vtk演算法

① VTK是什麼

VTK簡介： VTK(Visualization ToolKit)是一個開放源碼、自由獲取的軟體系統，全世界的數以千計的研究人員和開發人員用它來進行3D計算機圖形，圖像處理，可視化。VTK包含一個c++類庫，眾多的翻譯介面層，包括Tcl/Tk，java,python。 Visualization Toolkit 是一個用於可視化應用程序構造與運行的支撐環境，它是在三維函數庫OpenGL 的基礎上採用面向對象的設計方法發展起來的，它將我們在可視化開發過程中會經常遇到的細節屏蔽起來，並將一些常用的演算法封裝起來。比如Visualization Toolkit 將我們在表面重建中比較常見的Marching Cubes 演算法封裝起來，以類的形式給我們以支持，這樣我們在對三維規則點陣數據進行表面重建時就不必再重復編寫MarchingCubes 演算法的代碼，而直接使用Visualization Toolkit 中已經提供的vtkMarchingCubes 類。 Visualization Toolkit 是給從事可視化應用程序開發工作的研究人員提供直接的技術支持的一個強大的可視化開發工具，它以用戶使用的方便性和靈活性為主要原則，具有如下的特點：
1) 具有強大的三維圖形功能。Visualization Toolkit 既支持基於體素Voxel-basedrendering 的體繪制Volume Rendering又保留了傳統的面繪制，從而在極大的改善可視化效果的同時又可以充分利用現有的圖形庫和圖形硬體
2) Visualization Toolkit 的體系結構使其具有非常好的流streaming 和高速緩存caching 的能力，在處理大量的數據時不必考慮內存資源的限制
3) Visualization Toolkit 能夠更好的支持基於網路的工具比如Java 和VRML 隨著Web 和Internet 技術的發展Visualization Toolkit 有著很好的發展前景
4) 能夠支持多種著色如OpenGL 等
5) Visualization Toolkit 具有設備無關性使其代碼具有良好的可移植性
6) Visualization Toolkit 中定義了許多宏，這些宏極大的簡化了編程工作並且加強了一致的對象行為
7) Visualization Toolkit 具有更豐富的數據類型，支持對多種數據類型進行處理
8) 既可以工作於Windows 操作系統又可以工作於Unix 操作系統極大的方便了用戶

VTK官方網站：http://www.vtk.org/
VTK下載：http://www.vtk.org/get-software.php#latest

Trackback: http://tb.blog.csdn.net/TrackBack.aspx?PostId=1889238

轉的。。

② 為什麼做AI的都選Python

相對於其他語言：
1、更加人性化的設計
Python的設計更加人性化，具有快速、堅固、可移植性、可擴展性的特點，十分適合人工智慧;開源免費，而且學習簡單，很容易實現普及;內置強大的庫，可以輕松實現更大強大的功能。
2、總體的AI庫
AIMA：Python實現了從Russell到Norvigs的「人工智慧：一種現代的方法」的演算法;
pyDatalog：Python中的邏輯編程引擎;
SimpleAI：Python實現在「人工智慧：一種現代的方法」這本書中描述過的人工智慧的演算法，它專注於提供一個易於使用，有良好文檔和測試的庫;
EasyAI：一個雙人AI游戲的python引擎。
3、機器學習庫
PyBrain 一個靈活，簡單而有效的針對機器學習任務的演算法，它是模塊化的Python機器學習庫，它也提供了多種預定義好的環境來測試和比較你的演算法;
PyML 一個用Python寫的雙邊框架，重點研究SVM和其他內核方法，它支持Linux和Mac OS X;
scikit-learn旨在提供簡單而強大的解決方案，可以在不同的上下文中重用：機器學習作為科學和工程的一個多功能工具，它是python的一個模塊，集成了經典的機器學習的演算法，這些演算法是和python科學包緊密聯系在一起的;
MDP-Toolkit這是一個Python數據處理的框架，可以很容易的進行擴展。它海收集了有監管和沒有監管的學習算飯和其他數據處理單元，可以組合成數據處理序列或者更復雜的前饋網路結構。新演算法的實現是簡單和直觀的。可用的演算法是在不斷的穩定增加的，包括信號處理方法，流型學習方法，集中分類，概率方法，數據預處理方法等等。
4、自然語言和文本處理庫
NLTK開源的Python模塊，語言學數據和文檔，用來研究和開發自然語言處理和文本分析，有windows、Mac OSX和Linux版本。
Python具有豐富而強大的庫，能夠將其他語言製作的各種模塊很輕松的聯結在一起，因此，Python編程對人工智慧是一門非常有用的語言。可以說人工智慧和Python是緊密相連的。如果你想要抓住人工智慧的風口，Python是必不可少的助力。

