Re: [請益] 非cs想走ai領域,投履歷沒公司理
Hi~
從你的文章中可以感覺到你不了解AI,就說對他有興趣。這讓我想到了以前的我
也差不多是這個樣子,我猜你會有覺得應興趣是看到像AlphaGo 這種看起來覺得超屌東西
然後現在大家都在嘴AI,談論AI一時蔚為風尚,你就覺得有興趣。我不是什麼AI高手
只是一個在這個圈子自學3年多在ml相關lab蹲了一年的RA也還正在學習
但我可以跟你分享該如何確定自己有興趣這件事
(然後我假定你是真的想玩像alphago那樣的東西
所以以下我針對這個方向來寫)
如何知道我有興趣?
除了修課還是修課! 先去Coursera上把Andrew的課看完
接著再去把軒田ML(HTML lol)基石和技法看完,這之中缺什麼數學就去學什麼
基本上就是線代 微積分 機率與統計。這一段完成後你就會對ai/ml有些基本概念
這會花多久呢。看個人造化,軒田老師的課我至少全部看完三遍,每次看都有新的體悟
原來這裡是這樣呀~我上次看還無法看出這樣的連結呢!這樣的感覺
因為我不是學生,前後大概花了快一年吧
接著呢?去打一兩場Kaggle,把學過的演算拿來用用看。盡量先不要挑要DeepLearning
的因為你沒那個設備根本沒得打(雖然現在上面一堆DL..不過就盡量找找吧)
一場比賽大概都2~3個月過程中還蠻虐心的,需要有毅力撐到最後。
這過程中你會遇到各種眉眉角角,而你也會學會如課去克服這些眉角。
如果你每場比賽排名至少top10~15%,代表你有一定的基本功
我當時的相關經驗就到這,去丟面試就有一些回應。我承認112這個招牌有差就算非本科
但就我觀察現在業界裡真的在找Data Scientist/Machine Learning Engineer的你就算
112沒相關經驗也不太鳥你(那種拉拉報表跑跑Excel掛大數據BALBLA的可能例外啦XD)
其實走到這裡你大概會初步知道你到底有沒有興趣
我假定你真的想玩AI,Deep Learning的知識是多少需要的
去看Standford,Oxford的deep learning吧,把NLP,CV的都看一看。還有餘力的話
Reinforcement learning也去了解一下。在此同時,你也可以去大量閱讀一些paper
玩一些deep learning的project來探索你到底對哪一塊有興趣
最後,台灣基本上沒有這個"產業",只有幾家公司,但也不全是看起來很潮的DL
你真的想繼續玩下去,很可能要做好出國的打算
結論
上面拉哩拉雜寫了那麼多,其實重點和共通點只有一個:
Learning by "doing", Discover youself by "doing", not just saying
其實你不是我最近聽到第一個說對AI/ML完全沒接觸就只是覺得很潮就說有興趣的
最近一兩年有太多這樣的案例了,很多人都在講,很少人下去做
而且不是三分鐘熱度的做,是持之以恆一直去做下去
我現在在最後那個階段,坦白說真的還很嫩很多要學 前方大概有一莫爾的怪物
我不曉得你能撐到上面的哪個階段,可能第一階段修課就陣亡了
那又如何呢? 證明你不是這塊料早點離開去找尋其他適合你自己的
省著浪費自己的生命去跟大眾起舞
最後引用Andrew在Quora上對How do I start machine learning career的一段回應:
Every Saturday, you will have a choice between staying at home and
reading research papers/implementing algorithms, vs. watching TV.
If you spend all Saturday working, there probably won't be any short-term reward
,and your current boss won't even know or say "nice work." Also,
after that Saturday of hard work, you're not actually that much better
at machine learning. But here's the secret:
If you do this not just for one weekend, but instead study consistently
for a year, then you will become very good.
