OpenCV<br>
熟悉了<font color="#000000">图像滤波相关方法</font>：中值、高斯、均值、双边滤波等，用于图像预处理<br>
熟悉了<font color="#000000">边缘检测相关方法</font>，通过检测图像的边缘来提取物体的轮廓
熟悉了<font color="#000000">模板匹配相关方法</font>，在图像中寻找与模板相同的物体或场景
熟悉了<font color="#000000">图像变换相关方法</font>，对图像进行旋转、缩放、平移等变换
熟悉了<font color="#000000">颜色处理相关方法</font>，例如颜色空间转换，提取目标颜色区域
深度学习
搭建过自己的神经网络：多模态视触融合神经网络；对MLP颇有研究<br>
熟悉卷积神经网络CNN，用于计算机视觉领域，对图像进行处理
熟悉循环神经网络RNN、LSTM，了解这些方法在具有时间特性任务中的使用
了解深度学习中的一些关键内容：激活函数、反向传播、梯度下降、梯度消失与爆炸<br>
了解注意力机制
熟悉准监督、半监督
熟悉Pytorch、tensorflow这两个深度学习工具，使用Pytorch进行自己的深度学习课题的研究<br>
熟悉建模的基本流程<br>
1. 数据准备：数据收集、预处理、定义数据集类、进行数据集加载<br>
2. 定义模型：选择合适的架构（CNN、RNN、Transformer、GAN、Diffusion、Graph Neural Network）<br>
3. 定义损失函数 & 优化器
4. 训练模型和验证
5. 评估和测试
6. 模型保存、加载、部署
Linux<br>
了解Linux操作系统的基本概念和特点，熟悉常用的命令行操作
使用过服务器来进行自己的硕士课题研究，配置pytorch环境，训练模型<br>
数据库
熟悉数据库的基本概念，如表、字段、索引、主键、外键等。了解数据库的基本原理，如数据存储、查询优化、事务管理等
能够编写和理解SQL语句，进行数据的增删改查操作
熟悉常见的数据库管理系统，比如MySQL
