PTT推薦

Re: [請益] 想從零開始轉行當AI軟體工程師

看板Soft_Job標題Re: [請益] 想從零開始轉行當AI軟體工程師作者
isaacting
(2312312)
時間推噓37 推:37 噓:0 →:20

※ 引述《noodle3574 (拉麵)》之銘言:
: 幫朋友發文代問
: ————————————————————
: 大家好,小弟最近下定決心要轉行,對AI的部分有點興趣
: 大概了解之後發現AI是用Python寫的,但做程式相關的朋友說轉行的話不太建議用Python: 當起手
: 因為是新東西,目前就業機會相較其他語言比較少建議從別的學起,也建議我上來問問各: 位前輩
: 想問有做AI相關工作還有使用Python的前輩們,學Python的出路相對其他語言真的比較少: 嗎?或是有其他更推薦做為入門的語言?
: 在網路上搜尋相關課程發現資策會和巨匠電腦有在賣Python的課程,看了一下有點想報名: ,畢竟有老師教
: 好奇他們的課程在職場上是真的實用且有幫助的嗎?還是有其他更推薦的教材或教學方面: 的資源可以使用呢?
: 最後想走AI方面的話前面可以做什麼類型的工作來累積經驗跟技術呢
: 我知道程式語言的水很深,所以想問問有經驗的前輩們的看法和建議。謝謝大家

這篇應該算是AI勸世文

如果你之前沒有任何工程背景,想要直接轉入AI的話,那真的是建議放棄。
AI發展至今,其實要入手真的非常容易,某種程度上只要知道如何呼叫API
(Python為介面)就可以完成很多事情。

我經歷過幾個用deep learning的實際例子,都是要解決既定的工程問題,
然後現有的工具不夠,所以才會選擇使用deep learning來解決
但是請注意,這些都是已經對該領域具備一定程度的domain knowledge,然後發現或許太難惹,之後才使用deep learning來解決。

1.使用AI來解決影像快速對焦的問題

對於這案子我沒辦法談得太細,我會參與這個案子是因為嵌入式系統是由我來開發的。
做這個演算法的是一個光學博士,他使用了大量影像前處理演算法,然後再把資料餵到
神經網路裡面,他因為前處理做得很好,所以他建構的神經網路只有5層的樣子,用Keras輕鬆完成,但其實說真的,這個最有價值的部分就在於"影像前處理演算法",因為那位光學博士"懂影像",所以"前處理"做得很好,資料跑出來後,其實用傳統的機器學習
演算法就可以做完的事情,只是現在AI很夯,所以套一下神經網路就降。

這個案子最有價值的是影像前處理演算法。

2. 使用AI來預測機器故障的可能性

這個部份我有參與部分的演算法跟系統開發,這個案子主要是利用IMU去偵測機器的震動,然後利用得到的振動頻率去預測機器損耗的可能性。但問題是要做這個東西,
就要先懂得DSP的訊號處理,像是要用甚麼類型的窗函數,然後要怎麼濾波,是用要IIR
還是FIR還是Adaptive Filter,那是要看一維time domain的訊號就好,
還是要看spectrogram? 這裡就有很多dsp的東西要去處理,我那時的經驗是,沒有做這些訊號的前處理,就丟到神經網路去之後,那個正確率低到不可思議(30%左右),但有
做這些dsp前處理之後,正確率就高達90%以上

這個案子最有價值的就是訊號的DSP前處理。


其實我還有陸續碰過類似這樣的案子,套路都是差不多這樣。倘若你今天已經做影像處理一段時間惹,想要讓自己變得更有價值,OK,那去學deep learning是絕對舉雙手贊成
,因為不是只有辨識才會需要deep learning,在影像方面還有很多的東西會需要
用到deep learning,會用AI真的是如虎添翼!