人工智慧上使用Python比其他編程語言的好處
1、優質的文檔
2、平台無關，可以在現在每一個*nix版本上使用
3、和其他面向對象編程語言比學習更加簡單快速
4、Python有許多圖像加強庫像Python Imaging Libary，VTK和Maya 3D可視化工具包，Numeric Python， Scientific Python和其他很多可用工具可以於數值和科學應用。
5、Python的設計非常好，快速，堅固，可移植，可擴展。很明顯這些對於人工智慧應用來說都是非常重要的因素。
6、對於科學用途的廣泛編程任務都很有用，無論從小的shell腳本還是整個網站應用。
7、它是開源的。可以得到相同的社區支持。
AI的Python庫
一、總體的AI庫
AIMA：Python實現了從Russell到Norvigs的「人工智慧：一種現代的方法」的演算法
pyDatalog：Python中的邏輯編程引擎
SimpleAI：Python實現在「人工智慧：一種現代的方法」這本書中描述過的人工智慧的演算法。它專注於提供一個易於使用，有良好文檔和測試的庫。
EasyAI：一個雙人AI游戲的python引擎（負極大值，置換表、游戲解決）
二、機器學習庫
PyBrain 一個靈活，簡單而有效的針對機器學習任務的演算法，它是模塊化的Python機器學習庫。它也提供了多種預定義好的環境來測試和比較你的演算法。
PyML 一個用Python寫的雙邊框架，重點研究SVM和其他內核方法。它支持Linux和Mac OS X。
scikit-learn 旨在提供簡單而強大的解決方案，可以在不同的上下文中重用：機器學習作為科學和工程的一個多功能工具。它是python的一個模塊，集成了經典的機器學習的演算法，這些演算法是和python科學包（numpy，scipy.matplotlib）緊密聯系在一起的。
MDP-Toolkit 這是一個Python數據處理的框架，可以很容易的進行擴展。它海收集了有監管和沒有監管的學習算飯和其他數據處理單元，可以組合成數據處理序列或者更復雜的前饋網路結構。新演算法的實現是簡單和直觀的。可用的演算法是在不斷的穩定增加的，包括信號處理方法（主成分分析、獨立成分分析、慢特徵分析），流型學習方法（局部線性嵌入），集中分類，概率方法（因子分析，RBM），數據預處理方法等等。

③ 在visual studio上運行vtk要那些模塊有大神指點下嗎

一、確定在64位操作系統上運行還是在WOW64下運行。

在Visual
Studio平台中最後對64位應用程序編譯時，需要指定這個應用程序是在64位操作系統上作為本機應用程序運行還是在WOW64環境下運行。這個
WOW64環境是一個由操作系統提供的兼容性環境。這個環境主要是讓32位應用程序也能夠在64位的操作系統上運行。換句話說，在編譯時要確定產生的應用
程序是真正的64位應用程序(只能夠在64位操作系統上運行)，還是偽64位應用程序(其實是32位應用程序，只是可以藉助WOW64在64位操作系統上
運行)。

