vtk算法

① VTK是什么

VTK简介： VTK(Visualization ToolKit)是一个开放源码、自由获取的软件系统，全世界的数以千计的研究人员和开发人员用它来进行3D计算机图形，图像处理，可视化。VTK包含一个c++类库，众多的翻译接口层，包括Tcl/Tk，java,python。 Visualization Toolkit 是一个用于可视化应用程序构造与运行的支撑环境，它是在三维函数库OpenGL 的基础上采用面向对象的设计方法发展起来的，它将我们在可视化开发过程中会经常遇到的细节屏蔽起来，并将一些常用的算法封装起来。比如Visualization Toolkit 将我们在表面重建中比较常见的Marching Cubes 算法封装起来，以类的形式给我们以支持，这样我们在对三维规则点阵数据进行表面重建时就不必再重复编写MarchingCubes 算法的代码，而直接使用Visualization Toolkit 中已经提供的vtkMarchingCubes 类。 Visualization Toolkit 是给从事可视化应用程序开发工作的研究人员提供直接的技术支持的一个强大的可视化开发工具，它以用户使用的方便性和灵活性为主要原则，具有如下的特点：
1) 具有强大的三维图形功能。Visualization Toolkit 既支持基于体素Voxel-basedrendering 的体绘制Volume Rendering又保留了传统的面绘制，从而在极大的改善可视化效果的同时又可以充分利用现有的图形库和图形硬件
2) Visualization Toolkit 的体系结构使其具有非常好的流streaming 和高速缓存caching 的能力，在处理大量的数据时不必考虑内存资源的限制
3) Visualization Toolkit 能够更好的支持基于网络的工具比如Java 和VRML 随着Web 和Internet 技术的发展Visualization Toolkit 有着很好的发展前景
4) 能够支持多种着色如OpenGL 等
5) Visualization Toolkit 具有设备无关性使其代码具有良好的可移植性
6) Visualization Toolkit 中定义了许多宏，这些宏极大的简化了编程工作并且加强了一致的对象行为
7) Visualization Toolkit 具有更丰富的数据类型，支持对多种数据类型进行处理
8) 既可以工作于Windows 操作系统又可以工作于Unix 操作系统极大的方便了用户

VTK官方网站：http://www.vtk.org/
VTK下载：http://www.vtk.org/get-software.php#latest

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

转的。。

② 为什么做AI的都选Python

相对于其他语言：
1、更加人性化的设计
Python的设计更加人性化，具有快速、坚固、可移植性、可扩展性的特点，十分适合人工智能;开源免费，而且学习简单，很容易实现普及;内置强大的库，可以轻松实现更大强大的功能。
2、总体的AI库
AIMA：Python实现了从Russell到Norvigs的“人工智能：一种现代的方法”的算法;
pyDatalog：Python中的逻辑编程引擎;
SimpleAI：Python实现在“人工智能：一种现代的方法”这本书中描述过的人工智能的算法，它专注于提供一个易于使用，有良好文档和测试的库;
EasyAI：一个双人AI游戏的python引擎。
3、机器学习库
PyBrain 一个灵活，简单而有效的针对机器学习任务的算法，它是模块化的Python机器学习库，它也提供了多种预定义好的环境来测试和比较你的算法;
PyML 一个用Python写的双边框架，重点研究SVM和其他内核方法，它支持Linux和Mac OS X;
scikit-learn旨在提供简单而强大的解决方案，可以在不同的上下文中重用：机器学习作为科学和工程的一个多功能工具，它是python的一个模块，集成了经典的机器学习的算法，这些算法是和python科学包紧密联系在一起的;
MDP-Toolkit这是一个Python数据处理的框架，可以很容易的进行扩展。它海收集了有监管和没有监管的学习算饭和其他数据处理单元，可以组合成数据处理序列或者更复杂的前馈网络结构。新算法的实现是简单和直观的。可用的算法是在不断的稳定增加的，包括信号处理方法，流型学习方法，集中分类，概率方法，数据预处理方法等等。
4、自然语言和文本处理库
NLTK开源的Python模块，语言学数据和文档，用来研究和开发自然语言处理和文本分析，有windows、Mac OSX和Linux版本。
Python具有丰富而强大的库，能够将其他语言制作的各种模块很轻松的联结在一起，因此，Python编程对人工智能是一门非常有用的语言。可以说人工智能和Python是紧密相连的。如果你想要抓住人工智能的风口，Python是必不可少的助力。

