Re: [請益] 我該找前端工作或專心學習ai?

看板Soft_Job (軟體人)作者johney719 (揪泥)時間3年前 (2020/10/30 21:57)推噓6(6推 0噓 6→)

留言12則, 6人參與討論串4/4 (看更多)

上次發文後，有些版友寄信問了些問題大多數問題是重複的，所以就再分享一下好了不過在講之前要先說，我本身並沒有非常的資深講的不一定是對的，主要都還是我個人工作上主觀的感受 1. 做AI相關數學一定要很好嗎? 數學好不好很難定義，但是以工作上來說會需要的能力是：把數學公式轉成程式碼的能力你不需要像論文一樣，完全理解證明的過程，但是要有能力把它實做出來比方說，像是SELU的證明過程長達80頁，有多少人能真的看懂? 可是工作上你只需要知道怎麼實做SELU出來就可以了 2. AI主要工作再幹嘛? 這個就看每個公司不同而有差，以我自己為例一半的時間整理資料，一半時間調整模型架構與參數資料會需要討論怎麼蒐集、如何標註、怎麼做正規化、如何做擴增...等等前置工作往往資料準備的好，事情大概就結束一半了有些特殊情況，像是無法標註或是資料極少就需要用到像是unsupervised learning 或是 one-shot learning 技術另一半的時間，會根據需求去調整架構以及調整參數這就會仰賴你看的論文的廣度，從中挑選出適合或混用網路架構至於調參就很吃經驗，除了參考論文的參數設置自己做久了也會知道一些神奇的參數XD 而這往往也是新手跟老手的差距 3. 面試官會期望看到什麼? 我自己在面試人時，會用以下的評分機制，好讓我快速挑選要邀請的對象相關學歷+1 發表相關論文+2 相關工作經驗+2 github有相關作品+2 kaggle比賽經驗+4 通常有4~5分我就會邀請來面試，當然這分數只是參考並不一定每次都會這樣篩選，像是kaggle比賽有master，就不會去看其他條件這邊提一下為什麼我很看重kaggle或是其他比賽的經驗我自己在比kaggle時，往往會花很多的時間認識資料對資料理解的好，才會做出合適的前處理與資料擴增資料的形式也會影響到模型的架構所以要看懂資料才能選出合適的架構過程中，也會體驗到調參的各種痛苦與絕望 (? 而且比賽也很考驗有沒有好好避免模型overfitting 排行榜上就常常看到很多人在最後成績公布時大翻車其實就是嚴重的overfitting kaggle 好好從頭到尾把解問題的流程都考驗了一輪這對在解工作上的需求時，會十分的有幫助以上大概就這些相信最近有在找AI相關工作的應該會感覺到競爭非常的激烈要從中脫穎而出並得到工作機會，多準備一些總是好的如果有想到什麼就在補充就這樣 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 61.231.242.215 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1604066252.A.33D.html

推

wow56397849

10/31 07:39, 3年前 , 1^F

10/31 07:39, 1^F

推

feiwens5566

10/31 13:05, 3年前 , 2^F

10/31 13:05, 2^F

如果只是抄別人的，是很難打進銀/金牌區的，畢竟又不是只有你會抄再退一步說，沒有料的人面試時問細一點就破功了

推

aidansky0989

10/31 13:14, 3年前 , 3^F