计算机视觉研一，只学过Python基础，目前代码能力很差，要不要换导师，不换的话如何毕业？

研究生毕业必须有论文，这是规定，换导师也要面对论文。换导师，有什么方向可以选择？

个人感觉，不是换不换导师的问题，首先你要想清楚几点：

• 你喜欢什么方向？
• 有哪些方向的导师可以选择？
• 自己学习的方法、路线，是否有问题？

如果自己没有明确喜欢的方向，这个导师也不是不喜欢，纯粹是因为自己没有学好，导致这样的迷茫。

那我建议：不换方向，找对学习方法，努力提高自己。

如果真不喜欢这个方向，并且导师本身没问题。那完全可以跟导师说，谈谈自己的想法，找下自己喜欢的方向。

一个导师，手底下也不是都做一个课题的，有很多课题可以选择， 方向是可以换的。

通过你的描述，我个人理解，你是还没有找到合适的学习方法。

高中的时候，做题，提做对了，老师批改，做对了，正反馈给的很快。

现在， 都要靠自学 ，发现学了半天，没有正反馈，因为没人给你批改了！一切都要靠自己。

开发方向，我不了解，我目前是在一家互联网大厂做视觉算法工作的，研究生就是模式识别专业，学得就是 CV，也是一路自学走过来的，我可以给你一些我自学 CV 的一些经验。

如果你还想继续做 CV，那可以看看我下面的说的内容。

注意：你需要的是耐心！坚持一年，时间绝对够用！

主要分为5个部分，第1项时间不充裕不强求，可以直接从2开始。

等学完第三项，就可以看论文，想自己的毕业论文了。都学完，就能找到工作！

为了方便下载，我把所有资料都放在了这里，有需要的自取：

1、计算机基础

无论什么岗位，一定要先学好计算机原理的基础知识。 千里之行，始于足下。道理谁都懂，但并不是每一个人都能做好。

我碰到过想从事编程岗位的学生，连存储、内存和显存分不清，我也是很诧异，非科班出身不是借口，哪里不足补哪里，万物皆可转cs，那也得先把落下的基础学好。

计算机原理：

推荐计算机科学速成课 ，内容覆盖面非常广，从底层的布尔逻辑，硬件原理，到黑客技术，再到热门的CV、NLP，言简意赅，覆盖面非常广，还能练习英语。

视频链接： https://www. bilibili.com/video/av21 376839

操作系统：

个人觉得比较好的入门级课程是《 操作系统 - 清华大学 》，该课程由清华大学老师向勇和陈渝授课，虽然我们上不了清华大学，但是至少我们可以在网上选择听清华大学的课嘛。

视频链接： https://www. bilibili.com/video/BV1j s411b7vg

2、编程能力

编程语言，需要至少掌握两门， Python 和 C++。

工作中，Python 主要用于 处理数据 、 算法调研 、 模型训练 的工作，而 C++ 则是负责 工程落地 。

算法工程师，需要针对落地场景，对算法的可靠性和实时性等方面进行优化，C++ 工程能力必不可少。

Python 是一门非常友好的编程语言，不但易于入门而且功能强大，在进行机器学习算法开发的过程中会大量使用 Python。

一点基础都没有，可以看小甲鱼 Python 课程，风趣幽默，涉及Python 语法基础、网络爬虫、Pygame 飞机大战等内容，内容很丰富。

视频.mp4： 百度云下载链接 提取码: ffac

实战是最好的老师 ，学习 Python 的时候，可以找一个自己喜欢的方向，去实战。

边实战，边学习。比如写爬虫、做小游戏、玩各种有趣的算法等。

这里面，爬虫是最简单的，很容易有成就感，让你坚持学习下去，下载小说、下载漫画、下载音乐、下载电影、抢票等等小程序。

这个推荐我的一个 Github star 量 11.4k+、fork 4.5k+的爬虫项目。

每个实战，都有对应的 文章教程， 代码开源 。

项目地址： https:// github.com/Jack-Cherish /python-spider

教材 ：推荐《流畅的Python》，书看完有些难度，但是哪来当个手册用，很方便，哪些语法忘记了，翻阅一番，必能有所收获。

流程的python.pdf： 百度云下载链接 提取码: gja7

C++ 是一种面向对象的程序设计语言，无论你是做算法，还是做开发，亦或者是做测开。C++ 都应该掌握，它是一个基础的编程语言。学会了这门编程语言，再学其它，就会更得心应手。