人工智能上使用Python比其他编程语言的好处
1、优质的文档
2、平台无关，可以在现在每一个*nix版本上使用
3、和其他面向对象编程语言比学习更加简单快速
4、Python有许多图像加强库像Python Imaging Libary，VTK和Maya 3D可视化工具包，Numeric Python， Scientific Python和其他很多可用工具可以于数值和科学应用。
5、Python的设计非常好，快速，坚固，可移植，可扩展。很明显这些对于人工智能应用来说都是非常重要的因素。
6、对于科学用途的广泛编程任务都很有用，无论从小的shell脚本还是整个网站应用。
7、它是开源的。可以得到相同的社区支持。
AI的Python库
一、总体的AI库
AIMA：Python实现了从Russell到Norvigs的“人工智能：一种现代的方法”的算法
pyDatalog：Python中的逻辑编程引擎
SimpleAI：Python实现在“人工智能：一种现代的方法”这本书中描述过的人工智能的算法。它专注于提供一个易于使用，有良好文档和测试的库。
EasyAI：一个双人AI游戏的python引擎（负极大值，置换表、游戏解决）
二、机器学习库
PyBrain 一个灵活，简单而有效的针对机器学习任务的算法，它是模块化的Python机器学习库。它也提供了多种预定义好的环境来测试和比较你的算法。
PyML 一个用Python写的双边框架，重点研究SVM和其他内核方法。它支持Linux和Mac OS X。
scikit-learn 旨在提供简单而强大的解决方案，可以在不同的上下文中重用：机器学习作为科学和工程的一个多功能工具。它是python的一个模块，集成了经典的机器学习的算法，这些算法是和python科学包（numpy，scipy.matplotlib）紧密联系在一起的。
MDP-Toolkit 这是一个Python数据处理的框架，可以很容易的进行扩展。它海收集了有监管和没有监管的学习算饭和其他数据处理单元，可以组合成数据处理序列或者更复杂的前馈网络结构。新算法的实现是简单和直观的。可用的算法是在不断的稳定增加的，包括信号处理方法（主成分分析、独立成分分析、慢特征分析），流型学习方法（局部线性嵌入），集中分类，概率方法（因子分析，RBM），数据预处理方法等等。

③ 在visual studio上运行vtk要那些模块有大神指点下吗

一、确定在64位操作系统上运行还是在WOW64下运行。

在Visual
Studio平台中最后对64位应用程序编译时，需要指定这个应用程序是在64位操作系统上作为本机应用程序运行还是在WOW64环境下运行。这个
WOW64环境是一个由操作系统提供的兼容性环境。这个环境主要是让32位应用程序也能够在64位的操作系统上运行。换句话说，在编译时要确定产生的应用
程序是真正的64位应用程序(只能够在64位操作系统上运行)，还是伪64位应用程序(其实是32位应用程序，只是可以借助WOW64在64位操作系统上
运行)。

在确定这个内容的时候，有一个内容笔者要特别提醒
大家。通常情况下在64位操作系统上，所有使用NET Framework
1.1以前版本生成的应用程序都将被视作为32位应用程序，并且始终在32位公共语言运行上的WOW64环境下运行;而在2.0版本以后生成的32位特定
应用程序可以在64位平台上的WOM64环境下运行。这两个版本之间的细微差异，各位读者可以开发一个小程序测试一下即可。其中的内涵是只可意会、不可言
传呀。

二、正确部署Visual Studio开发环境。

在开发64位应用程序之前，需要明白一点。到目前
为止，Visual Studio
2008仍然是一个32位的应用程序。在安装部署时，如果是在X86的计算机上(32位操作系统)，则其将安装32位的CLR版本。而如果在64位操作系
统上安装部署时，安装进程将同时安装32位的CLR版本和合适的64位CLR。注意当将其部署到64位操作系统的时候，它将在WOW64环境下运行。

此时笔者认为需要注意一个细节问题。当在
Wom64环境下运行32位应用程序时，应用程序只限于在一个处理器上执行。也就是说应用程序不能够享受64位操作系统所带来的性能上的提升。而单处理器
执行会降低32位应用程序在基于Itanium系统上运行时的性能和可伸缩性。为此如果对于性能要求比较高的应用程序或者有负载比较高的服务器，尽量不要
采用兼容的方式。即32位应用程序在32位操作系统上运行，而不要在Wom64环境下运行。否则的话，不但不能够享受64位操作系统带来的好处，反而会降
低应用程序原有的性能，得不偿失。

