Re: [討論] 學校所學有銜接社會嗎
我目前職位是演算法,出社會五六年
我的心得是:
很多人會跟你說做中學,但我要跟你說
在科技業,這樣很不好!
出了社會一個東西一天要摸八小時,有得是時間讓你“做”,有什麼能不會做?你要怎麼比別人強?
我看到很多“經驗老道“的人會用一些四不像的方法硬幹來求解一些,高中大學就教過的標準數學問題
當然他也是把問題解決了,甚至可以跟老闆吹說這有多難,他想了多久多久
我來舉個例子吧:
假設量測某個元件指標y隨位置x變化值,經驗已知通常訊號呈山谷拋物線分佈
而我想找到y最低的位置x
但是每量測一個位置要花一小時,而且x空間太大,傳統量測一路scan下去找最低值太花時間了
於是我的量測系統寫成先隨機找兩點各量一次,接著由斜率推算低點方向挑一點再量,如此不斷逼近找到最低點
如果你看到這裡覺得這個掃法很合理的話
那我要跟你說一件神奇的事
國中數學已經跟我們說過,三個點可以求二次曲線頂點
粗掃三個點後就可以直接去理論公式算出的谷底再用原方法細掃了不就好了嗎?
以上例子是真的在“職場“發生的類似事件,而且都沒有人覺得原算法哪裡怪
那究竟是因為學校跟社會脫節了?
還是因為這樣問犯規?
如果改寫在國中數學考卷題目上我一定拿滿分,但考coding的話,答案只能是gradient decent。
我一直認為我人生中學過最難的東西都在學生時代了,只是我會不會用而已
再舉例我最近在Deep Learning裡的flow base model,裡面就提到Jacobian
很慶幸一直留著當年自己寫的微積分筆記
工作到現在,還是經常要翻到它
最近看有人用Hamilton Function訓練AI模型發論文了,這function我學過阿,怎麼論文就不是我發勒?
最後再補充,我學校學過的東西
百分之九十出社會我都沒用到過
所以,確實...你也可以做中學就好
--
雖然不是本科,不過我也認為大多數的時候數學解要幾乎都
是最好的方法
不是用算力去硬解的話其實數學歸納出來的解法通常是最不
花費資源的
但其實想出應用問題怎麼解,有什麼現成的可以配才是關鍵
現在AI很多東西,都是拿已經發表過的數學模型方法組合而成
只是人家想到怎麼用已經存在的知識做新的應用
數學理論的東西不是沒用,而是要用在正確的地方
你在找這些最佳解法的過程不就是做中學的一環嗎...
教是都有教,重點是人家想的到你想不到.千金難買早知道!
所以一邊做要一邊去學人家想到的東西 這也是做中學啊
一大堆研討會 讀書會 教授也都會去參加學習
我覺得是因為工作內容就是單純用不到數學才會這樣說
把數學專業拿去操作金融產品會不會賺更多呢?