在確定這個內容的時候，有一個內容筆者要特別提醒
大家。通常情況下在64位操作系統上，所有使用NET Framework
1.1以前版本生成的應用程序都將被視作為32位應用程序，並且始終在32位公共語言運行上的WOW64環境下運行;而在2.0版本以後生成的32位特定
應用程序可以在64位平台上的WOM64環境下運行。這兩個版本之間的細微差異，各位讀者可以開發一個小程序測試一下即可。其中的內涵是只可意會、不可言
傳呀。

二、正確部署Visual Studio開發環境。

在開發64位應用程序之前，需要明白一點。到目前
為止，Visual Studio
2008仍然是一個32位的應用程序。在安裝部署時，如果是在X86的計算機上(32位操作系統)，則其將安裝32位的CLR版本。而如果在64位操作系
統上安裝部署時，安裝進程將同時安裝32位的CLR版本和合適的64位CLR。注意當將其部署到64位操作系統的時候，它將在WOW64環境下運行。

此時筆者認為需要注意一個細節問題。當在
Wom64環境下運行32位應用程序時，應用程序只限於在一個處理器上執行。也就是說應用程序不能夠享受64位操作系統所帶來的性能上的提升。而單處理器
執行會降低32位應用程序在基於Itanium系統上運行時的性能和可伸縮性。為此如果對於性能要求比較高的應用程序或者有負載比較高的伺服器，盡量不要
採用兼容的方式。即32位應用程序在32位操作系統上運行，而不要在Wom64環境下運行。否則的話，不但不能夠享受64位操作系統帶來的好處，反而會降
低應用程序原有的性能，得不償失。

三、32位應用程序在64位CLR上運行可能導致意外的結果。

雖然64位操作系統提供另一個WOW64環境，使得32位應用程序能夠在64位操作系統上運行。也就是說，在大部分情況下32位應用程序可以在32位或者64位操作系統上同等的運行，其最終的結果都是相同的。但是有時候也會有意外。這些意外主要是以下原因所造成的。

如在應用程序的結構中包含一些大小隨平台而改變的成員。如指針類型的對象，其會操作操作系統位數的不同而改變。再如指針演算法中如果包含固定大小，或者不正確的平台調用與COM聲明等等，都會導致32位應用程序在64位CLR上運行出現一些意外的結果。

為此筆者特別提醒，如果開發人員設計一些兼容的應用程序時(即可以同時在32位與64位應用程序上運行)，必須要注意這些因素對應用程序運行過程的影響。在開發中，要盡量避免使用這些對象，以免不必要的麻煩。

四、如何判斷某個應用程序是否適合在64位操作程序上運行。

在應用程序開發時，開發人員可能會借鑒已有的應用
程序。此時他們就需要判斷手中的應用程序能否在WOW64環境下運行。或者說，只有在特定的平台下，如32位操作系統或者64位操作系統下(而不是
WOM64)下運行。要實現這個目的的話，開發環境提供了一個Corflags的命令。簡單的說，在命令行中使用corflags.exe可以確定某個
exe或者dll是僅僅在特定平台上運行，還是只可以在WOW64環境下運行。另外在必要的情況下，程序開發人員還可以利用這個命令來更改應用程序的平台
狀態。

五、調試64位應用程序與32位應用程序之間的差異。

在開發平台中自帶有應用程序的調試工具。應用程序
調試一般包括本地調試與遠程調試。對於一些中大型的應用程序而言，遠程調試是必須的。這里需要注意，在任何情況下，如果在64位計算機上安裝遠程調試都會
同時安裝32位和64位版本的遠程調試監視器。不過在調試64位應用程序的時候，則必須要選擇正確的版本。如需要選擇「遠程調試器X64)。否則的話，調
試結果會有偏差。

