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
如果是認真想走,那我是覺得,這行真的算是易學難精
AI一學就能輕鬆做幾個Project(手寫、分類),能獲得不少成就感
但往後要自己設計Model時就...
再來就,相關缺真的僧多粥少到蠻不推薦的
跟學C++/Web相比,入門有入門的工作,學一年有一年的工作,專精的有專精的工作
但搞AI的,如果AI只會入門,那大概就是需要大量其他專業知識
前面isaacting那篇我覺得就講得很好
學了一年,還是需要大量其他專業知識
直到AI專精為止,應該是都沒甚麼"純AI"的工作
而AI學習的ROADMAP 網路上不少,就隨便貼一篇可以參考看看
https://github.com/AMAI-GmbH/AI-Expert-Roadmap台灣的話個人體感大概CV : NLP : 其他 是 6 : 3 : 1
而AI缺,不少都是公司比較核心的缺,所以相對的缺也不像其他那麼多
AI相關,一個人給他一個月Train不出來,不會因為多找10個人就能一個月Train出來
用數值比喻的話,假如其他缺你能力值10、30、50、100都有對應的職位
那可能AI相關缺最低也是要60起跳(當然還是有少數掛AI給新手練功的啦)
至於專業知識和AI比例的話,我自己是覺得,以CV舉例
可能能力值100分過門檻,那這100分你要AI10分+CV90分或者CV10分+AI90分都可以
前面isaacting提過主CV的情況
那主AI的情況就是,可能對於CV方法只是大概了解,但可以跟懂CV的人合作
或者雖然不懂CV的詳細演算與證明,但大概知道這方法有哪些優缺點
而主AI的人能夠和人合作來透過AI改善傳統的CV方法
簡單例子就,可能某個非AI演算法,其中某幾項參數是用經驗法則來估計
或者用籠統的統計來計算
這時候可以用AI對這個演算法量身訂做一個Model來改善這幾項參數
純AI的大概就是要精通數學,但這個遠超我能力範圍就不雲了
當然這個"能力值"越高越難成長啦,可能AI能力就算投過頂會/AI相關碩博畢業
也只敢說70分而已
但,回到開頭提的,這行嚴重的僧多粥少
因為現在頂大,以112為例
10個LAB大概4個喊AI,另外4個不喊但是畢業論文都AI,只有兩個跟AI無關
這八個LAB的畢業生出去大概九成都充滿雄心壯志的想去找AI缺
而就我所知,連頂大都不是能保證找到相關缺了,那半路出家就更為困難了
自己簡單排序AI相關能力好找工作程度的話
0. 頂大 + 頂會
1. 有頂會
2. 頂大 + Kaggle高排名紀錄
3. 頂大
4. 有Kaggle高排名紀錄
5. 其他
非一線會議的AI相關論文應該比Kaggle排名略有用一點
其中大概3之後都不是非常好找了(樣本不足可能有偏差)
至於自己做SideProject的,受限於資料問題,這種真的就鳳毛麟角了
結論,認真想轉AI的還是三思而後行吧
如果想轉軟體,認真推薦學好C++/JAVA/JS等等常用語言實際多了
走影像/訊號處理 比起AI,傳統的算法更為重要
最後,英文超重要,熟不熟大幅度影響選擇的多寡
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.231.50.200 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1636556352.A.0D7.htmlstmilk1樓你的排序大概沒錯,但是頂會要在低一點。我還有另一個經 11/10 23:36
→ stmilk2樓驗,之前我們team在招人,我基本上是面試官,有個美國算 11/10 23:36
→ stmilk3樓普通世界排名比台大好一點的數學博士來面,我們有出考題 11/10 23:36
→ stmilk4樓,他擺爛不寫,然後我們也有出回家的一些題目,只是準備 11/10 23:36
→ stmilk5樓可以來討論的,他也沒準備。聊得過程中其實感覺什麼機器 11/10 23:36
→ stmilk6樓學習都不太會,專長是做數值計算。然後我在這個數學博士 11/10 23:36
→ stmilk7樓的經歷上,發現我們在同個時間面試過同一間公司的機器學 11/10 23:36
→ stmilk8樓習缺,那個公司要他不要我哈哈哈,我在那間公司面的狀況 11/10 23:36
→ stmilk9樓是技術考試沒問題,面試也ok,一面完當下直接約二面。然 11/10 23:36
→ stmilk10樓後我被刷掉了他們要那個博士XD 11/10 23:36
libitum11樓什麼叫做美國普通世界排名比台大好一點的學校? 說出來聽 11/11 00:00
→ libitum12樓聽? 一個phd的養成 我到好奇你們team的組成 怎麼面他? 11/11 00:01
→ libitum13樓老實說 美國一堆念非ML相關的phd 也直接去big tech當DS 11/11 00:02
→ libitum14樓or scientist researcher 完全不懂你在用這個衡量人家實 11/11 00:03
→ libitum15樓幹嘛欸 一個學士一個數學phd 撇開budget 誰都知道要選誰 11/11 00:03
→ libitum16樓你會的那些東西 一個math phd要讀這些東西根本不難 11/11 00:04
→ DrTech17樓不討論找什麼工作,就在預設職缺需要的技能排名,當然各說 11/11 00:21
→ DrTech18樓各話。 11/11 00:21
stmilk19樓水牛城大學,然後怎麼面的不是寫在上面了。阿我沒說他的 11/11 00:26
→ stmilk20樓實力怎樣啊我只說他機器學習不行啊。考試內容其中一題是 11/11 00:26
→ stmilk21樓矩陣微分,他不是算矩陣微分就算了連一階導數也沒連鎖率 11/11 00:26
→ stmilk22樓,啊如果你不知道這個能幹嘛我們沒交集就不跟你討論了~ 11/11 00:26
j095832208023樓做數值計算不會矩陣微分我是覺得很扯,題目可分享? 11/11 00:30
libitum24樓U buffalo的math phd被你形容成這樣 也真妙XDDD 11/11 00:31
→ libitum25樓一個math phd 坐first derivative不懂用chain rule? 11/11 00:31
stmilk26樓你也可以當我嘴砲啊我不在乎XD 這好多年前的事了啦,然後 11/11 00:32
→ stmilk27樓考的就是很基本的矩陣微分 11/11 00:32
→ libitum28樓然後這種東西 知道不知道這能幹嘛XD 11/11 00:32
→ stmilk29樓我怎麼知道他,總之是被我們刷掉了哈哈哈 11/11 00:33
→ stmilk30樓所以我說我們沒交集啊~ 11/11 00:33