

linux入门的基础视频教程，对于新手可选择看第一部分，视频来源于LinuxCast.net网站，还不错。

 

OpenNI+Kinect相关：

http://1.yuhuazou.sinaapp.com/

网友晨宇思远的博客，主攻cvpr，ai等。

http://blog.csdn.net/chenli2010/article/details/6887646

kinect和openni学习资料汇总。

http://blog.csdn.net/moc062066/article/category/871261

OpenCV 计算机视觉 kinect的博客:

http://kheresy.wordpress.com/index_of_openni_and_kinect/comment-page-5/

网友Heresy的博客，里面有不少kinect的文章，写的比较详细。

http://www.cnkinect.com/

体感游戏中文网，有不少新的kinect资讯。

http://www.kinectutorial.com/

Kinect体感开发网。

http://code.google.com/p/openni-hand-tracker

openni_hand_tracking google code项目。

http://blog.candescent.ch/

网友的kinect博客，里面有很多手势识别方面的文章介绍，还有源码，不过貌似是基于c#的。

https://sites.google.com/site/colordepthfusion/

一些关于深度信息和颜色信息融合（fusion）的文章。

http://projects.ict.usc.edu/mxr/faast/

kinect新的库，可以结合OpenNI使用。

https://sites.google.com/a/chalearn.org/gesturechallenge/

kinect手势识别网站。

http://www.ros.org/wiki/mit-ros-pkg

mit的kinect项目，有code。主要是与手势识别相关。

http://www.thoughtden.co.uk/blog/2012/08/kinecting-people-our-top-6-kinect-projects/

kinect 2012年度最具创新的6个项目，有视频，确实够创新的！

http://www.cnblogs.com/yangyangcv/archive/2011/01/07/1930349.html

kinect多点触控的一篇博文。

http://sourceforge.net/projects/kinect-mex/

http://www.mathworks.com/matlabcentral/fileexchange/30242-kinect-matlab

有关matlab for kinect的一些接口。

http://news.9ria.com/2012/1212/25609.html

AIR和Kinect的结合，有一些手指跟踪的code。

http://eeeweba.ntu.edu.sg/computervision/people/home/renzhou/index.htm

研究kinect手势识别的，任洲。刚毕业不久。

 

其他网友cvpr领域的链接总结：

http://www.cnblogs.com/kshenf/

网友整理常用牛人链接总结，非常多。不过个人没有没有每个网站都去试过。所以本文也是我自己总结自己曾经用过的或体会过的。

 

OpenGL有关:

http://nehe.gamedev.net/

NeHe的OpenGL教程英文版。

http://www.owlei.com/DancingWind/

NeHe的OpenGL教程对应的中文版，由网友周玮翻译的。

http://www.qiliang.net/old/nehe_qt/

NeHe的OpengGL对应的Qt版中文教程。

http://blog.csdn.net/qp120291570

网友"左脑设计，右脑编程"的Qt_OpenGL博客,写得还不错。

http://guiliblearning.blogspot.com/

这个博客对opengl的机制有所剖析，貌似要FQ才能进去。

 

cvpr综合网站论坛博客等：

http://www.cvchina.net/

中国计算机视觉论坛

http://www.cvchina.info/

这个博客很不错，每次看完都能让人兴奋，因为有很多关于cv领域的科技新闻，还时不时有视频显示。另外这个博客里面的资源也整理得相当不错。中文的。

http://www.bfcat.com/

一位网友的个人计算机视觉博客，有很多关于计算机视觉前沿的东西介绍，与上面的博客一样，看了也能让人兴奋。

http://blog.csdn.net/v_JULY_v/

牛人博客，主攻数据结构，机器学习数据挖掘算法等。

http://blog.youtueye.com/

该网友上面有一些计算机视觉方向的博客,博客中附有一些实验的测试代码.

http://blog.sciencenet.cn/u/jingyanwang

多看pami才扯谈的博客，其中有不少pami文章的中文介绍。

http://chentingpc.me/

做网络和自然语言处理的，有不少机器学习方面的介绍。

 

