[心得] 資料科學家工作分享與 AI 產業觀察

看板Soft_Job作者 (嘻嘻莉亞)時間6年前 (2019/03/07 16:05), 6年前編輯推噓60(62推 2噓 73→)
留言137則, 58人參與, 6年前最新討論串1/2 (看更多)
最近版上好像很多人對 AI, ML, Data mining 的工作有興趣 也想知道自學, 唸碩士, AIA 或其他方式怎麼能夠進入 AI 產業 我自己就是資料科學家 想跟大家分享一下我的工作內容跟對 AI 產業的觀察 === 先說結論 === 1. 非CS背景想轉職 AI => 念四大碩，主修 AI 2. 不想念碩士，想自學 => 證明你比四大碩強 => 去社群給 Talk or Kaggle 比到前三 社群有 ML/DM Monday, Taipei.py, Py data 等等 有個聽眾覺得『哎唷不錯喔』，機會就來了 3. 已經是資工碩了 => 去社群給 Talk or 發top conference paper ex: AAAI, NAACL === 我的背景 === 台大資工學碩 主修NLP, 熟AI, ML, SVM, 不熟DL 待過趨勢,華碩,新創 六年工作經驗 四年DS經驗, 英語流利 === 資料相關工作內容 === 資料分析師 : 有產業, 統計知識, 了解問題, 把問題變成數學問題 資料科學家： 把問題變成數學問題, 抽feature, 訂evaluation 設計數學演算法, 寫prototype 資料工程師：data clean, data storage, big data, cloud computing 機器學習工程師：設計數學演算法, 實作演算法, 挑ML模型, tune 參數 把prototype 改成 production code 通常在台灣就是四種都要做...統稱資料科學家 根據背景知識, data type還會細分成 影像CV, 語音, 語言NLP, 產線資料, signal, 地理資訊等等 影像現在在台灣最紅，約有60家新創 NLP 約20家 語音約3家, google/apple/ms 太強，很難跟他們競爭 後面三種data 我沒有研究.... === AI 產業現況 === 2012 - 2017 爆紅 超火 2018 冷靜重整期，很多 AI 新創倒閉 2019 假AI新創很多, Junior 飽和, Senior 超缺 Senior 假設台灣有 N 個，可是缺有 4N 大家都要即戰力，有經驗的，可以馬上做專案 但是Sr. 不是去美國，就是不想換工作 如果你是即戰力，我手上有10個缺可以介紹 Junior 有 N 個，缺大概也有 1.2N 個 不過台灣每年生產1000個 AI碩士吧，所以也不缺人 假 AI 新創就是 『口號出得去 人進得來 大家大發財』 去面試就知道老闆不懂 AI ，問一下雷公司八卦都很多 另外開了2, 3年沒有產品也沒有賺錢的大概也怪怪的 === 關於訓練新人 === 公司訓練 Jr 是需要花錢花時間的 而且我的經驗是專案都做不完，哪有時間訓練新人？ 讓Sr. 花 20% 的時間訓練新人，少做 20% 專案老闆願意媽？ Sr. 願意犧牲看八卦版呵呵笑的時間訓練新人，是我佛心來著 但是很多新人訓練好又去美國或念博班 我也很無奈呀... 去美國的工作環境, 工時, 薪水, 技術都好很多 念博班的說他想做世界第一，不想做客戶願意付錢的東西 === 結論 === 我覺得不鼓勵大家轉職 AI 好公司大概都飽和了，只收 AI 碩 2017年前 AI 景氣很好，但是現在冷了 假AI新創又多，有70%吧，如果你沒有能力分辨就是當砲灰 AIOT 現在 90% 是假新創 另外當資料科學家 背景知識，工程，數學，英文都是基本能力唷 很多人說數學很重要...是因為他們工程跟英文都很好了 Pycon Taiwan 徵稿中 3/18截止，當過講者求職大加分喔！ -- Q:為什麼aacs叫小西呢?? A:1.因為aacs的英文名字叫Cicilia Segeliin 2.因為西是最好寫的C 3.西是由一條拋物線+一組雙曲線+一個橢圓組成的 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.134.185.153 ※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1551945907.A.F59.html
推
03/07 16:11, 6年前 , 1F
推
03/07 16:11, 1F
→
03/07 16:13, 6年前 , 2F
我覺得學校跟課程開出來差不多就等於冷了
03/07 16:13, 2F
→
03/07 16:14, 6年前 , 3F
2014那時候的BIG DATA都還很潮
03/07 16:14, 3F
cloud computing, AI, IOT, 區塊鏈, FinTech, Deep learning, AIOT 一波炒過一波 當菜市場阿嬤都知道AI，股市都有AI概念股，就代表潮水要退了
→
03/07 16:18, 6年前 , 4F
AI和大數據就是一個熱潮，過一陣就冷了很正常
03/07 16:18, 4F
→
03/07 16:18, 6年前 , 5F
這種題材靠喊口號騙投資的公司超多，真的要小心