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 118.160.95.57
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1489584667.A.6BC.html
推
03/15 21:38, , 1F
03/15 21:38, 1F
推
03/15 21:41, , 2F
03/15 21:41, 2F
推
03/15 21:46, , 3F
03/15 21:46, 3F
推
03/15 21:53, , 4F
03/15 21:53, 4F
推
03/15 21:53, , 5F
03/15 21:53, 5F
→
03/15 22:06, , 6F
03/15 22:06, 6F
→
03/15 22:07, , 7F
03/15 22:07, 7F
推
03/15 22:09, , 8F
03/15 22:09, 8F
推
03/15 22:11, , 9F
03/15 22:11, 9F
推
03/15 22:18, , 10F
03/15 22:18, 10F
推
03/15 22:21, , 11F
03/15 22:21, 11F
推
03/15 22:25, , 12F
03/15 22:25, 12F
→
03/15 22:25, , 13F
03/15 22:25, 13F
推
03/15 22:50, , 14F
03/15 22:50, 14F
→
03/15 22:51, , 15F
03/15 22:51, 15F
推
03/15 22:55, , 16F
03/15 22:55, 16F
推
03/15 23:18, , 17F
03/15 23:18, 17F
→
03/15 23:21, , 18F
03/15 23:21, 18F
推
03/15 23:27, , 19F
03/15 23:27, 19F
推
03/15 23:27, , 20F
03/15 23:27, 20F
推
03/15 23:29, , 21F
03/15 23:29, 21F
推
03/15 23:34, , 22F
03/15 23:34, 22F
推
03/15 23:39, , 23F
03/15 23:39, 23F
→
03/15 23:47, , 24F
03/15 23:47, 24F
→
03/15 23:50, , 25F
03/15 23:50, 25F
→
03/15 23:50, , 26F
03/15 23:50, 26F
※ 編輯: sttagomantis (118.160.95.57), 03/15/2017 23:55:33
推
03/16 00:09, , 27F
03/16 00:09, 27F
推
03/16 02:04, , 28F
03/16 02:04, 28F
推
03/16 03:14, , 29F
03/16 03:14, 29F
推
03/16 04:04, , 30F
03/16 04:04, 30F
推
03/16 04:10, , 31F
03/16 04:10, 31F
推
03/16 04:37, , 32F
03/16 04:37, 32F
推
03/16 04:40, , 33F
03/16 04:40, 33F
推
03/16 06:03, , 34F
03/16 06:03, 34F
推
03/16 08:46, , 35F
03/16 08:46, 35F
推
03/16 09:19, , 36F
03/16 09:19, 36F
推
03/16 09:22, , 37F
03/16 09:22, 37F
→
03/16 09:23, , 38F
03/16 09:23, 38F
→
03/16 09:24, , 39F
03/16 09:24, 39F
→
03/16 09:25, , 40F
03/16 09:25, 40F
→
03/16 09:25, , 41F
03/16 09:25, 41F
推
03/16 09:29, , 42F
03/16 09:29, 42F
→
03/16 09:30, , 43F
03/16 09:30, 43F
推
03/16 09:37, , 44F
03/16 09:37, 44F
推
03/16 09:46, , 45F
03/16 09:46, 45F
推
03/16 09:55, , 46F
03/16 09:55, 46F
推
03/16 10:09, , 47F
03/16 10:09, 47F
推
03/16 10:20, , 48F
03/16 10:20, 48F
推
03/16 10:25, , 49F
03/16 10:25, 49F
推
03/16 11:16, , 50F
03/16 11:16, 50F
推
03/16 11:47, , 51F
03/16 11:47, 51F
推
03/16 11:47, , 52F
03/16 11:47, 52F
推
03/16 11:56, , 53F
03/16 11:56, 53F
推
03/16 13:24, , 54F
03/16 13:24, 54F
推
03/16 13:41, , 55F
03/16 13:41, 55F
推
03/16 14:28, , 56F
03/16 14:28, 56F
推
03/16 14:42, , 57F
03/16 14:42, 57F
推
03/16 15:59, , 58F
03/16 15:59, 58F
推
03/16 16:30, , 59F
03/16 16:30, 59F
推
03/16 16:33, , 60F
03/16 16:33, 60F
推
03/16 16:45, , 61F
03/16 16:45, 61F
推
03/16 22:05, , 62F
03/16 22:05, 62F
推
03/16 22:40, , 63F
03/16 22:40, 63F
推
03/16 23:57, , 64F
03/16 23:57, 64F
推
03/17 01:50, , 65F
03/17 01:50, 65F
推
03/17 02:38, , 66F
03/17 02:38, 66F
→
03/17 02:38, , 67F
03/17 02:38, 67F
推
03/17 09:21, , 68F
03/17 09:21, 68F
看到推文有討論到關於宏毅老師和軒田老師兩門課,我簡單說一下我的感覺好了,順便
分享給對這興趣有領域想要刷課的板友(都有公開)。純粹個人感覺,不要戰我XD。
基本上我也是NN派的,我每天在追的是LBH三巨頭不是Vapnick我也可以理解作語音
當然是用NN誰管什麼SVM,xgboost。我的考量點是因為這兩門課都是算是
ML Introductory level的課,在這個條件下,我覺得是希望能夠見樹又見林,
HT的課有給我這樣的感覺,他帶我看過了ML這個森林大概長什麼樣,簡單的帶我認識一下
每棵樹的名字,至於每棵樹的葉子就留待我繼續探索,
宏毅老師的課給我的感覺是,他讓我看到一顆很高大的樹(DL),且也讓我看到這棵樹上
枝葉的繁茂與多樣,但就是一棵很美的大樹,比較不能一窺整座ML的森林。
這是我看完兩門課的感想,因為每個人價值觀和所重視的不同,我比較希望Introductory
Level能夠見樹又見林,大概是這樣~然後宏毅老師上課真的蠻幽默der~
※ 編輯: sttagomantis (140.112.25.121), 03/17/2017 11:17:36
推
03/17 13:27, , 69F
03/17 13:27, 69F
→
03/17 13:28, , 70F
03/17 13:28, 70F
→
03/17 13:29, , 71F
03/17 13:29, 71F
推
03/17 15:04, , 72F
03/17 15:04, 72F
推
03/17 22:19, , 73F
03/17 22:19, 73F
※ 編輯: sttagomantis (116.241.181.79), 03/17/2017 22:29:08
推
03/18 00:57, , 74F
03/18 00:57, 74F
推
03/18 12:17, , 75F
03/18 12:17, 75F
推
03/19 11:35, , 76F
03/19 11:35, 76F
推
03/24 03:15, , 77F
03/24 03:15, 77F
推
03/24 14:15, , 78F
03/24 14:15, 78F
推
05/15 21:19, , 79F
05/15 21:19, 79F
討論串 (同標題文章)
以下文章回應了本文:
完整討論串 (本文為第 3 之 11 篇):