ML常用博客资料等：

http://freemind.pluskid.org/

由 pluskid 所维护的 blog，主要记录一些机器学习、程序设计以及各种技术和非技术的相关内容，写得很不错。

http://datasciencemasters.org/

里面包含学ML/DM所需要的一些知识链接，且有些给出了视频教程，网页资料，电子书，开源code等，推荐！

http://cs.nju.edu.cn/zhouzh/index.htm

周志华主页，不用介绍了，机器学习大牛，更可贵的是他的很多文章都有源码公布。

http://www.eecs.berkeley.edu/~jpaisley/Papers.htm

John Paisley的个人主页，主要研究机器学习领域，有些文章有代码提供。

http://foreveralbum.yo2.cn/

里面有一些常见机器学习算法的详细推导过程。

http://blog.csdn.net/abcjennifer

浙江大学CS硕士在读，关注计算机视觉，机器学习，算法研究，博弈， 人工智能， 移动互联网等学科和产业。该博客中有很多机器学习算法方面的介绍。

http://www.wytk2008.net/

无垠天空的机器学习博客。

http://www.chalearn.org/index.html

机器学习挑战赛。

http://licstar.net/

licstar的技术博客，偏自然语言处理方向。

 

国内科研团队和牛人网页：

http://vision.ia.ac.cn/zh/index_cn.html

中科院自动化所机器视觉课题小组，有相关数据库、论文、课件等下载。

http://www.cbsr.ia.ac.cn/users/szli/

李子青教授个人主页，中科院自动化所cvpr领域牛叉人！

http://www4.comp.polyu.edu.hk/~cslzhang/

香港理工大学教授lei zhang个人主页，也是cvpr领域一大牛人啊，cvpr，iccv各种发表。更重要的是他所以牛叉论文的code全部公开，非常难得！

http://liama.ia.ac.cn/wiki/start

中法信息、自动化与应用联合实验室，里面很多内容不仅限而cvpr，还有ai领域一些其他的研究。

http://www.cogsci.xmu.edu.cn/cvl/english/

厦门大学特聘教授，cv领域一位牛人。研究方向主要为目标检测，目标跟踪，运动估计，三维重建，鲁棒统计学，光流计算等。

http://idm.pku.edu.cn/index.aspx

北京大学数字视频编码技术国家实验室。 

http://www.csie.ntu.edu.tw/~cjlin/libsvm/

libsvm项目网址，台湾大学的，很火！

http://www.jdl.ac.cn/user/sgshan/index.htm

山世光，人脸识别研究比较牛。在中国科学院智能信息处理重点实验室

 

国外科研团队和牛人网页：

热心网友 时间：2022-05-01 07:04

计算机这个行业是很好的，三百六十行，行行出状元，很多大学生都选择进入互联网行业，因为未来的发展其实是离不开互联网的，有了决心就能够开始行动，好好学习，熟练掌握专业技巧，把专业学精，学透。

