主要观点总结
本文讲述了图书李的个人经历与转行决策。他从苏州大学硕士毕业后加入大厂从事模型推理工作，期间经历了计算机视觉算法的研究和模型压缩与推理加速方向的转变。他基于个人经验和行业趋势分析，选择了模型压缩与推理加速作为新方向，并通过深蓝学院课程的学习，成功提高模型推理加速的倍数，并获得了实习和项目经验。他还推荐深蓝学院的深度学习模型推理加速课程，并介绍了课程亮点和目标。
关键观点总结
关键观点1: 个人背景与转行原因
图书李硕士毕业于苏州大学，曾在计算机视觉算法领域研究，因对深度学习/大模型的算法更新迭代的压力以及对模型落地部署技能点的看重，最终选择转向模型压缩与推理加速方向。
关键观点2: 转行的决策因素
图书李的决策基于三点分析：模型部署岗位的广泛需求、大模型落地部署对压缩与推理加速技术的需求以及未来前景的看好。
关键观点3: 深蓝学院课程的学习经历
图书李通过深蓝学院联合腾讯高级研究员杨伟光老师的课程，成功将模型推理加速倍数提高到8.3倍，并获得课程优秀学员的称号。这段经历为他带来了实习和项目经验，进一步提升了他在模型压缩与推理方向的价值。
关键观点4: 课程推荐与亮点
图书李特别推荐了深蓝学院的深度学习模型推理加速项目实践课程，课程亮点包括实战学习、深度理解原理以及完善的答疑服务。
文章预览
大家好，我是图书李，硕士毕业于苏州大学，今年6月毕业加入了大厂做模型推理的工作，毕业时拿到了华为南研所、腾讯北京等6家企业offer。 研一研二期间，我是做计算机视觉算法的，每天为提升模型在各大数据集上的精确率而绞尽脑汁，同时刷知乎时看到“计算机视觉算法岗的求职如同地狱般的难度”，于是开始纠结是否要继续做算法。直到参加在无锡召开的VALSE 2023，听到南京大学吴建鑫老师在分享模型轻量化、模型压缩以及推理加速的方向，自己非常兴奋，于是果断转到“模型压缩与推理加速 ”这个方向 。 （南京大学吴建鑫老师的分享开拓了我的视野） 当时自己的判断主要基于以下几点： 1. 深度学习/大模型的算法层出不穷，如果想产生新的idea，每天就得跟进新的paper，非常痛苦； 2. 不管模型如何变化，它总要在端侧落地部署，而端侧落
………………………………