下面介紹一下在64位平台上VS中會出現的編譯錯誤

模塊計算機類型「x64」與目標計算機類型「X86」沖突

一種可以解決的方法是：

1、修改目標計算機類型：項目->熟悉->連接器(Linker)->高級->目標計算機。然後把目標計算機類型改成X64。如下圖所示：

2、配置管理器：解決方案平台（默認是Win32的）->選擇配置管理器->活動解決方案平台下選擇x64。如下圖所示：

清楚一下項目 重新編譯一下 OK！

項目生成64位的應用程序
一張自動更新BIOS的軟盤，重新刷新BIOS，

④ opencv3.0新增了什麼功能

OpenCV 2.0已經發布5年了，它帶來了全新的C++介面，標志著這個項目的開始。在2.0的整個生命周期中，我們增加了新的平台支持，包括iOS和Andriod，通過CUDA和OpenCL實現了GPU加速，為Python和java用戶提供了介面，基於github和buildbot構建了充滿藝術感的持續集成系統，所以才有了穩定的OpenCV 2.4.x，它被全世界的很多公司和學校所採用。

現在，我們很高興地宣布3.0時代的開始（OpenCV 3.0 release 預計會在今年聖誕節左右發布）。在3.0時代不會有像2.0時代一樣激進的嘗試，它有足夠穩定的改進，這為我們，也為你們以及偉大的OpenCV社區帶來了許多全新的機會。請查看更新日誌，我們簡要說幾點。

1. 項目架構的改變。

最初的時候，OpenCV是一個相對整體的項目，都是以整體的形式構建和裝配，在很多年的時間里，這都是一個很好的策略。然而，隨著功能的增加，包括bleeding-edge演算法發布前的幾分鍾，一個pull請求提交到我們的倉庫，越來越多的貢獻者（非常感謝你們），我們決定像其他大項目一樣，拋棄整體架構，使用內核+插件的架構形式。
除了我們的主倉庫和增加的」test data「倉庫，我們還有了http://github.com/itseez/opencv_contrib，這里有很多讓人興奮的功能，包括你們已經知道的面部識別和文本探測，還包括文本識別、新的邊緣檢測器、充滿藝術感的修復、深度地圖處理、新的光線流和追蹤演算法等。

opencv與opencv_contrib之間的區別是：

他們都由我們的持續集成系統維護，盡管opencv_contrib的單元測試並不常規運行。
全部或者一些額外的模塊可以用我們的構建系統構建，把OPENCV_EXTRA_MODULES_PATH=/moles傳遞給CMake。
contrib的文檔是自動生成的，可以在docs.opencv.org/master獲得，它會在OpenCV 3.0 beta版本的時候更加完善、並發布。
主OpenCV是Itseez支持的代碼，有非常穩定的API以及一點點創新。
opencv_contrib是大多數實驗性代碼放置的地方，一些API可能會改變，我們歡迎貢獻者貢獻你們新的精彩演算法。
2. 感謝Intel和AMD公司的支持，我們讓很多視覺演算法實現的GPU加速，並且對於用戶來說，都是十分易得的。這個技術可以稱之為T-API (「transparent API」)，關於這個話題的單獨指南在准備當中，仍然非常歡迎你來看一下，試一下我們的T-API的例子，研究一下它如何工作。