quant trader 起薪幾乎是軟工封頂
確實這樣也是做中學,但我目前看到的人家做中學的概
念是指一些東西多做靠經驗就會了,而不是去搞懂基礎
知識或文件規格,例如有時一些前人傳承下來的設定,
看完了原文說明書就會發現他根本做錯了但還是一代傳
一代
萬一不是二次曲線而是高次項係數通常很小的曲線怎麼辦
電子元件的話還是會從物理角度或是量測經驗找出訊號
是符合哪種曲線再去導公式
20
演算法除了面試 平常也會用到阿 你是不會自己去造輪子沒錯 但知道什麼場景要什麼輪子才是重點 另一個問題是 不是所有的資料都單純是數字 你能不能把一個場景描述成可以用演算法解決的問題才是重點1
軟體工程課 : 資料庫資料的正確性控制(交易應用)和index設定 分散式系統課提到不同 consistency model 跟不同 lock 所能應對 transaction 上不同 情況的問題 資料庫課也會再提到,還會提 index 如何做的, b 系列的樹,多執行緒時如何加鎖等等14
首Po小弟我新鮮的肝(出社會< 3 y) 出社會這幾年深深的感受到在工作的應用上與學校學習的差距 以前在學校學的時候總是會說怎樣解怎樣解較好怎樣解效能比較快 或是怎樣解可以解決什麼問題ex:學校愛考的大數規則 排序法怎樣怎樣等等
爆
Re: [閒聊] 小學生喜歡的課程排名 第一名是數學?關於數學嘛.... 拿個遮東遮西的學生證不知道能不能算有研究過 但姑且加減或許也許也是有點接觸到數學 也曾在補習班小小教過 也帶過一些家教80
[問卦] 表妹問我一題國中數學 怎麼解?表妹傳給我一題國中數學 題目很簡單,a、b 、c都是整數 a + b + c = 8 a^3 + b^3 + c^3 = 8 求a b c各是多少37
[討論] ML/AI 工程師需要的數學我換個標題比較方便未來有人需要的話可以搜尋。 我來拋磚引玉一下台灣業界現況。 我個人 112 CSIE 碩畢,但碩論跟 ML 無關,沒有 ML 相關的學術論文。 Kaggle 銅牌以上 x 5 (兩次是抱團靠隊友) 六年工作經驗,算是 deep learning 熱潮起來以前就入行。33
Re: 本來學ML是該轉路還是繼續鑽研一個ML應用要落地產生商業價值 在data scientist把model訓練出來之後 還有很長一段路才能真正進到生產環境 ML系統的複雜度其實非常高 從資料收集,特徵處理, 模型訓練, 模型測試, 一直到後面的模型部署,模型監測22
Re: 本來學ML是該轉路還是繼續鑽研^^^^^^^^^^^^^^^^^ 恩..."後段國立科大資管",好一點的公司可能連HR那關都過不了 : 因為一些私人原因是不用當兵 : 所以論文完成後準備開始找工作 : 目前程度:23
Re: [請益] 想從零開始轉行當AI軟體工程師大家討論了很多高深的數學,或是頂會。 實際上,我真的很懷疑有多少人真的在業界上搞 AI。 只論台灣吧。首先市場上純研發,需要數學或考績強制發論文的職缺,占不到5%。而且這兩年職缺越來越少。更何況頂會… 台灣業界一年也沒看多少人在發頂會,幾乎沒有吧。就連國際研討會,比例來說也沒看到多少人在發,常常看論文的我都沒搜到台灣業界發的論與。板上動不動就需要數學與改模型架構,真的感受差很大,可能是我看得不夠多? 好啦,如果你在國外大公司當我錯了。的確很多人搞數學,但是人數比例還是超級少。 再來談產品。首先論產品的效果,資料面就決定結果論了。實際工作時,有大部份的時間在處理資料。然後還是要花很多時間做特徵工程。當然特徵工程你可以搞很深的數學啦,但是可能需求方,多給你一個有用的資料特徵,都比搞數學重要。13
[問題] 求推薦學普物前的基礎數學書?我自己讀均一.翰林/南一電子書.live數學觀念典 自認每段話都有看 並且思考為什麼 但還是連均一的國中題目都不會算.... 有些均一的題目一直錯6
Re: [問卦] 學拋物線 三角函數有什麼用李永樂老師回答過了啊 三角函數拋物線你不學 一樣可以出社會 只是你能選擇的工作裡會用到三角函數拋物線的工作 你就應徵不上了。4
Re: [問卦] 文組朋友:台灣重理輕文會自食惡果我跟你說 很多文組說 "因為我數學不好" 可是你問他甚麼高端啊 疫情啊 烏俄戰爭 美中博弈 台海局勢啊 他卻要你聽他的 因為他比較懂 他頭腦比你聰明 你頭腦聰明 怎麼國中高中的數學不行?1
Re: [問題] 數學該怎麼讀才有效?小弟從事專職家教多年,程度極高到極差的學生都有帶過,提供一點經驗給你參考看看 程度差的學生當中,落差其實是很大的,簡單分類大概如下 1.數學概念貧乏 例如根號的意思是什麼? y=2x+1的圖形怎麼畫? 如果沒有概念的話,建議從國中數學著手