三、32位应用程序在64位CLR上运行可能导致意外的结果。

虽然64位操作系统提供另一个WOW64环境，使得32位应用程序能够在64位操作系统上运行。也就是说，在大部分情况下32位应用程序可以在32位或者64位操作系统上同等的运行，其最终的结果都是相同的。但是有时候也会有意外。这些意外主要是以下原因所造成的。

如在应用程序的结构中包含一些大小随平台而改变的成员。如指针类型的对象，其会操作操作系统位数的不同而改变。再如指针算法中如果包含固定大小，或者不正确的平台调用与COM声明等等，都会导致32位应用程序在64位CLR上运行出现一些意外的结果。

为此笔者特别提醒，如果开发人员设计一些兼容的应用程序时(即可以同时在32位与64位应用程序上运行)，必须要注意这些因素对应用程序运行过程的影响。在开发中，要尽量避免使用这些对象，以免不必要的麻烦。

四、如何判断某个应用程序是否适合在64位操作程序上运行。

在应用程序开发时，开发人员可能会借鉴已有的应用
程序。此时他们就需要判断手中的应用程序能否在WOW64环境下运行。或者说，只有在特定的平台下，如32位操作系统或者64位操作系统下(而不是
WOM64)下运行。要实现这个目的的话，开发环境提供了一个Corflags的命令。简单的说，在命令行中使用corflags.exe可以确定某个
exe或者dll是仅仅在特定平台上运行，还是只可以在WOW64环境下运行。另外在必要的情况下，程序开发人员还可以利用这个命令来更改应用程序的平台
状态。

五、调试64位应用程序与32位应用程序之间的差异。

在开发平台中自带有应用程序的调试工具。应用程序
调试一般包括本地调试与远程调试。对于一些中大型的应用程序而言，远程调试是必须的。这里需要注意，在任何情况下，如果在64位计算机上安装远程调试都会
同时安装32位和64位版本的远程调试监视器。不过在调试64位应用程序的时候，则必须要选择正确的版本。如需要选择“远程调试器X64)。否则的话，调
试结果会有偏差。

下面介绍一下在64位平台上VS中会出现的编译错误

模块计算机类型“x64”与目标计算机类型“X86”冲突

一种可以解决的方法是：

1、修改目标计算机类型：项目->熟悉->连接器(Linker)->高级->目标计算机。然后把目标计算机类型改成X64。如下图所示：

2、配置管理器：解决方案平台（默认是Win32的）->选择配置管理器->活动解决方案平台下选择x64。如下图所示：

清楚一下项目 重新编译一下 OK！

项目生成64位的应用程序
一张自动更新BIOS的软盘，重新刷新BIOS，

④ opencv3.0新增了什么功能

OpenCV 2.0已经发布5年了，它带来了全新的C++接口，标志着这个项目的开始。在2.0的整个生命周期中，我们增加了新的平台支持，包括iOS和Andriod，通过CUDA和OpenCL实现了GPU加速，为Python和java用户提供了接口，基于github和buildbot构建了充满艺术感的持续集成系统，所以才有了稳定的OpenCV 2.4.x，它被全世界的很多公司和学校所采用。

现在，我们很高兴地宣布3.0时代的开始（OpenCV 3.0 release 预计会在今年圣诞节左右发布）。在3.0时代不会有像2.0时代一样激进的尝试，它有足够稳定的改进，这为我们，也为你们以及伟大的OpenCV社区带来了许多全新的机会。请查看更新日志，我们简要说几点。

1. 项目架构的改变。

最初的时候，OpenCV是一个相对整体的项目，都是以整体的形式构建和装配，在很多年的时间里，这都是一个很好的策略。然而，随着功能的增加，包括bleeding-edge算法发布前的几分钟，一个pull请求提交到我们的仓库，越来越多的贡献者（非常感谢你们），我们决定像其他大项目一样，抛弃整体架构，使用内核+插件的架构形式。
除了我们的主仓库和增加的”test data“仓库，我们还有了http://github.com/itseez/opencv_contrib，这里有很多让人兴奋的功能，包括你们已经知道的面部识别和文本探测，还包括文本识别、新的边缘检测器、充满艺术感的修复、深度地图处理、新的光线流和追踪算法等。

opencv与opencv_contrib之间的区别是：

他们都由我们的持续集成系统维护，尽管opencv_contrib的单元测试并不常规运行。
全部或者一些额外的模块可以用我们的构建系统构建，把OPENCV_EXTRA_MODULES_PATH=/moles传递给CMake。
contrib的文档是自动生成的，可以在docs.opencv.org/master获得，它会在OpenCV 3.0 beta版本的时候更加完善、并发布。
主OpenCV是Itseez支持的代码，有非常稳定的API以及一点点创新。
opencv_contrib是大多数实验性代码放置的地方，一些API可能会改变，我们欢迎贡献者贡献你们新的精彩算法。
2. 感谢Intel和AMD公司的支持，我们让很多视觉算法实现的GPU加速，并且对于用户来说，都是十分易得的。这个技术可以称之为T-API (“transparent API”)，关于这个话题的单独指南在准备当中，仍然非常欢迎你来看一下，试一下我们的T-API的例子，研究一下它如何工作。