3. Intel公司還給了我們另一份大禮。IPP的一個子集默認接入OpenCV，用戶可以輕松得到。其中包含了可以將使用IPP加速的OpenCV再次分發的許可。如下圖所示，在IPP的幫助下，很多函數都實現了顯著的加速。

4. 最後，OpenCV 3.0帶來了很新的功能，這是其中的一部分：

Text detection and recognition by Lluis Gomez
HDR by Fedor Morozov and Alexander Shishkov
KAZE/A-KAZE by Eugene Khvedchenya, the algorithm author Pablo Alcantarilla and some improvements by F. Morozov.
Smart segmentation and edge-aware filters by Vitaly Lyudvichenko, Yuri Gitman, Alexander Shishkov and Alexander Mordvintsev
Car detection using Waldboost, ACF by Vlad Shakhuro and Nikita Manovich
TLD tracker and several common-use optimization algorithms by Alex Leontiev
Matlab bindings by Hilton Bristow, with support from Mathworks.
Greatly extended Python bindings, including Python 3 support, and several OpenCV+Python tutorials by Alexander Mordvintsev, Abid Rahman and others.
3D Visualization using VTK by Ozan Tonkal and Anatoly Baksheev.
RGBD mole by Vincent Rabaud
Line Segment Detector by Daniel Angelov
Many useful Computational Photography algorithms by Siddharth Kherada
Shape descriptors, matching and morphing shapes (shape mole) by Juan Manuel Perez Rua and Ilya Lysenkov
Long-term tracking + saliency-based improvements (tracking mole) by Antonella Cascitelli and Francesco Puja
Another good pose estimation algorithm and the tutorial on pose estimation by Edgar Riba and Alexander Shishkov
Line descriptors and matchers by Biagio Montesano and Manuele Tambourin
Myriads of improvements in various parts of the library by Steven Puttemans; thank you a lot, Steven!
Several NEON optimizations by Adrian Stratulat, Cody Rigney, Alexander Petrikov, Yury Gorbachev and others.
Fast foreach loop over cv::Mat by Kazuki Matsuda
Image alignment (ECC algorithm) by Georgios Evangelidis
GDAL image support by Marvin Smith
RGBD mole by Vincent Rabaud
Fisheye camera model by Ilya Krylov
OSX framework build script by Eugene Khvedchenya
Multiple FLANN improvements by Pierre-Emmanuel Viel
Improved WinRT support by Gregory Morse
Latent SVM Cascade by Evgeniy Konov and NNSU team (awaiting integration)
Logistic regression by Rahul Kavi
Five-point pose estimation algorithm by Bo Li

⑤ 演算法工程師 就業前景

一、演算法工程師簡介
（通常是月薪15k以上，年薪18萬以上，只是一個概數，具體薪資可以到招聘網站如拉鉤，獵聘網上看看）
演算法工程師目前是一個高端也是相對緊缺的職位；
演算法工程師包括
音/視頻演算法工程師（通常統稱為語音/視頻/圖形開發工程師）、圖像處理演算法工程師、計算機視覺演算法工程師、通信基帶演算法工程師、信號演算法工程師、射頻/通信演算法工程師、自然語言演算法工程師、數據挖掘演算法工程師、搜索演算法工程師、控制演算法工程師（雲台演算法工程師，飛控演算法工程師，機器人控制演算法）、導航演算法工程師（
@之介
感謝補充）、其他【其他一切需要復雜演算法的行業】
專業要求：計算機、電子、通信、數學等相關專業；
學歷要求：本科及其以上的學歷，大多數是碩士學歷及其以上；
語言要求：英語要求是熟練，基本上能閱讀國外專業書刊，做這一行經常要讀論文；
必須掌握計算機相關知識，熟練使用模擬工具MATLAB等，必須會一門編程語言。
演算法工程師的技能樹（不同方向差異較大，此處僅供參考）
1 機器學習
2 大數據處理：熟悉至少一個分布式計算框架Hadoop/Spark/Storm/ map-rece/MPI
3 數據挖掘
4 扎實的數學功底
5 至少熟悉C/C++或者Java，熟悉至少一門編程語言例如java/python/R
加分項：具有較為豐富的項目實踐經驗（不是水論文的哪種）
二、演算法工程師大致分類與技術要求
（一）圖像演算法/計算機視覺工程師類
包括
圖像演算法工程師，圖像處理工程師，音/視頻處理演算法工程師，計算機視覺工程師
要求
l
專業：計算機、數學、統計學相關專業；
l
技術領域：機器學習，模式識別
l
技術要求：
（1） 精通DirectX HLSL和OpenGL GLSL等shader語言，熟悉常見圖像處理演算法GPU實現及優化；
（2） 語言：精通C/C++；
（3） 工具：Matlab數學軟體，CUDA運算平台，VTK圖像圖形開源軟體【醫學領域：ITK，醫學圖像處理軟體包】
（4） 熟悉OpenCV/OpenGL/Caffe等常用開源庫；
（5） 有人臉識別，行人檢測，視頻分析，三維建模，動態跟蹤，車識別，目標檢測跟蹤識別經歷的人優先考慮；
（6） 熟悉基於GPU的演算法設計與優化和並行優化經驗者優先；
（7） 【音/視頻領域】熟悉H.264等視頻編解碼標准和FFMPEG，熟悉rtmp等流媒體傳輸協議，熟悉視頻和音頻解碼演算法，研究各種多媒體文件格式，GPU加速；
應用領域：
（1） 互聯網：如美顏app
（2） 醫學領域：如臨床醫學圖像
（3） 汽車領域
（4） 人工智慧
相關術語：
（1） OCR：OCR （Optical Character Recognition，光學字元識別）是指電子設備（例如掃描儀或數碼相機）檢查紙上列印的字元，通過檢測暗、亮的模式確定其形狀，然後用字元識別方法將形狀翻譯成計算機文字的過程
（2） Matlab：商業數學軟體；
（3） CUDA： (Compute Unified Device Architecture)，是顯卡廠商NVIDIA推出的運算平台（由ISA和GPU構成）。 CUDA™是一種由NVIDIA推出的通用並行計算架構，該架構使GPU能夠解決復雜的計算問題
（4） OpenCL: OpenCL是一個為異構平台編寫程序的框架，此異構平台可由CPU，GPU或其他類型的處理器組成。
（5） OpenCV：開源計算機視覺庫；OpenGL：開源圖形庫；Caffe：是一個清晰，可讀性高，快速的深度學習框架。
（6） CNN：（深度學習）卷積神經網路（Convolutional Neural Network）CNN主要用來識別位移、縮放及其他形式扭曲不變性的二維圖形。
（7） 開源庫：指的是計算機行業中對所有人開發的代碼庫，所有人均可以使用並改進代碼演算法。
（二）機器學習工程師
包括
機器學習工程師
要求
l
專業：計算機、數學、統計學相關專業；
l
技術領域：人工智慧，機器學習
l
技術要求：
（1） 熟悉Hadoop/Hive以及Map-Rece計算模式，熟悉Spark、Shark等尤佳；
（2） 大數據挖掘；
（3） 高性能、高並發的機器學習、數據挖掘方法及架構的研發；
應用領域：
（1）人工智慧，比如各類模擬、擬人應用，如機器人
（2）醫療用於各類擬合預測
（3）金融高頻交易
（4）互聯網數據挖掘、關聯推薦
（5）無人汽車，無人機

