PTT職涯區 / Soft_Job (軟體人)

[請益] 非資訊本科學習大數據與AI異業結合的機會

看板Soft_Job (軟體人)作者 (Komonkey)時間5年前 (2020/07/09 09:20), 5年前編輯推噓18(18推 0噓 66→)
留言84則, 18人參與, 5年前最新討論串1/2 (看更多)
各位年收三百萬的大神好： 關鍵字：非本科、異業結合、資策會課程、TibaMe 關鍵引：提問在 項次四 一、前言 本魯近期想離職學習Big Data及AI領域知識， 以便異業結合，希望職涯有突破性的發展， 所以來版上請各位大神幫我健檢跟建議。 二、背景介紹 1.國立中字碩，土木+環工背景，年上31，有環境工程技師牌。 2.TOEIC 7XX 剛好上藍色。 3.石化產業生產工程師約4~5年資歷。 4.因為工作與志趣不合，希望學習資訊技能，異業結合以突破現狀。 5.未來希望能做環境+資訊的產業。 個人學習資訊技能的經驗： 1.目前自學python中，Bill Lubanovic《精通Python》快讀+練習完了，但還沒自己做出P roject。 2.過去當兵曾自己K一本C語言，一樣邊看邊練習題目只有做過很簡單的小Project(屬於不 值一提型的)。 3.學過Android APP製作課程，程度大概就職訓局1期課程等級而已，後面也沒繼續發展。 4.大學學過Java、Fortran及C++，當時上課都跟得上。 三、目前計畫 1.打算轉職，原本找到一個外商公司，後來發現工作內容與資訊關聯性低。 2.一樣離職，給自己4~6個月時間，全職上資策會課程學BIG DATA及AI，或上Tibame，端 看哪個時間比較合適。 四、問題 1.這樣異業結合，是否能讓我有不一樣的機會，在轉職上可以有突破？ 2.資策會、TibaMe是否是好的學習資源，能否對我未來有幫助？ 3.是否有其他建議資源或發展路徑可以建議我？ 以上，感謝各位大神，閱讀，還請不吝賜教。 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.82.165.162 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1594257640.A.A82.html ※ 編輯: komonkey (111.82.165.162 臺灣), 07/09/2020 09:22:03 ※ 編輯: komonkey (111.82.165.162 臺灣), 07/09/2020 09:23:14 ※ 編輯: komonkey (111.82.165.162 臺灣), 07/09/2020 09:27:49
推
07/09 09:27, 5年前 , 1F
貪多不爛。選一樣吧！
07/09 09:27, 1F
※ 編輯: komonkey (111.82.165.162 臺灣), 07/09/2020 09:28:50
推
07/09 09:30, 5年前 , 2F
異業結合感覺很酷，但實際落地並不容易，AI做的好不止要
07/09 09:30, 2F
→
07/09 09:30, 5年前 , 3F
AI應用+資工+domin knowledge都必須到達一個平衡
07/09 09:30, 3F
→
07/09 09:31, 5年前 , 4F
覺得不用離職，先試試線上大師課程，看可以給你帶來什
07/09 09:31, 4F
→
07/09 09:31, 5年前 , 5F
麼?
07/09 09:31, 5F
→
07/09 09:34, 5年前 , 6F
大家都在瘋AI 短期課程拼得贏本科碩博班的研究嗎
07/09 09:34, 6F
推
07/09 09:35, 5年前 , 7F
Tibame本人上過 老師我覺得沒問題 但是大多還是自己研究
07/09 09:35, 7F
→
07/09 09:35, 5年前 , 8F
最重要是你學出來沒學歷公司根本也不會想要你
07/09 09:35, 8F
→
07/09 09:38, 5年前 , 9F
本想說去上課可以做出project，有作品+結訓證明能加分?
07/09 09:38, 9F
→
07/09 09:38, 5年前 , 10F
另外上課都是教你套版 底層算法還是要自己去學
07/09 09:38, 10F
→
07/09 09:40, 5年前 , 11F
我不怕要補學不足的知識，但目前自學就是常常不知缺什麼
07/09 09:40, 11F
推
07/09 09:41, 5年前 , 12F
轉職純AI肯定拼不過本科
07/09 09:41, 12F
→
07/09 09:42, 5年前 , 13F
先找找一些想要投的職缺 看看JD內容需要用到那些技
07/09 09:42, 13F
→
07/09 09:42, 5年前 , 14F
術 工具 自己嘗試摸看看
07/09 09:42, 14F
→
07/09 09:43, 5年前 , 15F
我知道，我本意是強化我在本業的特殊性，沒有要走純AI。
07/09 09:43, 15F
推
07/09 09:43, 5年前 , 16F
異業的切入點要看你自己了 土木環工本來就封閉了 大家也不
07/09 09:43, 16F
→
07/09 09:43, 5年前 , 17F
知道實際產業情況
07/09 09:43, 17F
→
07/09 09:45, 5年前 , 18F
確實，我應該多深入了解這BIG DATA跟AI在環工的應用。
07/09 09:45, 18F
推
07/09 09:45, 5年前 , 19F
國外可能比較多機會
07/09 09:45, 19F
→
07/09 09:46, 5年前 , 20F
那如果要純學應用，是否上那些課會有幫助?