3. Intel公司还给了我们另一份大礼。IPP的一个子集默认接入OpenCV，用户可以轻松得到。其中包含了可以将使用IPP加速的OpenCV再次分发的许可。如下图所示，在IPP的帮助下，很多函数都实现了显着的加速。

4. 最后，OpenCV 3.0带来了很新的功能，这是其中的一部分：

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 算法工程师 就业前景

一、算法工程师简介
（通常是月薪15k以上，年薪18万以上，只是一个概数，具体薪资可以到招聘网站如拉钩，猎聘网上看看）
算法工程师目前是一个高端也是相对紧缺的职位；
算法工程师包括
音/视频算法工程师（通常统称为语音/视频/图形开发工程师）、图像处理算法工程师、计算机视觉算法工程师、通信基带算法工程师、信号算法工程师、射频/通信算法工程师、自然语言算法工程师、数据挖掘算法工程师、搜索算法工程师、控制算法工程师（云台算法工程师，飞控算法工程师，机器人控制算法）、导航算法工程师（
@之介
感谢补充）、其他【其他一切需要复杂算法的行业】
专业要求：计算机、电子、通信、数学等相关专业；
学历要求：本科及其以上的学历，大多数是硕士学历及其以上；
语言要求：英语要求是熟练，基本上能阅读国外专业书刊，做这一行经常要读论文；
必须掌握计算机相关知识，熟练使用仿真工具MATLAB等，必须会一门编程语言。
算法工程师的技能树（不同方向差异较大，此处仅供参考）
1 机器学习
2 大数据处理：熟悉至少一个分布式计算框架Hadoop/Spark/Storm/ map-rece/MPI
3 数据挖掘
4 扎实的数学功底
5 至少熟悉C/C++或者Java，熟悉至少一门编程语言例如java/python/R
加分项：具有较为丰富的项目实践经验（不是水论文的哪种）
二、算法工程师大致分类与技术要求
（一）图像算法/计算机视觉工程师类
包括
图像算法工程师，图像处理工程师，音/视频处理算法工程师，计算机视觉工程师
要求
l
专业：计算机、数学、统计学相关专业；
l
技术领域：机器学习，模式识别
l
技术要求：
（1） 精通DirectX HLSL和OpenGL GLSL等shader语言，熟悉常见图像处理算法GPU实现及优化；
（2） 语言：精通C/C++；
（3） 工具：Matlab数学软件，CUDA运算平台，VTK图像图形开源软件【医学领域：ITK，医学图像处理软件包】
（4） 熟悉OpenCV/OpenGL/Caffe等常用开源库；
（5） 有人脸识别，行人检测，视频分析，三维建模，动态跟踪，车识别，目标检测跟踪识别经历的人优先考虑；
（6） 熟悉基于GPU的算法设计与优化和并行优化经验者优先；
（7） 【音/视频领域】熟悉H.264等视频编解码标准和FFMPEG，熟悉rtmp等流媒体传输协议，熟悉视频和音频解码算法，研究各种多媒体文件格式，GPU加速；
应用领域：
（1） 互联网：如美颜app
（2） 医学领域：如临床医学图像
（3） 汽车领域
（4） 人工智能
相关术语：
（1） OCR：OCR （Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程
（2） Matlab：商业数学软件；
（3） CUDA： (Compute Unified Device Architecture)，是显卡厂商NVIDIA推出的运算平台（由ISA和GPU构成）。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题
（4） OpenCL: OpenCL是一个为异构平台编写程序的框架，此异构平台可由CPU，GPU或其他类型的处理器组成。
（5） OpenCV：开源计算机视觉库；OpenGL：开源图形库；Caffe：是一个清晰，可读性高，快速的深度学习框架。
（6） CNN：（深度学习）卷积神经网络（Convolutional Neural Network）CNN主要用来识别位移、缩放及其他形式扭曲不变性的二维图形。
（7） 开源库：指的是计算机行业中对所有人开发的代码库，所有人均可以使用并改进代码算法。
（二）机器学习工程师
包括
机器学习工程师
要求
l
专业：计算机、数学、统计学相关专业；
l
技术领域：人工智能，机器学习
l
技术要求：
（1） 熟悉Hadoop/Hive以及Map-Rece计算模式，熟悉Spark、Shark等尤佳；
（2） 大数据挖掘；
（3） 高性能、高并发的机器学习、数据挖掘方法及架构的研发；
应用领域：
（1）人工智能，比如各类仿真、拟人应用，如机器人
（2）医疗用于各类拟合预测
（3）金融高频交易
（4）互联网数据挖掘、关联推荐
（5）无人汽车，无人机

