目前大热的AI和SLAM的职业发展的想法

　　目前，AI的研究和SLAM的发展已经走到使用领域。还记得三年前，上《信息光学》的老师在课上提到，他有一个研究生买了一个两万块的笔记本，还要出国去研究人工智能，当时听着认为这位学长很疯狂。可能那段时间，正是谷歌的机器与李世石的围棋大战正名噪一时的时候。

　　后来，自己也上了研究生，觉得矩阵理论很有用，之前一直觉得线性代数有一些问题，主要是实用性的问题没有答案，决心要选这门课。虽然最后的成绩很低，但矩阵理论中传达的精神和分析思路以及应用方法还是在脑子里留了一点印象，广义逆矩阵的核心观点深得我心，矩阵的对角分解更是解决了长久以来关于大规模矩阵的应用的疑惑。

　　同时，正是自己有限元电磁场分析正开始入门的时候，修了《光学成像中的数值方法》、《数值分析》等等课程，结合COMSOL和CST以及HFSS的应用，隐隐约约对矩阵在有限元具体问题中的应用有了感性认识。

　　大概在半年前，编写独立软件的愿望越来越强，下载了开源的CAD软件，尝试使用cmake编译，然而终究未果。接着转向Qt，使用Qt中的文件系统模型，这一段时间的编程集中在界面设计当中。

　　最近，看到slam的稠密图重建和deepfake的视频换脸技术，甚为惊异，于是下载了高翔博士的教程，粗略地读了一遍，新的知识在于李群。因此对群有了一点好奇，再加上晶体中的图形对称的应用，所以较为系统地去学习了一下群的表示方法和核心思想。除了李群，还有图优化和卡尔曼滤波，位姿估计，相机内外参标定，因为当时华为公司来学校招聘博士生，一起去凑热闹，对此有了一点接触。

　　在这段期间，也在linux端增强一些经验，包括去下载一些库，Eigen和OpenCV的使用，等等。

　　总之，算法的基础是要一点一点的打的，不能好高骛远。不管是AI，还是在SLAM的研究中，矩阵的基础理论和基本算法，关于矩阵应用的基础库函数的应用都是绕不开的。所以，将研究和训练的重点放在这里，逐步去读一些高级的内容并且实现之，归纳之，才能以较高速度成长。