Re: [請益] 想從零開始轉行當AI軟體工程師
※ 引述《longlyeagle (長鷹)》之銘言:
: Hello 我勉強算是在一線外商做機器學習的
: 我覺得討論到這裡需要釐清一下所謂 "AI工程師" 的角色
: 在業界下圖打*號的都有可能會自稱是 "AI工程師"
: _________________________圖____________________________
: Domain Expert
: |
: *Data Analyst --- - Data Visualization ...
: | \ /
: *Data Scientist -+- Tools -+- Hadoop / Spark ...
: | / \
: *Data Engineer -- - Machine Learning
: | |
: Software Engineer *ML Research Scientist
: _______________________________________________________
: 不過左邊這三個跟右邊的研究員有本質的差異
: 應映現代的商業模式,人們為了加快業務的迭代速度與優化增長,
: 想要利用 Data 來自動做決策
: 所以左邊三個角色,雖然有的更貼近業務面,有的貼近工程面,
: 可是目標最後都是為了解決商業上的問題
: 而 Machine Learning 其實只是工具裡的其中一種
: 就像是廚師使用菜刀一樣
: 需要的是了解不同菜刀的特性並且根據菜單選擇不同的刀具
: 而不一定會需要打造菜刀
: 看得懂論文,能夠做實驗驗證不同手法在商業應用的效果就好
: 其他工序對食材的處理甚至會比選擇使用哪一把刀還要重要
: ML Research Scientist 則不同
: 這位是打刀人,不用管太多 Domain Knowhow
: 畢竟 ML 這個工具就是用數學打造出來的
: 所以需要更多數學相關的能力
: 撇開學術單位,純以業界而論
: 上圖左邊三個跟右邊一個的人力需求比超過 100:1
: 而且兩邊在技能需求上也有很大的差異
: 我覺得可以分開來看
: 架設我們今天目標是左邊偏重應用的
: 那除了機器學習之外在不同的產業有不同的專業需要學習
: 除了專業以外,其他相關的工具
: 比如資料視覺化,大數據工具,或一些清洗手法與流程也需要有所了解
: 這樣的職位看重的是即戰力
: 畢竟是找你來解決商業問題的
: 你在面試的時候要證明的就是自己的戰力
: 業界經驗,作品或是比賽會比較有用
: 如果要找的是右邊的研究員職位
: 這時候我們才更看重學問的紮實程度
: 又因為這個職位人數很少
: 就算有學歷如果沒有頂級論文基本也是沒有機會的
: 現在我們常說畢業生都做 AI 可是找不到 AI 工作的原因
: 就是因為左邊要找即戰力解決問題,右邊需求人數又少
: 所以最後還是走向 SDE 或是相關職缺
: 我是建議有想要走這一塊的不要把自己的路走窄了
: 想說自己就是只要找 AI 相關的工作結果一直找不到工作
: 除非確定自己就是要做很厲害的研究發很強的論文
: 不然我們平常看看跟自己做的應用相關的 AI 論文
: 保持自己對工具的熟悉度就好
: 不要排斥其他的軟工機會
: 至於原文的問題想要上課後找相關工作
: 這個就跟上面整理的一樣
: 光是做 AI 相關的畢業生就數不過來了
: 除非你能夠證明你的戰力
: 不然我比較推薦一般軟工的課,像是 Java 之類的可能比較好找工作
就目前我所知道的AI來說,絕大多數都是應用在"現有產品"的加值上面
怎麼說呢?
譬如說我就有聽過EDA的公司找應用DL來把EDA做最佳化的學生,
或像是趨勢想要把DL應用在惡意封包的偵測上,
或是本業是嵌入式系統的公司,想要做出更炫的產品應用等等,
但由於tensorflow 或是pytorch等,這些API已經算是很容易上手了,
所以很多公司往往會從"內部找工程師去受訓上課","內部找工程師去受訓上課"
來幫助自己的產品做加值。
這樣做會有幾個重要的好處:
1.公司內部不是每個產品都一定用到DL:
很多產品用非NN的演算法就可以解掉,或者是根本就沒有演算法的需求。像我就曾經做 過收到特定的TCP封包後,就讓我的MCU送出PWM的訊號,這哪裡演算法可言?! 但這種需 求多不多?目前這樣的需求還是"遠遠多過"會需要使用DL的項目。找內部工程師的好處 就是,當沒有要弄DL的項目時,工程師就可以回去弄原本既有專業。
2.這些東西真的是非常容易上手:
我其實就是被公司派去上課受訓的其中一員,半路出家的嵌入式工程師,跟我同時期去 受訓的也有兩個,上完課之後,要建"可以用的NN",根本就不是問題,而且重點是,
因為我們懂原本公司的產品,所以對於資料的前處理上根本就是得心應手,完全是無縫 接軌。又如同我前一篇文章所言,DSP前處完之後,丟到NN去之後正確率提高到90%,
客戶滿意跟爽才是重點,根本沒有人會去在乎演算法裡面是否只有NN。
所以前面有推文提到光學博士沒有全用NN,我個人覺得,那完全不是問題,
只要能滿足客戶的需求,有邏輯性,執行速度快,那就好東西!!!!!!!!!!!!