推荐被誉为“圣经”的《C++ Primer》，经典巨著，非常棒的书。

C++ Primer.pdf： 百度云下载链接 提取码: 7fw4

编程语言基础学完了，接下来就是数据结构与算法。

这里送大家一本帮助我拿到BAT 等一线大厂 offer 的算法笔记，是一位谷歌和阿里的大神写的，对于算法薄弱或者需要提高的同学都十分受用：

数据结构与算法 是程序员的内功，每一个工程师的必修课。

数据结构的学法，我推荐是直接看书，一边学习一边刷题， 同时进行 ，这样学的速度快。

就如同书名一样，这是一本像小说一样有趣的算法入门书，非常易懂，强烈推荐。

算法图解.pdf： 百度云下载链接 提取码: e5in

可以与这本书一同学习的，就是《剑指Offer》，里面讲解了 66 道+ 常见数据结构题，解析思路，简单易懂。

剑指Offer.pdf： 百度云下载链接 提取码: 4wwd

两门书一起看，轻松入门数据结构与算法。

不过《剑指Offer》讲解的代码都是 C/C++，没有 Python 版本，想看 Python 版本的，可以看我整理的教程，C++ 和 Python 都有实现和讲解，题目已按照类型划分好。

项目地址： https:// github.com/Jack-Cherish /LeetCode

两本书都看完，题也刷完了，那就算是 入门 了。

想进阶，进一步学习，直接上 LeetCode。

力扣可以从 HOT 100 或 精选算法 200 题刷起，题目相对于《剑指Offer》要增加一些难度，但每道题目都有对应的解题思路和答案。

坚持刷完 200 道，大多的面试轻松搞定，完全够用。

当然要面试谷歌级别的大佬，Hard 题是不能放过的。

刷题地址： https:// leetcode-cn.com/

Tip：刷一遍题，回头看还会忘，不要怀疑自己，要反复刷，反复练习。

3、算法基础

数学基础：

在机器学习算法中，涉及到最为重要的数学基本知识有两个： 线性代数 和 概率论 。

这两也是大学的必修课了，如果 知识早已还给老师 ，也没关系， 哪里不会学补哪里 。

线性代数 研究的是线性空间的性质，数据通常会被表示为欧式空间中的点，而这些点经过一系列变换后会映射到另一个空间，在新的空间中隐藏在数据中的规律才得以显现。

所以线性代数作为研究空间的一门科学，是入门机器学习的 最要基础之一 。

视频 ：推荐 MIT 的老教授 Gilbert Strang 的线性代数上课视频。

没学过线代的同学会发现这门课程，讲得清晰而且直观，深入线代的精髓，完全不是那种理论堆砌的讲法，而且老教授幽默风趣，很有人格魅力。

英文不好，也不用担心， 字幕是中文的 。

线性代数.mp4： 百度云下载链接 提取码: r2vm

教材： 推荐《 线性代数及其应用 》，作者是 David C. Lay 。

喜欢看书的朋友，这本书一定不能错过。

这本书详细地介绍了线性代数在几何学、计算机图形学、经济学、概率论、信号与系统、微分方程等领域的应用，给人以直观的认识。

线性代数及其应用.pdf： 百度云下载链接 提取码: pv9q

概率论 是研究不确定性的一门科学，生活处处是概率。机器学习算法需要对现实情况建模，自然是少不了将概率论作为工具。

这门课入门并不难，大家可以挑一本评分还可以的书开始学习。

这里推荐陈希儒的《 概率论与数理统计 》，讲得很详细，如同听一个老者回忆自己的概率与统计心得，相信读者也会有所收获。

概率论与数理统计.pdf： 百度云下载链接 提取码: yfw8

如果 时间充裕 ，推荐先学好数学基础。如果 时间不够 ，那就跳过数学基础部分，学算法的时候，哪里不会补哪里。

恭喜大家，在做了前面这么多基础工作之后，终于可以开始入门机器学习算法了。

机器学习 ：

视频 ：推荐吴恩达老师的机器学习视频，吴恩达是整个领域的 巨头之一 ，学术地位很高。同时，他出的视频也对新手 非常友好 ，入门的不二之选。

机器学习.mp4： 百度云下载链接 提取码: yy22

教材 ：还是那句话，光看不练是不行的。《机器学习实战》，理论结合实战，适合新手。

机器学习实战.pdf： 百度云网盘链接 提取码: kbtp

《机器学习实战》使用 Python2 实现，有些细节讲的不够细致，对此我进行了完善，使用 Python3 复现了一遍，并结合 sklearn 以及更多的好玩例子，进行讲解。