相关术语：
（1） Map-Rece：MapRece是一种编程模型，用于大规模数据集（大于1TB）的并行运算。概念"Map（映射）"和"Rece（归约）"，是它们的主要思想，都是从函数式编程语言里借来的，还有从矢量编程语言里借来的特性。
（三）自然语言处理工程师
包括
自然语言处理工程师
要求
l
专业：计算机相关专业；
l
技术领域：文本数据库
l
技术要求：
（1） 熟悉中文分词标注、文本分类、语言模型、实体识别、知识图谱抽取和推理、问答系统设计、深度问答等NLP 相关算法；
（2） 应用NLP、机器学习等技术解决海量UGC的文本相关性；
（3） 分词、词性分析、实体识别、新词发现、语义关联等NLP基础性研究与开发；
（4） 人工智能，分布式处理Hadoop；
（5） 数据结构和算法；
应用领域：
口语输入、书面语输入
、语言分析和理解、语言生成、口语输出技术、话语分析与对话、文献自动处理、多语问题的计算机处理、多模态的计算机处理、信息传输与信息存储 、自然语言处理中的数学方法、语言资源、自然语言处理系统的评测。

相关术语：
（2） NLP：人工智能的自然语言处理，NLP (Natural Language Processing) 是人工智能（AI）的一个子领域。NLP涉及领域很多，最令我感兴趣的是“中文自动分词”（Chinese word segmentation）：结婚的和尚未结婚的【计算机中却有可能理解为结婚的“和尚“】