07/09 09:46, 20F
→
07/09 09:47, 5年前 , 21F
不是純AI是什麼意思
07/09 09:47, 21F
→
07/09 09:49, 5年前 , 22F
2F 您domin knowledge是指我本科的專業知識?還是AI方面?
07/09 09:49, 22F
→
07/09 09:49, 5年前 , 23F
好奇 你對AI的理解是啥
07/09 09:49, 23F
→
07/09 09:52, 5年前 , 24F
olivewood 我以為是透過機器學習來預測我想知道的問題，
07/09 09:52, 24F
→
07/09 09:52, 5年前 , 25F
需要會發展演算法，但我想這塊我無法比擬純血，所以希
07/09 09:52, 25F
→
07/09 09:52, 5年前 , 26F
望達到能應用即可。
07/09 09:52, 26F
→
07/09 09:53, 5年前 , 27F
leo08210917 我的想法同回覆o大的。
07/09 09:53, 27F
推
07/09 09:54, 5年前 , 28F
domin knowledge就是你本業專業，問你自己想要透過Al呈
07/09 09:54, 28F
→
07/09 09:54, 5年前 , 29F
現什麼?不要把AI當成純程式手法
07/09 09:54, 29F
推
07/09 09:59, 5年前 , 30F
上Github看看人家做甚麼？土木環工有很多有趣的題目，題
07/09 09:59, 30F
→
07/09 09:59, 5年前 , 31F
目程式手法只是專案其中一部份但絕不是全部
07/09 09:59, 31F
→
07/09 10:01, 5年前 , 32F
純應用也要懂理論吧，AI的重點不是在寫程式耶
07/09 10:01, 32F
推
07/09 10:11, 5年前 , 33F
目前大部分的落地AI應用，說穿了就是幫你做完討人厭的統計
07/09 10:11, 33F
→
07/09 10:11, 5年前 , 34F
過程，與簡化需要專家大量人工分析才能做出判斷，來輔助決
07/09 10:11, 34F
→
07/09 10:11, 5年前 , 35F
策者決定。所以你先想一下你目前的domain有沒有這一類的問
07/09 10:11, 35F
→
07/09 10:11, 5年前 , 36F
題，再去想如果要解決這些問題，要走哪個領域的AI分支與技
07/09 10:11, 36F
→
07/09 10:11, 5年前 , 37F
術，例如是影像識別/NLP之類的。
07/09 10:11, 37F
→
07/09 10:12, 5年前 , 38F
jienfong 我剛上github發現新世界，感謝!您的這建議真
07/09 10:12, 38F
→
07/09 10:12, 5年前 , 39F
的很好，感謝。
07/09 10:12, 39F
→
07/09 10:13, 5年前 , 40F
環工我猜應該會有IoT長期監測收數據跟統計的議題。
07/09 10:13, 40F
→
07/09 10:15, 5年前 , 41F
olivewood 我想我得多學習理論，看來重點不是去哪學，是
07/09 10:15, 41F
→
07/09 10:15, 5年前 , 42F
要學到需要的，我還要在明確瞭解我缺乏的東西才可。
07/09 10:15, 42F
→
07/09 10:16, 5年前 , 43F
TAKADO 我就是想在監測這方面應用
07/09 10:16, 43F
→
07/09 11:11, 5年前 , 44F
你這是換領域吧，好聽點叫異業結合，目前覺得在ㄧ
07/09 11:11, 44F
→
07/09 11:11, 5年前 , 45F
種領域做到top比較好，其余只是加分
07/09 11:11, 45F
→
07/09 11:31, 5年前 , 46F
你要拿什麼結合，看起來是混不下去轉行。
07/09 11:31, 46F
推
07/09 13:41, 5年前 , 47F
你想做的事應該要在本行做 跟你老闆說你要導入新技術幫助
07/09 13:41, 47F
→
07/09 13:41, 5年前 , 48F
分析 商業上的決策之類云云
07/09 13:41, 48F
推
07/09 14:55, 5年前 , 49F
有個觀念可能要注意，統計學和人工智慧差異頗大，兩個
07/09 14:55, 49F
→
07/09 14:55, 5年前 , 50F
領域雖然本質有點雷同，但後續發展完全是不同領域
07/09 14:55, 50F
→
07/09 14:57, 5年前 , 51F
不能說人工智慧就是在做統計工作，這兩個領域使用目的
07/09 14:57, 51F
→
07/09 14:57, 5年前 , 52F
完全不同
07/09 14:57, 52F
推
07/09 15:00, 5年前 , 53F
學術上這兩派人馬也是戶別矛頭
07/09 15:00, 53F
→
07/09 18:25, 5年前 , 54F
juijuijuijui 這麼說也有道理。