全网阅读量 500w+：

对应的 Github 开源代码 Star 3.3k+，fork 3.1k+。

在线阅读地址：

https:// cuijiahua.com/blog/ml/

我也将这个系列打包成了本地 pdf，喜欢离线看，也可以直接下载。

python3机器学习实战.pdf： 百度云下载链接 提取码: yntc

深度学习 ：

深度学习是现在的算法工程师绕不开的一个子领域，是机器学习的子集。

视频 ：还是推荐吴恩达老师的深度学习视频，也是对新手非常友好。

视频.mp4： 百度云下载链接 提取码: shis

教材 ：说实话，深度学习，我并没有看过书，都是视频+ Github 开源项目学习的，不过被誉为深度学习领域圣经的“花书”，可以备一本。

花书.pdf： 百度云下载链接 提取码: adx3

4、框架学习

深度学习框架 ：

深度学习框架有很多，Tensorflow、Pytorch、Paddle、MXNet、Caffe等。

我在工作过程中，用的最多的是 Pytorch，其次是 Tensorflow。

新手上手，推荐先学 Pytorch，可以直接看 Yunjey Choi 大佬的 Github 教程，简单入门：

项目地址：

https:// github.com/yunjey/pytor ch-tutorial

Pytorch 深度学习框架学习，也可以看我写的 Pytorch 深度学习实战系列教程，有垃圾分类、图像分割等结合实战的小项目。

Github 开源代码 Star 400+，fork 250+。

项目地址：

https:// github.com/Jack-Cherish /Deep-Learning

我也将这个系列打包成了本地 pdf，喜欢离线看，也可以直接下载。

pytorch深度学习实战.mp4： 百度云下载链接 提取码: gfzx

身为一名合格的 调包侠 ，主流框架都得掌握一二。Tensorflow 个人感觉，相对 Pytorch 要难上手一些，但 Google 大佬的东西，咱也得会呀！

最新版的 Tensorflow 2.x 的视频没有，只找到了一个 1.x 的视频。

视频链接： https://www. bilibili.com/video/BV1k W411W7pZ

5、算法实战

实战实战，文章反复提到了这么多次，仅仅这些还是远远不够的。

因为更多时候，你是跟着视频 or 文章的思路去实战，这缺少了 独立思考 的过程。

学了这么多，你并没有独立完成过一个项目，数据怎么处理，怎么分析问题，用什么算法解决问题，也没有独立思考过。

算法工程师的岗位竞争也比较激烈的，为了在茫茫人海中脱颖而出，我们需要以 团队 或 个人 的形式，独立完成一些项目，只有这样，你才能更具竞争力。

对于学生党，做项目，最简单直接的方法就是 参加竞赛 。

推荐两个参加竞赛的地方，一个是国外的 Kaggle ，另一个是国内的 阿里云天池 。

两个竞赛的奖金也都很丰富，根据自己的喜好，参赛即可。

Kaggle： https://www. kaggle.com/

阿里天池： https:// tianchi.aliyun.com/comp etition/gameList/activeList

既能打比赛，又能赢奖金，何乐而不为呢？

如果一个个下载觉得麻烦，我把所有资料都整理放到了这里，可以直接下载：

最后

这篇文章整理的也是我的学习路线。

要说需要学多久，那就看个人的学习动力了。

如果你想去一家不错的公司，但是目前硬实力不过关，我觉得还是有必要去努力一下的，技术能力的高低决定你能走多远，平台的高低，决定你能飞多高。

如果可以通过自己的努力，进入自己心仪的公司，一定不要松懈怠慢，职场成长和学习新技术一样，不进则退。

你往往会发现，身边实力越强的人越努力，最高级的自律就是享受孤独 。

感谢点赞支持！笔芯~ 记得关注我哟 @Jack-Cui