今年的算法岗已经是红海一片了。。-技术圈

去年算法岗秋招哀鸿遍野，根据目前知乎与脉脉上各大企业HR发布的数据，达到了恐怖的100:1，计算机视觉岗位尤其如此。究其原因，随着深度学习的框架越来越便利，开源代码越来越丰富，计算机视觉的入门门槛低得可怕（不论是计算机、自动化、数学等理工科专业的同学，还是经管类、商科类专业的同学，多多少少都跑过深度学习模型）

人工智能行业的高薪资成为了大家竞相转行的最大动力

之前我们总是想尽办法追求算法能达到多少准召率，但在实际落地时却发现这些SOTA推理太慢，压根不符合实际，比如自动驾驶中希望图像或点云感知算法能达到100-200Hz，但大部分算法只能达到30-50Hz。这时算法部署工程师派上极大用场！顾名思义，就是将算法在嵌入式设备端或者服务器端进行推理部署，尽可能对算法进行优化和加速以满足实时性需求。部署岗位通常要求的技能点为熟悉CUDA开发与TensorRT部署

CUDA是NVIDIA推出的运算平台，TensorRT是NVIDIA推出的高性能的深度学习推理（Inference）优化器，是目前应用最广泛的推理框架之一，在超大规模数据中心、嵌入式平台、自动驾驶平台等应用十分广泛。

虽然NVIDIA有官方的TensorRT文档以及案例库，但英文的材料对初学者入门并不友好。为此，深蓝学院与腾讯高级研究员一起研发了《深度神经网络加速：cuDNN 与 TensorRT》的课程，面向就业，细致讲解CUDA运算的理论支撑与实践，以及cuDNN、TensorRT这两个当下最热门的深度神经网络加速的工具。

扫码了解详情

以下附上部分课程预览：

（编译TRT git源码sampleMNIST）

强大的师资力量

杨伟光，腾讯高级研究员，大连理工大学硕士

毕业后一直在腾讯从事语音领域深度学习加速上线工作。近10年CUDA开发经验，近5年TensorRT开发经验；

Github TensorRT_Tutorial作者。

康博，高级研究员

主要方向为自然语言处理、智能语音及其在端侧的部署。博士毕业于清华大学，在各类国际AI会议和刊物中发表论文10篇以上，多次获得NIST主办的国际比赛top 2成绩。近年来主要研究方向为AI在场景中的落地应用。

详尽的课程大纲

我们的课程优势

1. 内容精简：主讲CUDA核心的并行运算操作

2. 知识前沿：本期课程涵盖当下主流的深度学习模型加速工具

3. 氛围活跃：与数百位同学共同交流学习

本课程适合人群

1. 人工智能领域的算法或者开发工程师，尤其是工作涉及深度学习的模型。

2. 希望学习并行计算系统的科研工作者以及工程师。

本期课程学习收获

1. 掌握CUDA并行系统的分析、开发、调试与优化方法。

2. 熟悉CUDA的基本概念以及主流的并行运算。

3. 了解cuDNN与TensorRT两个深度学习模型的加速工具

4. 具备动手实践深度学习模型加速的能力

抢占名额

扫码添加，了解详情