能夠能解決問題 ,根本94讚好嗎
總結以上的兩點,
所以就會回到一個很根本的問題:為何公司要特別請一個專門只做AI或是NN的人呢?
派工程師去受訓,了不起花個10幾萬就可以搞定的東西,何必再"每年"花個50~60萬以上或是百萬以上請一個專門只會做AI的工程師呢?
換個角度來思考,如果你今天是公司的管理階層,你會怎麼做?
那如果真的要請一個人專門做AI,那請問一下,你會想請甚麼樣等級的人物,這個錢花下去才會值得
所以再回到最原始的問題: 如果完全0基礎,去補習班學AI就可以找的到工作嗎?
恩....建議還是去學個前後端或是Java都比這個有用很多倍
真心不騙 ㄎㄎ
--
先從程式面做起來,有興趣再鑽研AI知識領域與程式
說得好 domain knowledge才是基本要求
除非是真的很頂尖的AI Engineer
好的AI工程師也應該要是好的軟體工程師
有道理
15
一般來說 我的面試會加問幾個問題 1. 請描述下 probability 的定義是什麼? 2. 請描述下 normal distribution 的定義是什麼? 3. 請描述下 medium 的定義是什麼?給 1234567 這個數組 中位數是多少?123456 中位數 是多少?5
其實看到這串討論文真的心有戚戚焉 目前AI工作2年多,是有一些心得... 其實AI方面的工作,更需要的是系統/資料收集相關的人員 例如 標註師、CUDA優化、嵌入式相關、伺服器相關等等... 這些都不需要數學多好,更要求的是程式/系統能力,需求量也更大39
我來散佈一些正能量好了 小弟在FANG的英國的一個一直賠錢的AI子公司工作4+年了。 其實我覺得數學真的沒那麼重要,除非你是要做理論的。 又不是每個人都是Ian Goodfellow, Ashish Vaswani, 還是 David Silver. 就算是這些重要的工作,也不見得數學有很深吧?35
嘛,看到這標題,身為本命愛蜜莉雅的肥宅工程師也來鼓勵(?)分享一下 本肥在112讀大學時修過CSIE田神的ML 猶記得當初只會寫C/C++的自己 在沒人提示的情況下,矇逼的手刻各種矩陣運算,一個作業寫了上千行code 在EE的繁重課業下忍痛停休23
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。8
Hello 我勉強算是在一線外商做機器學習的 我覺得討論到這裡需要釐清一下所謂 "AI工程師" 的角色 在業界下圖打*號的都有可能會自稱是 "AI工程師" _________________________圖____________________________ Domain Expert12
xxx 這行,水很深。 隨便套個行業或專業都適用。 當遊民撿垃圾這行也很深啊。 我都不知道哪裡貨源比較多,哪裡睡覺蚊蟲少。 哪個遊民不是從無到有去慢慢學的,只是誰先學,誰後學而已啊,拍什麼。這套在任何行業都這樣啊。11
我也來雲一下,因為自己年資尚淺,有些錯誤地方可能請大家提一下 自己算是AI相關工作 首先,如果"興趣"是做個手寫辨識或者讀個書/看個報導就想去做這行的話 我自己是覺得...工作閒暇之餘當作課外作業讀一讀/做一做還不錯啦XD 畢竟多學一些東西總是好的1
on : 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
爆
Re: [閒聊] 討厭科技的守舊派在想什麼?很好奇啦 目前台灣年薪偏高的,應該都是科技業工程師 如果明天突然一套ai問世 可以自己編修程式碼,出bug自己修正 一套還只要500萬37
Re: [請益] 想從零開始轉行當AI軟體工程師這篇應該算是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,16
Re: [閒聊] 討厭科技的守舊派在想什麼?很簡單 我跟你講 AI處理不了智障 懂嗎 客戶怎麼報bug1
Re: [問卦] 為啥鄉民都不看好AI?而社會上卻不是?: : 最近學校又舉辦AI相關的講座辣 : : 但是AI卻一直被鄉民説發展不起來或沒市場等 :