毕业生主要面向交通系统各单位、交通信息化与电子政务建设与应用部门、各类计算机专业化公司、广告设计制作公司、汽车营销技术服务等从事IT行业工作。

1、WEB应用程序设计专业
毕业后能够从事网站应用程序开发、网站维护、网页制作、软件生产企业编码、软件测试、系统支持、软件销售、数据库管理与应用、非IT企事业单位信息化。
2、可视化程序设计专业
毕业后能够从事软件企业桌面应用开发、软件生产企业编码、软件测试、系统支持、软件销售、数据库管理与应用开发等工作。
3、数据库管理专业
毕业后能够从事企、事业单位数据库管理、软件开发、专业数据库应用设计与开发、数据库的应用与开发、信息管理系统开发、企、事业单位网络管理、软件销售等工作。
4、多媒体应用专业
毕业后能够从事计算机美工、动画制作、影视编辑与制作、广告设计与制作、多媒体综合应用开发、多媒体课件制作等工作。
5、移动应用开发专业
毕业后能够从事移动设备应用开发、嵌入式应用开发、移动网站开发、软件生产企业编码、软件测试、系统支持、软件销售、企、事业单位信息管理、办公自动化集成等工作。
6、电子政务软件专业
能够胜任基层*部门、事业单位数字化政务管理系统的设计、维护与信息管理、办公自动化集成、办公室文员等工作。
7、软件测试专业
毕业后能够从事软件测试、软件编码、IT企事业单位系统支持、非IT企事业单位信息化软件销售等工作。
8、物流信息技术专业
毕业后能够胜任现代物流业信息管理，能在企事业单位从事物流系统设计、供应链管理、仓储管理以及运输等管理工作。
9、物流管理专业
毕业后能够胜任全省各级企事业单位物流系统设计、供应链管理、仓储管理以及运输等管理工作等工作。
10、网络系统管理专业
毕业后能够从事*管理部门、经贸、金融、邮电、电子、学校、交通、社区以及应用计算机网络的有关行业，从事计算机网络系统的设计、维护、管理、从事网站开发与应用、网络安全管理、计算机软硬件调试、安装、计算机及网络产品
营销等工作。
11、计算机游戏专业
毕业后能够从事网络游戏美术，网络游戏动漫设计，游戏概念/故事情节设计，网络游戏3D设计，网络游戏人物设计，网络游戏环境设计，网络游戏皮肤/纹理设计，网络游戏图形开发，网络游戏测试，网络游戏音频开发，游戏客户端开发，游戏服务器开发，游戏引擎开发，手机游戏策划，手机游戏开发，手机游戏程序开发，手机游戏美工，手机游戏测试等工作。
12、计算机图形/图象制作专业
毕业后能够从事广告企业平面的设计与制作、网络企业网页制作、企事业单位职员等工作。
目前，计算机专业在国内的高等院校中，以理工科的实力较强；以文科、综合性高等院校为补充，基本上每所高等院校都设有这样的专业；或者有这样的专业人才。

现在的中国家家都想买车，到处都是私家车。汽车市场决定了人才需求，对应的汽车专业很多类人才都在缺乏，汽车人才紧俏，汽车业用人量增长明显。汽车业所需各类从业人员数量巨大，科班出身、有工作经验者成为各用人单位竞相争抢的对象。而汽车专业毕业生的就业方向有很多，从汽车生产流程中的调研、设计、试验到销售环节，汽车专业学生都可以选择。

一、研发能力强的，可以到各种车辆研究所；

二、实践能力强的，可以到各个汽车4S店，汽车金融公司，保险公司，拍卖公司，二手车评估机构，二手车经纪公司等经营性企业，进行销售、估损、评估、经纪、租赁、拍卖等工作；

汽车专业人才需求趋势:
一、题汽车研发人才；

二、汽车营销人才；

三、汽车维修人才；

四、汽车评估人才。

这两个专业都可以，要看个人的选择，以上仅供参考。

扩展资料：

课程设置

计算机应用基础、应用文写作、数学、英语、德育、电工与电子技术、计算机网络技术、C语言、计算机组装与维修、企业网安全高级技术、企业网综合管理、windows server 2008操作系统、局域网组建、Linux服务器操作系统、网络设备与网络技术（主要学习思科、华为公司设备的配置、管理、调试）、SQL Server、网络综合布线技术、CAD绘图等。

就业方向：

市区及周边地区的党政机关、企事业、社会团体从事网站美工、网页设计、企业网络维护、电脑销售及从事相关专业等岗位。

电子商务（职业资格证书：电子商务员、助理电子商务师）

主要课程：

电子商务设备与工具安全操作与维护、电子商务流程、电子商务网站设计与制作、网络营销实务、电子商务数据安全实务、条码编制实务等。
就业方向：

担任电子商务等专业公司项目策划与管理、技术管理；从事电子商务网站管理和维护、安全防范；机关、企事业的相关单位。

权威调查显示，从事IT行业的人，短期内的调整也不会影响到个人经验，所以跳槽后再就业也不会有很大的难度。对于IT行业的老板来说，简历并不能完全说明一个人的能力。与其他行业相比较，IT行业的求职简历可以非常简洁，只要有技术，一切近在咫尺。