（四）射频/通信/信号算法工程师类
包括
3G/4G无线通信算法工程师， 通信基带算法工程师，DSP开发工程师（数字信号处理），射频通信工程师，信号算法工程师
要求
l
专业：计算机、通信相关专业；
l
技术领域：2G、3G、4G，BlueTooth（蓝牙），WLAN，无线移动通信, 网络通信基带信号处理
l
技术要求：
（1） 了解2G，3G，4G，BlueTooth，WLAN等无线通信相关知识，熟悉现有的通信系统和标准协议，熟悉常用的无线测试设备；
（2） 信号处理技术，通信算法；
（3） 熟悉同步、均衡、信道译码等算法的基本原理；
（4） 【射频部分】熟悉射频前端芯片，扎实的射频微波理论和测试经验，熟练使用射频电路仿真工具（如ADS或MW或Ansoft）；熟练使用cadence、altium designer PCB电路设计软件；
（5） 有扎实的数学基础，如复变函数、随机过程、数值计算、矩阵论、离散数学
应用领域：
通信
VR【用于快速传输视频图像，例如乐客灵境VR公司招募的通信工程师（数据编码、流数据）】
物联网，车联网
导航，军事，卫星，雷达
相关术语：
（1） 基带信号：指的是没有经过调制（进行频谱搬移和变换）的原始电信号。
（2） 基带通信（又称基带传输）：指传输基带信号。进行基带传输的系统称为基带传输系统。传输介质的整个信道被一个基带信号占用.基带传输不需要调制解调器，设备化费小，具有速率高和误码率低等优点,.适合短距离的数据传输，传输距离在100米内，在音频市话、计算机网络通信中被广泛采用。如从计算机到监视器、打印机等外设的信号就是基带传输的。大多数的局域网使用基带传输，如以太网、令牌环网。
（3） 射频：射频（RF）是Radio Frequency的缩写，表示可以辐射到空间的电磁频率（电磁波），频率范围从300KHz～300GHz之间（因为其较高的频率使其具有远距离传输能力）。射频简称RF射频就是射频电流，它是一种高频交流变化电磁波的简称。每秒变化小于1000次的交流电称为低频电流，大于10000次的称为高频电流，而射频就是这样一种高频电流。高频(大于10K)；射频（300K-300G）是高频的较高频段；微波频段（300M-300G）又是射频的较高频段。【有线电视就是用射频传输方式】
（4） DSP：数字信号处理，也指数字信号处理芯片
（五）数据挖掘算法工程师类
包括
推荐算法工程师，数据挖掘算法工程师
要求
l
专业：计算机、通信、应用数学、金融数学、模式识别、人工智能；
l
技术领域：机器学习，数据挖掘
l
技术要求：
（1） 熟悉常用机器学习和数据挖掘算法，包括但不限于决策树、Kmeans、SVM、线性回归、逻辑回归以及神经网络等算法；
（2） 熟练使用SQL、Matlab、Python等工具优先；
（3） 对Hadoop、Spark、Storm等大规模数据存储与运算平台有实践经验【均为分布式计算框架】
（4） 数学基础要好，如高数，统计学，数据结构
l
加分项：数据挖掘建模大赛；
应用领域
（1） 个性化推荐
（2） 广告投放
（3） 大数据分析
相关术语
Map-Rece：MapRece是一种编程模型，用于大规模数据集（大于1TB）的并行运算。概念"Map（映射）"和"Rece（归约）"，是它们的主要思想，都是从函数式编程语言里借来的，还有从矢量编程语言里借来的特性。
（六）搜索算法工程师
要求
l
技术领域：自然语言
l
技术要求：
（1） 数据结构，海量数据处理、高性能计算、大规模分布式系统开发
（2） hadoop、lucene
（3） 精通Lucene/Solr/Elastic Search等技术，并有二次开发经验
（4） 精通Lucene/Solr/Elastic Search等技术，并有二次开发经验；
（5） 精通倒排索引、全文检索、分词、排序等相关技术；
（6） 熟悉Java，熟悉Spring、MyBatis、Netty等主流框架；
（7） 优秀的数据库设计和优化能力，精通MySQL数据库应用 ；
（8） 了解推荐引擎和数据挖掘和机器学习的理论知识，有大型搜索应用的开发经验者优先。
（七）控制算法工程师类
包括了云台控制算法，飞控控制算法，机器人控制算法
要求
l
专业：计算机，电子信息工程，航天航空，自动化
l
技术要求：
（1） 精通自动控制原理（如PID）、现代控制理论，精通组合导航原理，姿态融合算法，电机驱动，电机驱动
（2） 卡尔曼滤波，熟悉状态空间分析法对控制系统进行数学模型建模、分析调试；
l
加分项：有电子设计大赛，机器人比赛，robocon等比赛经验，有硬件设计的基础；
应用领域
（1）医疗/工业机械设备
（2）工业机器人
（3）机器人
（4）无人机飞控、云台控制等

（八）导航算法工程师
要求
l 专业：计算机，电子信息工程，航天航空，自动化
l 技术要求（以公司职位JD为例）
公司一（1）精通惯性导航、激光导航、雷达导航等工作原理；
（2）精通组合导航算法设计、精通卡尔曼滤波算法、精通路径规划算法；
（3）具备导航方案设计和实现的工程经验；
（4）熟悉C/C++语言、熟悉至少一种嵌入式系统开发、熟悉Matlab工具；
公司二（1）熟悉基于视觉信息的SLAM、定位、导航算法，有1年以上相关的科研或项目经历；
（2）熟悉惯性导航算法，熟悉IMU与视觉信息的融合;
应用领域
无人机、机器人等。

⑥ vtk.js 官方文档（翻译）

官方文档地址

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

可视化工具包（VTK）是一个开源、免费的软件系统，用于计算机3D图形、图像处理及可视化。

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

它的实现包括一个ES6 JavaScript类库，该库可以集成到任何web应用程序中。

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

该工具包利用WebGL，支持各种可视化算法，包括标量、矢量、张量、纹理和体积方法。

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

VTK是Kitware的商业支持的开源软件开发平台集合的一部分。

Welcome to the vtk.js documentation.

欢迎使用vtk.js文档。

 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时遇到任何问题，请查看故障排除指南，在GitHub上提出问题，或者在邮件列表上开启一个主题。

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

vtk.js是一个用于在Web上进行科学可视化的渲染库。

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

它调整了VTK结构和专业知识，将高性能渲染引入浏览器。

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

您可以通过示例了解到，vtk.js可以为您做些什么。

Importing vtk.js as an external script  用加载外部脚本的方式引入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.

本指南说明了如何使用Webpack、NPM等现代工具把vtk.js作为依赖项来构建应用程序。