相關術語：
（1） Map-Rece：MapRece是一種編程模型，用於大規模數據集（大於1TB）的並行運算。概念"Map（映射）"和"Rece（歸約）"，是它們的主要思想，都是從函數式編程語言里借來的，還有從矢量編程語言里借來的特性。
（三）自然語言處理工程師
包括
自然語言處理工程師
要求
l
專業：計算機相關專業；
l
技術領域：文本資料庫
l
技術要求：
（1） 熟悉中文分詞標注、文本分類、語言模型、實體識別、知識圖譜抽取和推理、問答系統設計、深度問答等NLP 相關演算法；
（2） 應用NLP、機器學習等技術解決海量UGC的文本相關性；
（3） 分詞、詞性分析、實體識別、新詞發現、語義關聯等NLP基礎性研究與開發；
（4） 人工智慧，分布式處理Hadoop；
（5） 數據結構和演算法；
應用領域：
口語輸入、書面語輸入
、語言分析和理解、語言生成、口語輸出技術、話語分析與對話、文獻自動處理、多語問題的計算機處理、多模態的計算機處理、信息傳輸與信息存儲 、自然語言處理中的數學方法、語言資源、自然語言處理系統的評測。

相關術語：
（2） NLP：人工智慧的自然語言處理，NLP (Natural Language Processing) 是人工智慧（AI）的一個子領域。NLP涉及領域很多，最令我感興趣的是「中文自動分詞」（Chinese word segmentation）：結婚的和尚未結婚的【計算機中卻有可能理解為結婚的「和尚「】

