三年探索：电信/理科生的技术成长之路（电信科学是什么杂志？）

总结：因此，根据你目前的情况，你需要找到适合自己情况的成长路径。 低位计算机和高级计算机的思想是低位计算机和高级计算机。 这是我自己一直在探索的一条技术成长路线。 有兴趣和内置好友一起工作的朋友，可以试试我的这个学习路线。

时代变迁与未来决策

放眼时代变迁，用雷军的话来说：风一吹，猪也会飞。 我必须醒来。 就像世界上的两次工业革命一样，每次都有国家诞生，也有国家毁灭。 中国也经历了财富创造浪潮，创造了无数财富传奇。 一是体制改革。 许多人进入这个行业，创造了许多传奇。 第二次是关于房地产和全球化。 住房问题仍然是一个令人担忧的问题。 第三次是互联网时代。 当我观察今天的主要互联网公司时，我发现自己处于完全相同的情况。 当我还是大学一年级的时候，我深深地感到互联网时代已经结束了。 这句话并不意味着互联网将会衰落或关闭。 相反，它会经历最疯狂的增长期，然后是稳定期。 竞争将加剧，就业将趋于饱和，增长最终将放缓甚至下降。 这就是我们现在所看到的。

大家都知道，要想成长得好，不能只看现在。 我想很多人从1990年到2005年都看到了化工行业赚取了巨额利润。 如果今天让你选择一个，你认为石化行业还能盈利吗？如果让你15年后选择一个，互联网不一定会带来更高的收入。 时代在变，我们必须考虑时代的变化并做出决定。

还有一个非常重要的事情是，以上内容在政府的产业规划指导方针中白纸黑字写得清清楚楚。 如果国家鼓励并出台激励政策，这些行业无一例外都会相应崛起。

这次我感觉这波浪潮是在高端制造业和高科技产业，这与中国崛起为超级大国密切相关（高端制造业深受航天和卫星技术的影响）范围从重工业船舶、机车、电气，再到智能数控、智能装备、人工智能、大数据等高新技术产业。数据、5G技术、新能源等）。 这一判断主要基于“十四五”规划，前三波财富创造浪潮都是在“十四五”规划中出现的。

所以我对你们说的是，高端制造、高科技产业有一个超乎你想象的未来，一个可以改变你未来地位和阶层的未来，这是千真万确的。

其中最有前途的是智能。

专业的难点

作为一名电气工程专业的学生，​​这个专业非常好，但是当我思考我未来的职业时，我更倾向于培养科学家而不是工程师，我的方向是工程师。 物理学很广很深，所以它是一种方法。 因此，对我的工作和项目最有意义的课程是C语言、单片机原理和接口技术、Matlab以及数字和模拟电子学。 最后是数学和高数线生成概率论。 我还没有机会学习数据结构。 、编程、算法课程，选择完全软的课程相对于CS学生来说优势不大。 因为这几年我一直在尝试利用空闲时间学习这些技术。 但是，我不得不承认，人的时间和精力有限，不可能同时掌握SQL、JS、EDA、multisim。

所以，你一定要根据自己目前的情况，找到一条适合自己的成长道路。 纯嵌入式学习路线

第一年主要学习嵌入式设计的道路，硬件设计方面接触不多。 集成电路设计的门槛极高，不仅在校园，而且在全球范围内。 昂贵的。 所有纯嵌入路由都以相同的方式启动。 都是从51或者Arduino开始，到STM32、ARM、Raspberry Pi等，然后走嵌入式LINUX路线。 在这个阶段，我学习了语言之母C。

我开始学习基于嵌入式技术的IOT技术。

随着我逐渐了解更多有关微控制器编程和网络分布的知识，我想更多地探索这些板的功能。 ，这是2018小米IOT开发者大会上提出的AIOT技术，是AI与IOT相结合的技术。 那时我开始接触很多传感器，用单片机设备和各种网络模块收集数据并发送给华为云、腾讯云、手机、转向灯等平台。您可以通过互联网远程控制浇水、照明等。