07/09 18:25, 54F
→
07/09 18:26, 5年前 , 55F
GGFACE 我想在本行做沒錯
07/09 18:26, 55F
→
07/09 18:27, 5年前 , 56F
jienfong 那我得來研讀一下他們的異同了
07/09 18:27, 56F
→
07/09 23:23, 5年前 , 57F
不能全部都平的，還是要有突出點
07/09 23:23, 57F
※ 編輯: komonkey (111.82.165.162 臺灣), 07/10/2020 09:24:06 ※ 編輯: komonkey (111.82.165.162 臺灣), 07/10/2020 09:58:23
推
07/10 13:14, 5年前 , 58F
在台灣要走資訊先拿個CS碩吧
07/10 13:14, 58F
推
07/10 23:24, 5年前 , 59F
講一下其實統計跟人工智慧還是關聯很大的，畢竟人工智慧
07/10 23:24, 59F
→
07/10 23:24, 5年前 , 60F
的模型通常大部分是建於統計知識上，所以統計才是大宗人
07/10 23:24, 60F
推
07/11 14:08, 5年前 , 61F
1.你想走的要有電資碩不然公司看到直接刷掉，2.資策會上
07/11 14:08, 61F
→
07/11 14:08, 5年前 , 62F
那個是浪費錢和浪費時間，你可能上完找到的工作只是個資
07/11 14:08, 62F
→
07/11 14:08, 5年前 , 63F
料庫管理人員
07/11 14:08, 63F
→
07/11 14:09, 5年前 , 64F
3.語言先找1，2項點到精，不要全都點
07/11 14:09, 64F
→
07/11 20:44, 5年前 , 65F
greenx 好吧…這也是台灣的現實…而且我查了發現國內並
07/11 20:44, 65F
→
07/11 20:44, 5年前 , 66F
沒有類似的缺，只有國外有，要的是環工碩+資訊技能…
07/11 20:44, 66F
→
07/11 20:46, 5年前 , 67F
min86615 我可能先縮限在data analysis會好一點
07/11 20:46, 67F
→
07/11 20:47, 5年前 , 68F
haseo00 也太慘了吧！
07/11 20:47, 68F
→
07/11 20:47, 5年前 , 69F
haseo00 有什麼推薦先點滿的嗎？
07/11 20:47, 69F
→
07/12 11:09, 5年前 , 70F
你的數學好不好？
07/12 11:09, 70F
推
07/13 07:36, 5年前 , 71F
台塑 長興有找過 AI 工程師，希望能幫到你
07/13 07:36, 71F
推
07/13 07:54, 5年前 , 72F
很吃數學
07/13 07:54, 72F
→
07/13 13:12, 5年前 , 73F
TWBilly 敢問要到數學什麼程度才夠？
07/13 13:12, 73F
→
07/13 13:12, 5年前 , 74F
pig0038 感謝寶貴資訊
07/13 13:12, 74F
→
07/13 13:13, 5年前 , 75F
Josephcheng 數學要到什麼程度才夠？
07/13 13:13, 75F
推
07/16 04:54, 5年前 , 76F
以小弟我粗淺的理解 如果你是想走傳統機器學習 建議
07/16 04:54, 76F
→
07/16 04:54, 5年前 , 77F
線代、統計、機率都要有一定的了解，現在比較主流的
07/16 04:54, 77F
→
07/16 04:54, 5年前 , 78F
應該是pgm、hmm、random field和kalman filter這些吧
07/16 04:54, 78F
→
07/16 04:54, 5年前 , 79F
，如果是deep learning的話，我自己覺得high level c
07/16 04:54, 79F
→
07/16 04:54, 5年前 , 80F
oncept 的確相對好理解，但是實現的細節，以及如何以
07/16 04:54, 80F
→
07/16 04:54, 5年前 , 81F
現有模型基礎發展出新的架構還是比較有難度，小弟對
07/16 04:54, 81F
→
07/16 04:54, 5年前 , 82F
這一塊了解也不是很深，若有錯誤還請高手指正，然後
07/16 04:54, 82F
→
07/16 04:54, 5年前 , 83F
土木這一塊我也不懂不方便評論什麼，只是用比較gener
07/16 04:54, 83F
→
07/16 04:54, 5年前 , 84F
al的角度給你建議。
07/16 04:54, 84F
‣ 更多 komonkey 的文章
文章代碼(AID): #1V1d3eg2 (Soft_Job)
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 komonkey 的文章
文章代碼(AID): #1V1d3eg2 (Soft_Job)