（四）射頻/通信/信號演算法工程師類
包括
3G/4G無線通信演算法工程師， 通信基帶演算法工程師，DSP開發工程師（數字信號處理），射頻通信工程師，信號演算法工程師
要求
l
專業：計算機、通信相關專業；
l
技術領域：2G、3G、4G，BlueTooth（藍牙），WLAN，無線移動通信, 網路通信基帶信號處理
l
技術要求：
（1） 了解2G，3G，4G，BlueTooth，WLAN等無線通信相關知識，熟悉現有的通信系統和標准協議，熟悉常用的無線測試設備；
（2） 信號處理技術，通信演算法；
（3） 熟悉同步、均衡、信道解碼等演算法的基本原理；
（4） 【射頻部分】熟悉射頻前端晶元，扎實的射頻微波理論和測試經驗，熟練使用射頻電路模擬工具（如ADS或MW或Ansoft）；熟練使用cadence、altium designer PCB電路設計軟體；
（5） 有扎實的數學基礎，如復變函數、隨機過程、數值計算、矩陣論、離散數學
應用領域：
通信
VR【用於快速傳輸視頻圖像，例如樂客靈境VR公司招募的通信工程師（數據編碼、流數據）】
物聯網，車聯網
導航，軍事，衛星，雷達
相關術語：
（1） 基帶信號：指的是沒有經過調制（進行頻譜搬移和變換）的原始電信號。
（2） 基帶通信（又稱基帶傳輸）：指傳輸基帶信號。進行基帶傳輸的系統稱為基帶傳輸系統。傳輸介質的整個信道被一個基帶信號佔用.基帶傳輸不需要數據機，設備化費小，具有速率高和誤碼率低等優點,.適合短距離的數據傳輸，傳輸距離在100米內，在音頻市話、計算機網路通信中被廣泛採用。如從計算機到監視器、列印機等外設的信號就是基帶傳輸的。大多數的區域網使用基帶傳輸，如乙太網、令牌環網。
（3） 射頻：射頻（RF）是Radio Frequency的縮寫，表示可以輻射到空間的電磁頻率（電磁波），頻率范圍從300KHz～300GHz之間（因為其較高的頻率使其具有遠距離傳輸能力）。射頻簡稱RF射頻就是射頻電流，它是一種高頻交流變化電磁波的簡稱。每秒變化小於1000次的交流電稱為低頻電流，大於10000次的稱為高頻電流，而射頻就是這樣一種高頻電流。高頻(大於10K)；射頻（300K-300G）是高頻的較高頻段；微波頻段（300M-300G）又是射頻的較高頻段。【有線電視就是用射頻傳輸方式】
（4） DSP：數字信號處理，也指數字信號處理晶元
（五）數據挖掘演算法工程師類
包括
推薦演算法工程師，數據挖掘演算法工程師
要求
l
專業：計算機、通信、應用數學、金融數學、模式識別、人工智慧；
l
技術領域：機器學習，數據挖掘
l
技術要求：
（1） 熟悉常用機器學習和數據挖掘演算法，包括但不限於決策樹、Kmeans、SVM、線性回歸、邏輯回歸以及神經網路等演算法；
（2） 熟練使用SQL、Matlab、Python等工具優先；
（3） 對Hadoop、Spark、Storm等大規模數據存儲與運算平台有實踐經驗【均為分布式計算框架】
（4） 數學基礎要好，如高數，統計學，數據結構
l
加分項：數據挖掘建模大賽；
應用領域
（1） 個性化推薦
（2） 廣告投放
（3） 大數據分析
相關術語
Map-Rece：MapRece是一種編程模型，用於大規模數據集（大於1TB）的並行運算。概念"Map（映射）"和"Rece（歸約）"，是它們的主要思想，都是從函數式編程語言里借來的，還有從矢量編程語言里借來的特性。
（六）搜索演算法工程師
要求
l
技術領域：自然語言
l
技術要求：
（1） 數據結構，海量數據處理、高性能計算、大規模分布式系統開發
（2） hadoop、lucene
（3） 精通Lucene/Solr/Elastic Search等技術，並有二次開發經驗
（4） 精通Lucene/Solr/Elastic Search等技術，並有二次開發經驗；
（5） 精通倒排索引、全文檢索、分詞、排序等相關技術；
（6） 熟悉Java，熟悉Spring、MyBatis、Netty等主流框架；
（7） 優秀的資料庫設計和優化能力，精通MySQL資料庫應用 ；
（8） 了解推薦引擎和數據挖掘和機器學習的理論知識，有大型搜索應用的開發經驗者優先。
（七）控制演算法工程師類
包括了雲台控制演算法，飛控控制演算法，機器人控制演算法
要求
l
專業：計算機，電子信息工程，航天航空，自動化
l
技術要求：
（1） 精通自動控制原理（如PID）、現代控制理論，精通組合導航原理，姿態融合演算法，電機驅動，電機驅動
（2） 卡爾曼濾波，熟悉狀態空間分析法對控制系統進行數學模型建模、分析調試；
l
加分項：有電子設計大賽，機器人比賽，robocon等比賽經驗，有硬體設計的基礎；
應用領域
（1）醫療/工業機械設備
（2）工業機器人
（3）機器人
（4）無人機飛控、雲台控制等

