PTT職涯區 / Soft_Job (軟體人)

Re: [請益] 非cs想走ai領域，投履歷沒公司理

看板Soft_Job (軟體人)作者 (back-propagation)時間9年前 (2017/03/15 16:01), 9年前編輯推噓31(31推 0噓 9→)
留言40則, 33人參與, 最新討論串2/11 (看更多)
※ 引述《zzss2003 (brotherD)》之銘言： : 各位大大好，小弟第一次在Soft版發文，有觸犯版規煩請提醒。 : 小弟為逢甲EE學逢甲綠能碩，碩士論文是電池電量估測的模型建立，去年九月底畢業。 ^^^^^^^^^^^^^^ 不好意思，因為這幾個字引起我的興趣，本來說想你應該有點 ML 這方面潛能， 就去看了你的論文。 假如沒錯應該是這篇： 奈米碳電池之電量狀態估測模型 http://handle.ncl.edu.tw/11296/ndltd/26136599142839699129 但是，看了以後發現我太樂觀 XD 不是說你不好，而是你所謂的估測模型建立，是基於對電子電路、電池化學特性的了解。 並不是從大量實驗產生的歷史數據中，規劃一個能自動 fit 歷史資料的模型， 以便找出特定條件下的估測值。 重點根本就不是在你什麼科系畢業， 而是你無法證明自己曾經用過任何一種 ML 或機率統計的方法解決問題。 : 上網看了很多文章才發現，人工智慧下不同的子領域，所要求的能力都不太一樣，比如機 : 器學習的職缺需求，都要有使用過模型(LDA, CNN, LR, DNN, RNN)的經驗；音訊與影像處 你舉的這些，3字元的那種都是比較高大上的模型。 真的想切入，建議不要被職缺需求牽著鼻子走，開需求的主管，自己可能也沒跨過入門， 把簡單的 bayesian, perceptron, linear regression 等學好，就已經能做很多事了。 簡單模型只要用得正確、用得精巧，還是會被高手青睞的。 我聽過一些公司根本沒累積多少資料，也想來個 deep learning， 但是連資料充分前處裡、充分 mining 的能力還都沒具備。 小數據有小數據的作法，現在太多人一味跟風 deep。 用什麼模型，應該先看看手上有什麼資料？想達成什麼目的？ -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.130.12.62 ※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1489564902.A.CD2.html ※ 編輯: backprog (220.130.12.62), 03/15/2017 16:07:37
推
03/15 16:08, , 1F
推(Y)
03/15 16:08, 1F
推
03/15 16:16, , 2F
好人
03/15 16:16, 2F
推
03/15 16:37, , 3F
03/15 16:37, 3F
推
03/15 16:42, , 4F
厲害 還去找PAPER
03/15 16:42, 4F
→
03/15 16:43, , 5F
推 deep learning 其實不是萬能 有些用ML就夠了
03/15 16:43, 5F
→
03/15 16:43, , 6F
用deep learning反而比較差
03/15 16:43, 6F
推
03/15 16:51, , 7F
強
03/15 16:51, 7F
推
03/15 16:54, , 8F
根本是大佛來著
03/15 16:54, 8F
推
03/15 16:54, , 9F
推
03/15 16:54, 9F
→
03/15 16:55, , 10F
先玩一般統計學再說了
03/15 16:55, 10F
推
03/15 17:01, , 11F
你真是好人
03/15 17:01, 11F
推
03/15 17:08, , 12F
推
03/15 17:08, 12F
推
03/15 17:10, , 13F
強
03/15 17:10, 13F
推
03/15 17:17, , 14F
ID 正確! 有開缺請私訊
03/15 17:17, 14F
我只是個小員工~ 你怎麼會覺得我能開缺
推
03/15 17:18, , 15F
好人無誤
03/15 17:18, 15F
推
03/15 17:27, , 16F
推一個。溫馨。
03/15 17:27, 16F
※ 編輯: backprog (220.130.12.62), 03/15/2017 17:41:30
推
03/15 17:51, , 17F
forward-progate 不重要嗎?XD
03/15 17:51, 17F
重要挖，沒有 forward-progate， backward-progate 怎麼會有東西可以計算?
推
03/15 17:54, , 18F
超瞎的 怎麼不再去念一個研究所
03/15 17:54, 18F
推
03/15 18:30, , 19F
有副教授或manager在口試的感覺
03/15 18:30, 19F
可能以前在研究室當學長當太久惹~
推
03/15 18:38, , 20F
推...
03/15 18:38, 20F
推
03/15 19:20, , 21F
好人+中肯.
03/15 19:20, 21F
推
03/15 19:21, , 22F
溫馨 友善
03/15 19:21, 22F
推
03/15 19:28, , 23F
推 善心人
03/15 19:28, 23F
推
03/15 19:40, , 24F
好心人 推推
03/15 19:40, 24F
推
03/15 19:55, , 25F
好心人
03/15 19:55, 25F
推
03/15 20:13, , 26F
推一語中的
03/15 20:13, 26F
推
03/15 20:56, , 27F
推
03/15 20:56, 27F
推
03/16 00:27, , 28F
Id正確
03/16 00:27, 28F
※ 編輯: backprog (39.9.137.153), 03/16/2017 01:15:41
推
03/16 06:07, , 29F
BPNN是你！
03/16 06:07, 29F
推
03/16 09:43, , 30F
不過,Domain Knowledge + ML/DL 才是王道啦
03/16 09:43, 30F
推
03/16 09:43, , 31F
deep learning變dick learning
03/16 09:43, 31F
→
03/16 09:43, , 32F
不然連基本特性的數據的非線性關係都沒有先處理,
03/16 09:43, 32F
→
03/16 09:44, , 33F
連model 都挑錯, 我不認為可以用土法狂煉鋼的方式
03/16 09:44, 33F
→
03/16 09:44, , 34F
找出好的模型.頂多就是不知所以然...
03/16 09:44, 34F
推
03/16 10:33, , 35F
NN需要你
03/16 10:33, 35F
→
03/16 19:01, , 36F
的確 在進入ML之前 有很多統計方面的手法可以先做分析
03/16 19:01, 36F
→
03/16 23:03, , 37F
推這篇
03/16 23:03, 37F
推
03/17 09:17, , 38F
推唷
03/17 09:17, 38F
※ 編輯: backprog (220.130.12.62), 03/17/2017 10:25:17
推
03/19 04:08, , 39F
看上面推文才注意到ID BP 4ni! XDD
03/19 04:08, 39F
→
03/20 09:53, , 40F
完全同意這篇。Deep Learning 實務上真的用的很侷限
03/20 09:53, 40F
‣ 更多 backprog 的文章
文章代碼(AID): #1OoFJcpI (Soft_Job)
討論串 (同標題文章)
本文引述了以下文章的的內容：
完整討論串 (本文為第 2 之 11 篇)：
排序： 最新先 | 最舊先 | 留言數
在新視窗開啟完整討論串 (共11篇)
Soft_Job 近期熱門文章
更多 近期熱門文章 >>
PTT職涯區 即時熱門文章
更多 即時熱門文章 >>
‣ 更多 backprog 的文章
文章代碼(AID): #1OoFJcpI (Soft_Job)