汽车专业主干课程

*理论与德育、大学英语、体育、高等数学、应用文写作、计算机应用基础、电工技术基础、机械制图与计算机绘图、汽车机械基础、汽车构造、会计学原理、经济法、市场调查与预测、汽车营销基础、汽车营销实务、汽车电气设备、汽车故障检测技术、汽车配件管理与营销、电子商务理论与实务、专业英语、汽车拆装实训、汽车市场调查与预测实训、汽车营销岗前实习等系列教学实践环节。

就业导向

汽车销售、汽车零部件销售、汽车售后服务、汽车运输、汽车营销企业管理、汽车保险。

参考资料：

计算机专业-百度百科

汽车专业-百度百科

热心网友 时间：2022-05-01 08:22

学计算机应用专业有前途。

就业方向

网络信息类企事业单位：网站设计与开发、网络规划与设计、网络系统设计和测试、应用软件开发、系统管理与维护、信息产品设计与技术支持。

计算机科学与技术专业：

业务培养目标：本专业培养具有良好的科学素养，系统地、较好地掌握计算机科学与技术包括计算机硬件、软件与应用的基本理论。

基本知识和基本技能与方法，能在科研部门、教育单位、企业、事业、技术和行政管理部门等单位从事计算机教学、科学研究和应用的计算机科学与技术学科的高级专门科学技术人才。

业务培养要求：本专业学生主要学习计算机科学与技术方面的基本理论和基本知识，接受从事研究与应用计算机的基本训练，具有研究和开发计算机系统的基本能力。

热心网友 时间：2022-05-01 09:57

付费内容限时免费查看回答总体来说，还是比较容易的，薪资也较高。

销售工程师，售前算是咨询师一类的角色，售后也叫技术支持工程师，在很多公司算是比较“低端”的工作了。

“计算机科学与技术”，技术 学好了找个工作没问题，但 科学 也是很重要的，计算机的几大核心课程，数据结构，操作系统，网络，组成原理，编译原理，都需要认真学。

Java后端、Web前端

您好，如果您的问题已经解决，可以点击右上角“结束服务”，并给予5星赞。点击头像关注我，如果你还有其他职场问题，可以再次向我咨询。

感谢您的支持与信任，有任何问题都欢迎联系我，祝您生活愉快。

热心网友 时间：2022-05-01 11:48

计算机专业现在学习的人太多了，需要学习的东西也太多，水平更是参差不齐。而且计算机的学习更多的是从实践中来提升的，加上软硬件更新换代的速度又非常之快，可以说你在学校学习的东西出了学校基本就没有什么用了。因此计算机就本身而言实用性和实践性很强，但是你想成为高手不是一朝一夕的事情。所以对于计算机专业刚刚毕业的同学来说一般工资并不好，干的也都是枯燥的杂活。你要真想学，那么.net和java 算是不错的选择。但是另外一方面学习计算机基本就要涉及编程，编程累起来很累，吃的是年轻饭，因此不可能永远做这个方面。综合来说对于计算机的学习要只是普普通通没有针对性的学很多杂东西的话，那真毫无用处可言，前途也不大。
但是换句话说，不管什么专业的学习关键的是看你有没有兴趣去学而不只是看他的前景。很多人都说学英语专业没有用但是英语的牛人谁又不是苦学出来的，而且新东方的老师的待遇也很好啊。读大学包括以后的工作兴趣才是最好的老师，先看看自己学习哪一个方面比较有天赋和兴趣。基础扎实不扎实没有问题，学习本身就是循序渐进的。。
觉得好的话记得给分哦~