第一次接触AI技术，后来逐渐引入AIOT技术

那是在我大二的寒假期间。 我在新加坡国立大学学习了机器学习课程，它带我进入了人工智能的殿堂，我学习了Python。 数据结构中的漏洞也被这一时期所填补，许多基础算法也被填补，包括非常流行的神经网络、随机森林、SVM 等。 随着学习的进展，我开始学习三个主要领域：ML - - CV、NLP 和 BI。 之后我就逐渐开始研究简历。 这段时间，我一直处于极大的动荡之中。

非计算机专业的学生真的可以学习人工智能并找到未来的工作吗？这种课程差距真的可以弥补吗？传统的微控制器和人工智能技术如何连接？

从根本上来说，当前的微控制器硬件仍然无法在本体上执行算法计算。 很多所谓的AIOT都是运行在PC端的。 这意味着设备收集数据并通过网络将其发送到云平台进行处理。 同时，也缺乏独立的大规模计算能力。

参加 NVIDIA CUDA 夏令营的灵感

NVIDIA 主要以超性能异构计算而闻名，其旗舰产品是显卡 (GPU)。 所谓的单片机实际上就是最小的计算机。 你可以把它想象成一个小型CPU（STM32）。 通过 NVIDIA，我了解到他们的一款产品 Jetson nano 可以配备显卡，并且具有足够的计算性能来支持自动驾驶和图像识别等简单的 ML 项目。 这是一块可以做AI的板子。 更重要的是，其Linux系统和带有CUDA的异构计算使其成为更加强大的人工智能工具。

来自专业的启发

当时我在认知实习期间听了几位中科院学者的发言。 他们正在进行的项目是设计人工智能芯片。 我们根据AI算法的结构特点重新设计了路线概念。 芯片框架。 当然，我们本科生达不到这么高的水平。 但我发现了另一个机会。 这是PCB设计。 我们使用的大部分板卡和设备都是直接用杜邦线连接的。 如果自己会画PCB板，就可以很大程度上替代杜邦线。 并通过3D打印机，用激光切割机制作的肠衣可以生产出非常好的产品。

下位机+上位机+AIOT的概念

下位机+上位机+AIOT是我自己一直在探索的技术成长路线。 首先我们来谈谈高级计算机和低级计算机。

主机：上位机是指可以直接发出控制命令的计算机。 一般情况下，PC屏幕上会显示各种信号的变化。 下位机：下位机就是单片机，是直接控制设备并获取设备状态的计算机。

我自己探索的路线是下位机Arduino（51）-网络通信（ ESP8266、Lo Ra、zigbee 等） - AI (CV) - - Linux – 主机 Jetson nano (CV、ML)

首先，主机相当于大脑。 执行人工智能功能。 然而，此功能可能仅限于外部接口。 但这还不够，下位机的功能是收集和执行数据。

这就是为什么我不选择 Raspberry Pi 或 STM32 作为我的主机。 由于性能、硬件设备和AI的要求，Nvidia的nano具有能够实现异构计算并且拥有GPU的独特优势。 ，这就是AI肯定会接触到的加速计算。 您可以打下坚实的基础。 我没有选择STM32的原因是因为它需要一种叫做Python的语言。 Python是AI中最常用的语言，所以我对STM32并不是很感兴趣。

为什么选择Arduino作为你的从机？首先，缺点很明显。 它的接口比STM32和51少。 自从使用增强版以来，已经改进了不少，但还是少了一些。 但他拥有的一项独特优势是学习社区。 Arduino 是一款在世界各地使用的开发板。 你常见的很多问题都可以在社区中找到，你可以找到很多有趣的项目来分享。

我以电磁炮+CV+ML+PCB自主自动瞄准解决方案作为我感兴趣的项目的例子。

您需要了解的第一件事是： 电路。 首先，枪的选择有很多，但为什么选择电磁枪而不是带有橡胶或钢珠的软弹枪呢？由于后坐力，算法变得非常复杂。 电磁炮的后坐力很小。 第二点需要做什么？CV还可以使用摄像头来定位目标，并辅以雷达或超声波，但这还不够。 给定清晰的空间关系，可以通过数学计算聚焦于目标的角度。 不，实际上有很多干扰因素。 目前，您需要使用ML来训练最佳的发射角度和方向。 我们这里如何经营？ Arduino用于控制驱动枪口并发射电磁炮的电机，Jetson Nano的CV和雷达用于确定方向，ML用于确定设计轨迹。

对AI和嵌入式技术感兴趣的朋友，试试我的学习路线