Re: [請益] 我該找前端工作 或專心學習ai?

小弟我自學AI大約三年

雖然本身有碩士學歷

但是基本上跟machine learning完全無關

所以應該還是可以分享一些東西

1.是否要念碩士?

如果經濟許可的話，建議就是直接走ML相關領域的碩士，

因為目前走AI這行就是要大量看論文，

即便沒有要念碩士，你始終逃避不了念論文

再者，你的畢業論文就會是你的第一個作品

好的論文對有程度的面試官，比程式作品或是比賽經驗都還要加分

2.AI方面的作品要怎麼準備?

由於公司的需求，我時常要實作相關的論文以做比較

實作完的東西，我就直接丟到github上

有時會寄信請原作者幫看一下有沒有問題

也有人因為逛到我的專案，進而得到一些合作的機會

我認為實做論文是不錯的方向

除了論文實做，就是kaggle的比賽

比賽不一定要打到非常前面的名次

比賽完將程式整理好放在github即可，至少證明你是有比賽過的

3.推薦資源

網路上資源非常多，不過我通常都不建議看部落格的東西，

最好就直接看原始的論文或書籍

以初學來說，我會推以下這本

Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow

裡面有程式範例，數學的比重沒這麼高，一開始會比較有成就感

如果有心要把deep learning的數學搞懂

就好好去研讀 Ian Goodfellow 的 Deep Learning Book

以上兩本書好好熟讀，個人認為就可以打下很好的基礎了

再接下來就是主題性的看論文，主題可以先挑有興趣的下手

比方說

activation function 相關: ReLU、LReLU、PReLU、Swish、h-Swish ...等等

image classification 相關: VGG、ResNet、InceptionNet ...等等

object detection 相關: YOLO、SSD、RCNN ...等等

GAN 相關: DCGAN、WGAN、SNGAN、ProgressGAN、StyleGAN ...等等

還有其他主題像是:

super resolution、semantic segmentation、reinforcement learning、

anomaly detection、one-shot learning ...等等一堆講不完

看完論文後也要去看作者的程式碼

因為往往裡面還會有很多細節是論文沒有講的

以上只是舉個範例，一個主題往往就是會有一拖拉庫的論文

我認為看論文就是最好的學習來源，並且整理出一套自己的筆記與心得

最後就是一定要自己看過原始的論文，不要只看別人的部落格解說

往往是看不懂或是一知半解，最糟糕的是得到錯誤的知識

最後你的問題

作品的註解應該用英文還是中文寫較好？

當然是全英文，不管是作品或是履歷，通通就是英文了

如果一間公司看不懂英文而拒絕你，代表這間公司的程度也不過如此

英文是基本要求，對面試者或是公司都一樣

※ 引述《pride829 (竹鼠)》之銘言：
: 在這篇文章中 我將data science machine learning及其他相關領域等統稱為AI, 因為我不確定將來
: 深入的領域為何 也還不到那個程度
: 大家好
: 我是應屆大學畢業生 國立 資訊工程系 但非四大
: 我接觸了很久程式 雖然一直在追求如何能夠寫的更乾淨有架構 但是從來沒有真正深入的: 用單一語言做一個大型專案
: 最熟的算是c++吧，其他諸多語言像是php python js java c#...等等也能稱得上"會": 如果用過就算會的話
: 但也僅止於用過而已 我寫的程式大多數都很淺 基本上不同語言的差別只有語法不同 翻: 譯之後沒有什麼差別
: 現在我要就職 我沒有任何的工作經驗 作品也很少 我也只知道從就職網站(104 1111之類: )謀職的方法
: 我注意到市面上有非常多前端工程師的職缺
: 我的選擇有二：
: 1. 學習一個前端框架 vue angular之類的 做個網頁 然後找個前端低薪的工作
: 其實照現在面試的情況 也許不用成品我就能找到這樣的工作了
: 或者是2. 我上kaggle學習data science, machine learning等等 等到有成品之後找這方: 面的工作
: 其實我有興趣的是人工智慧 前端我一點興趣都沒有
: 但問題是ai的職缺相對少很多 學歷要求通常在碩士以上 且我的數學不好 基礎也不好: 我目前自己灌了ubuntu自學, 只知道如何使用python引入DecisionTreeRegressor建立簡: 單的預測,如何處理missing value
: 以及大學時候上過課 對於classification clustering這些有基本的認知
: 如此而已
: 我不曉得如果我打定主意朝這方向走 會不會遭遇很大的困難 會不會拖很久才找到工作: 家裡的經濟狀況還可以 能夠讓我學習 但我擔心沒有工作經驗的我找不到ai方面的工作: 但如果我選擇前端工作, 那就真的只是為了生活而工作 因為我對它真的沒有興趣
: 如果這樣的話 我就打算利用下班時間自學ai 然後之後再找機會跳板
: 但我又擔心如果上工 會被佔用太多的時間 因此這是一個麻煩的抉擇
: 想請教我該如何是好？煩請各位解惑！
: 附上我的github：https://github.com/pride829
: 另外再問個比較不相干的問題: 作品的註解應該用英文還是中文寫較好？
: 我能夠用英文寫沒問題 不過我想如果看的人都是台灣人 我在台灣求職 好像不見得會比: 較好 因此詢問

--

個人認為RNN跟GAN是完全不同的東西，沒甚麼好比較的 RNN是一種網路架構，適合處理有時序的資料 GAN探討的是一種訓練方式，以網路之間的互相對抗達到更好的結果 RNN跟GAN是可以混用的，比如說: 用RNN產生有時序的擬人聲音，加上GAN更可以達到以加亂真的效果 論文要看什麼主題，端看公司的需求以及個人的喜好 但是能多看不同的主題就盡量多看，多吸取知識才是重點

我碩班是本科系，只是當時是做電腦圖學相關的 在我自學以前，是對ML一竅不通的，連基本的SVM都不知道 很幸運的是因為公司成立AI相關部門 那時候便與部門主管開始自學AI，後來也順利解決了公司產品上的老問題 詳細薪資不便透漏，第二年之後年薪有超過1M以上

我推的那兩本書用來打基礎應該就很夠了 別小看那兩本書，我自己前前後後就花了一年才好好地唸完 談到AI的潛力，其他領域我不敢說，以我熟悉的computer vision來說 原本我們公司是有兩個部門CV與AI部門 AI部門接到的專案都是CV部門解到放棄的題目 而這些題目，往往只花了我一個月就得到不錯的成績 甚至很多都端到客戶面前做過demo 最後就是連CV部門的人都開始學AI，而且最終兩個部門整併在一起變成AI影像部 這樣的潛力就不用我多說了吧