（八）導航演算法工程師
要求
l 專業：計算機，電子信息工程，航天航空，自動化
l 技術要求（以公司職位JD為例）
公司一（1）精通慣性導航、激光導航、雷達導航等工作原理；
（2）精通組合導航演算法設計、精通卡爾曼濾波演算法、精通路徑規劃演算法；
（3）具備導航方案設計和實現的工程經驗；
（4）熟悉C/C++語言、熟悉至少一種嵌入式系統開發、熟悉Matlab工具；
公司二（1）熟悉基於視覺信息的SLAM、定位、導航演算法，有1年以上相關的科研或項目經歷；
（2）熟悉慣性導航演算法，熟悉IMU與視覺信息的融合;
應用領域
無人機、機器人等。

⑥ vtk.js 官方文檔（翻譯）

官方文檔地址

The Visualization Toolkit (VTK) is an open-source, freely available software system for 3D computer graphics, image processing, and visualization. 

可視化工具包（VTK）是一個開源、免費的軟體系統，用於計算機3D圖形、圖像處理及可視化。

Its implementation consists of an ES6 JavaScript class library which can be integrated into any web application. 

它的實現包括一個ES6 JavaScript類庫，該庫可以集成到任何web應用程序中。

The toolkit leverages WebGL and supports a wide variety of visualization algorithms including scalar, vector, tensor, texture, and volumetric methods. 

該工具包利用WebGL，支持各種可視化演算法，包括標量、矢量、張量、紋理和體積方法。

VTK is part of Kitware』s collection of commercially supported open-source platforms for software development. 

VTK是Kitware的商業支持的開源軟體開發平台集合的一部分。

Welcome to the vtk.js documentation.

歡迎使用vtk.js文檔。

 If you encounter any problems when using vtk.js, have a look at the  troubleshooting guide , raise an issue on  GitHub  or start a topic on the  Mailing list .

如果在使用vtk.js時遇到任何問題，請查看故障排除指南，在GitHub上提出問題，或者在郵件列表上開啟一個主題。

vtk.js is a rendering library made for Scientific Visualization on the Web. 

vtk.js是一個用於在Web上進行科學可視化的渲染庫。

It adapts the VTK structure and expertise to bring high performance rendering into your browser.

它調整了VTK結構和專業知識，將高性能渲染引入瀏覽器。

You can learn more about what vtk.js can do for you via the  examples .

您可以通過示例了解到，vtk.js可以為您做些什麼。

Importing vtk.js as an external script  用載入外部腳本的方式引入vtk.js

Using vtk.js as an ES6 dependency

This guide illustrates how to build an application using vtk.js as a dependency using a modern toolsets such as Webpack, NPM.

本指南說明了如何使用Webpack、NPM等現代工具把vtk.js作為依賴項來構建應用程序。