热心网友 时间：2022-05-01 13:56

有前途的。
　第一是软件编程方向。大体上分成软件设计、编程语言和软件测试。包括需求分析、结构设计、开发流程、生命周期等等相关内容全部在关注范围。此方向几乎属于CS内部第一大的方向了，录取名额很多，奖学金也有一些。问题的关键是，这个专业是培养coder的，而计算机专业的从业者大部分就是coder。因此学这个专业工作机会较多，但是起步阶段的收入居于中等。
　　第二类是多媒体动漫方向。这个专业包括了计算机图形学Computer Graphics，主要研究图像的表达、处理等。计算机成像、三维动画、网络影像传播都属于这个方向的范畴。学习这个专业的同学可以去游戏设计公司，电影视频公司、电子出版、教育软件开发、商业简报、平面广告设计及其它多媒体应用领域的媒体集成与系统设计的工作岗位寻找机会。
　　第三是计算机科学技术方向。该方向包括了理论性非常强的计算机理论、计算机科学与工程计算Scientific Computing、人工智能AI以及人际交互Human-computer interation等。
　　计算理论是完全偏向理论的学科，研究的不只是算法，更加重要的是算法的有效性和可行性。算法可行性，算法复杂度，密码学相关领域都是这个偏理论的方向的研究对象。本专业不太建议同学们申请，从各个渠道得来的消息都是这个专业不好找工作。这一点在美国和中国都是一样的，过于偏重理论和科技前沿探索的专业方向往往工作比较难找。
　　第四是计算机网络Networking甚至包括Telecommunication。这个范围可以说是非常的大。网络应用、网络通信、网络安全、加密解密、路由算法、甚至编解码都是需要学习的学科。这个学科申请的竞争者非常多，来自EE，ECE背景的同学也都可以申请。Telecommunication就业不错，从设备商到运营商到第三方软件开发商，都有职位可以选择。中国国内这方面工作机会也多，中国移动按照用户数量是世界第一大运营商。还可以在大型*、国防、电信、电力、金融、铁路等部门的计算机网络系统——若在美国就业，因受到公民身份等*不少，回国形势还是不错的。
　　第五是互联网电子商务。主要研究如何利用市场营销观念，商业策略，经济学理论和计算机技术来开发新的商业，以及如何通过运用互联网和相关信息技术转化目前存在的商业模式。美国电子商务的应用领域和规模都远远领先于其他国家，目前在全球电子商务交易额中，大约有50%发生在美国。在全球商务网站中，美国占有90%以上。这与美国良好的网络状况、大量的高学历网民、完善的法律体系、健全的电子支付手段、成熟的社会信用*等一系列情况是分不开的。在中国电子商务迅猛发展的今天，促使很大一部分学生留学美国就读电子商务专业。

热心网友 时间：2022-05-01 16:21

学IT前景很不错
1、电脑行业需求量大，工作很好找，而且工作环境也不错。
2、电脑行业的工作与社会接触都比较紧密，紧跟潮流，所以见识和思想都会比较开放，也有利于以后自己发展。
3、学习电脑入手比较快，学习难度不是很大。
4、现在有些学校有一些技能加学历的* ,不过主要看你自己的选择，上大学虽说听起来好，但是很多大学生都是毕业即失业的，还不如趁早学习门技术，毕业就可以工作，选对了好的行业，以后的发展空也会很大的。可以去学习计算机网络，现在学网络就是不错的选择。

热心网友 时间：2022-05-01 19:02

计算机专业目前是最热门的专业，在市场上就业率还不饱和，发展前景好，各方面都还是很不错的，前途一片光明，汽车专业也是可以学的，看你自己喜欢，但综合各方面来说，选计算机还是不错的。

热心网友 时间：2022-05-01 22:00

说实话，现在懂计算机的人是越来越多了，但是真正缺乏的是专业人才是技术人才！你可以学计算机，我也可以说有前途，但就怕你学不会学不精！现在就缺乏“高精尖”人才，特别是计算机行业！

热心网友 时间：2022-05-02 01:15

任何事情都没有绝对，如果你大学期间能够学到点真材实料的东西，做点像样的东西出来，大学毕业后面试的时候这些都是很有说服力的，起点高了，进个水平高的公司，再和一帮水平高的人共事，你会怕你没前途么，大学最重要的就是多了解多学关于计算机你感兴趣的那个方面，硬件？软件？开发？测试？多和牛人切磋，多上各种技术论坛，像“it乐园”“IT技术博客大学习”之类的。