再來,其實理工的要學deep learning根本就是無痛上手,像案例一的光學博士,
他從0開始自學只花了2個月就可以建構出跑得動的神經網路,如果他手上的案子會需要
非常複雜的神經網路,而他處理不來的話,我相信也應該會找CS或是數學畢業的碩士生
來弄,而不會找一個"中途轉行"的人來處理這個事情。

所以沒有任何理工背景,然後只是因為對AI感興趣想要轉行到這邊的話...這個...恩
ㄎㄎ~~~~~三思後行吧







--

※ PTT留言評論
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 49.217.250.156 (臺灣)
PTT 網址
※ 編輯: isaacting (49.217.250.156 臺灣), 11/09/2021 09:14:45 ※ 編輯: isaacting (49.217.250.156 臺灣), 11/09/2021 09:15:11

geniusturtle11/09 09:28

saphy11/09 09:29感謝分享

hizuki11/09 09:39正解

haydou11/09 09:50push

hegemon11/09 09:51這波讓很多人覺得學幾堂課就可以轉行搞AI的就是那些補習

hegemon11/09 09:51班呀,害人不淺

hegemon11/09 09:52還有非常早期大概五年前確實一堆call api的就可以打著AI

hegemon11/09 09:52的名號在市場上騙吃騙喝,但是時代已經過了

其實那些補習班對於案例一的那位博士確實很有幫助~~~ 只是他也可以自學就搞定惹~~~不過如果打著招牌說來學個AI就可以就業.... 這個就...恩.........QQ

※ 編輯: isaacting (49.217.250.156 臺灣), 11/09/2021 09:54:21

yoshonabee11/09 09:53正確

devilkool11/09 09:58光學博士好厲害

unchained11/09 10:10這種東西門檻低 缺又少 又熱門 真的不要再當砲灰了

Lhmstu11/09 10:17

ogsogsogs11/09 10:21觀念正確 domain knowhow一直才是關鍵

bheegrl11/09 10:28推分享

longlyeagle11/09 10:31nice nice

NMOSFET11/09 10:36現在就是會影像辨識但不會影像處理的一堆XD

jobintan11/09 10:40口可!賣鏟子的才不會跟買家說這些東西。wwwwwwwwwwwwww

DCTmaybe11/09 10:52勸世文推

wei11511/09 10:55小弟私立學店 一堆AI課程 看了老半天也不知道在AI什麼= =

ejirmpcj11811/09 10:55

justaID11/09 11:06推實務分享,很實際

Kagami342111/09 11:25

testPtt11/09 11:41叫AI才可以騙人來上課 叫資料分析課都開不成

TSO238671011/09 11:48收藏

smallcar80111/09 11:53內行,前處理真的是關鍵,作法太多沒有專業和思路真

smallcar80111/09 11:53的很難找到有效的方向,只能不斷try error

bnd032711/09 12:27推 你總得先成為專家才能訓練專家

vi00024611/09 13:16正解 ai只是解決方案的一種

vi00024611/09 13:18沒有前處理只是垃圾進 垃圾出 套ai一樣是垃圾

alihue11/09 14:15補充一點,純研究不會工程的MLer還蠻不吃香的,

alihue11/09 14:15偏偏不少MLer技術都蠻爛的

AlbumXimals11/09 14:38這篇正解

Easdf11/09 14:51推這篇

empliu11/09 14:58AI門檻低 XDDDDDD

Gaogaigar11/09 15:05是光學博士的問題 理當來說NN要做的是取代他的前處理

Gaogaigar11/09 15:08但是他重新學又train 倒不如他自己幹出來比較快

Gaogaigar11/09 15:09但換個角度想都是這個領域的頂尖了 他還不打算用的話

Gaogaigar11/09 15:10新手就更加難以入門

a2741733211/09 15:47同意樓上的解讀,領域知識應用在DL應該是設計架構用

alice7822611/09 16:17推推

transforman11/09 17:09好聞

dream040511/09 17:24資管系ㄋ,有機會進入此領域嗎

viper970911/09 17:30推這篇~超專業

ya213811/09 18:36domain know-how 才是真正的關鍵

dd90033611/09 19:08碩班的AI論文目前非常氾濫 而且大部分人畢業做的工作一

dd90033611/09 19:08點關聯都沒有...

recorriendo11/09 20:20語音處理目前也都是要經過某些程度的傅立葉轉換才丟

recorriendo11/09 20:20進DL阿

recorriendo11/09 20:22讓DL自己學會時頻轉換等前處理 原則上沒有說不行 但

recorriendo11/09 20:22現在就是還沒看到做得好的

kuan11/09 23:40

zmcx1611/10 00:13推, 要嘛AI真的懂那些數學的演算法, 不然就是對要解決的問

zmcx1611/10 00:14題的domain knowledge有料, 不然真的做不出能拿來賺錢

ntutworm11/10 00:55不只工科 以前我們餵一些財務資料 跑出來還是要有一點財

ntutworm11/10 00:55會背景幫忙解釋數據的因果

jiusishuai11/10 08:01

cunankimo11/10 12:39正確