热心网友 时间：2022-05-02 04:46

学电脑不如学【视频剪辑】，理由很简单，容易学（不像其它行业学习成本高，难度大），适合短期3-4个月短期学习，而且行业缺口非常大，无论是找工作还是自己在家里接私单，月收入轻松过万，两三万也是稀松平常。【点击进入】免费“短视频剪辑后期”学习网址：
www.huixueba.net/web/AppWebClient/AllCourseAndResourcePage?type=1&tagid=313&zdhhr-11y17r-299455084

因为现在【短视频】的崛起，任何企业，任何工作室或者个人都需要制作剪辑大量的短视频来包装品牌，发抖音，发朋友圈，发淘宝等自媒体渠道做展示。因为每天都要更新并发布新内容，所以剪辑师根本招不够，，供需失衡就造成了剪辑师高薪水。

而且剪辑这个技术并不需要高超的电脑技术，也不需要美术音乐造诣，基本都是固定套路，要什么风格的片要什么节奏，经过三四个月的培训都可以轻松掌握。但凡有点电脑基础会用鼠标拖拽，会点击图标，会保存除非自己不想学，没有学不会的。但是要学好学精，就一定要找专业负责的培训机构了，推荐这个领域的老大：王氏教育。

在“短视频剪辑/短视频运营/视频特效”处理这块，【王氏教育】是国内的老大，每个城市都是总部直营校区。跟很多其它同类型大机构不一样的是：王氏教育每个校区都是实体面授，老师是手把手教，而且有专门的班主任从早盯到晚，爆肝式的学习模式，提升会很快，特别适合0基础的学生。王氏教育全国直营校区面授课程试听【复制后面链接在浏览器也可打开】： www.huixueba.com.cn/school/yingshi?type=2&zdhhr-11y17r-299455084


大家可以先把【绘学霸】APP下载到自己手机，方便碎片时间学习——绘学霸APP下载： www.huixueba.com.cn/Scripts/download.html

热心网友 时间：2022-05-02 08:34

每个专业学透学精了都有前途。
你只说计算机，太过于笼统了，计算机包含很多专业，
如：软件开发，室内设计，动漫设计，网络等等。

热心网友 时间：2022-05-02 12:39

当今世界引领世界科技潮流的公司，哪家能离开计算机。单论国内的企业，百度，企鹅，阿里就不用说了。哪些新兴的独角兽企业又有哪家能离开计算机专业人才？

2/6
而一般大学的计算机专业据我所知的就有计算机软件开发，计算机硬件与外设专业，计算机网络技术，计算机信息管理，计算机应用技术，网站规划与开发技术，以及新兴的移动互联网应用技术，移动应用开发，游戏软件开发。

3/6
最前沿的人工智能AI相关专业。还有和计算机擦边的数字传媒，计算机动漫设计，电子商务等等。如此多的专业，一个人要学全是不现实的。所以还是要有针对性的根据自身条件，选自己最感兴趣的才是正道。

热心网友 时间：2022-05-02 17:00

计算机IT行业的发展前景很好，有前途，我们现在是人工智能时代，能够预测到计算机IT行业在未来的发展，生活的每个方面是需要用到智能的，智能的东西肯定离不开计算机IT。

热心网友 时间：2022-05-02 21:38

学习计算机是很好的了啊 ，在于你自己的了很多行业都是很好的了 当然计算机及更是不错得 了
可以让你轻松办公，轻松获得很多知识。。。。。

热心网友 时间：2022-05-03 02:33

学互联网技术不一定在本地呢 多看看专门的电脑学校
目前学计算机 还是挺不错的好就业，计算机分很多专业如平面设计，UI设计，互联网营销，电竞，动漫，都是非常好就业的专业哦，选择自己喜欢的专业
有机会的话去电脑学校看看的 对比看哈好点咯