03/07 16:18, 5F
→
03/07 16:19, 6年前 , 6F
AI 新創去年倒一堆，美國，中國跟台灣一起倒
03/07 16:19, 6F
→
03/07 16:19, 6年前 , 7F
AI工作不等於AI公司，我覺得這要搞清楚，科技業沒有不
03/07 16:19, 7F
→
03/07 16:19, 6年前 , 8F
需要數學和英文的，就算不碰AI也是
03/07 16:19, 8F
→
03/07 16:21, 6年前 , 9F
這篇跟前端文一起看結論是果然大家都不希望轉職者來自己
03/07 16:21, 9F
→
03/07 16:21, 6年前 , 10F
產業XD
03/07 16:21, 10F
→
03/07 16:22, 6年前 , 11F
不是不希望大家做AI，是進來的半吊子難民太多，勸退了很
03/07 16:22, 11F
→
03/07 16:23, 6年前 , 12F
多人，履歷收到不想收，但是他們還是找不到工作
03/07 16:23, 12F
補充說明： 轉職難民太多，但是他們都沒有作品跟成果... 每個都說我很便宜，請訓練我。 但是我有時間為什麼不去訓練台大碩，要訓練你呢？
推
03/07 16:27, 6年前 , 13F
我這剛跨考上CS的廢物這下不知道要去哪了（原本想說會
03/07 16:27, 13F
→
03/07 16:27, 6年前 , 14F
上中央AI組）
03/07 16:27, 14F
推
03/07 16:27, 6年前 , 15F
推 AI只有少數幾家會活下來
03/07 16:27, 15F
→
03/07 16:30, 6年前 , 16F
半吊子在任何領域都會碰壁的, 看上面前端文就知道
03/07 16:30, 16F
→
03/07 16:30, 6年前 , 17F
但還是推分享
03/07 16:30, 17F
→
03/07 16:33, 6年前 , 18F
應該說轉職難民太多，但是他們都沒有作品跟成果.....
03/07 16:33, 18F
→
03/07 16:45, 6年前 , 19F
我最近聊了幾家 也開始覺得我是難民...
03/07 16:45, 19F
現在景氣不好，多聊十家吧！
推
03/07 16:58, 6年前 , 20F
台大純血還在華碩糟踏
03/07 16:58, 20F
華碩不錯啊，學習到很多東西。 我知道自己要什麼，缺什麼就好囉~~~ 台大純血沒去美國就會一直被罵耶~~~
推
03/07 16:58, 6年前 , 21F
有大神出沒，給推~
03/07 16:58, 21F
推
03/07 17:03, 6年前 , 22F
轉職又非即戰力，是不是沒希望了
03/07 17:03, 22F
推
03/07 17:33, 6年前 , 23F
大家都只要即戰力，市場當然很缺senior囉
03/07 17:33, 23F
老實說我覺得這是台灣 AI 圈的困境 一來 AI 圈也才紅5年，Sr. 本來就不多 二來 很多 Sr. 都跑去美國了 三來 Jr. 沒人帶也沒有自學能力就不能變Sr.，只會變成Super Junior 四來 老闆都希望Sr. 免費加班帶Jr. 還要加班做專案
→
03/07 17:34, 6年前 , 24F
現在風口感覺消失的時間點越來越快
03/07 17:34, 24F
→
03/07 17:37, 6年前 , 25F
所以熱情興趣比較重要，熱潮是很快消退的
03/07 17:37, 25F
推
03/07 17:49, 6年前 , 26F
要開示一下哪些是假AI新創嗎
03/07 17:49, 26F
會被告耶
推
03/07 17:56, 6年前 , 27F
感謝分享
03/07 17:56, 27F
推
03/07 18:01, 6年前 , 28F
推這篇
03/07 18:01, 28F
推
03/07 18:02, 6年前 , 29F
根本沒那麼多即戰力啊 別的領域做久了 誰想跳出舒
03/07 18:02, 29F
→
03/07 18:02, 6年前 , 30F
適圈
03/07 18:02, 30F
推
03/07 18:03, 6年前 , 31F
你背景也太強
03/07 18:03, 31F
推
03/07 18:23, 6年前 , 32F
推
03/07 18:23, 32F
推
03/07 18:45, 6年前 , 33F
推 謝謝學長
03/07 18:45, 33F
還有 67 則推文
還有 16 段內文
推
03/09 00:20, 6年前 , 101F
大公司是這樣啦, 不過一堆SV中小公司的DS根本都在做DA做
03/09 00:20, 101F
→
03/09 00:21, 6年前 , 102F
的事, 根本連model都碰不到...
03/09 00:21, 102F
→
03/09 00:31, 6年前 , 103F
原po應該是沒問題，但是現在市場人人喊自己是高手的情形太
03/09 00:31, 103F
→
03/09 00:31, 6年前 , 104F
氾濫。浮誇氣氛太濃。
03/09 00:31, 104F
我不是高手啦，但是台灣都是一個人包DS, DA, Data Eng, ML Eng 但是名稱掛資料科學家 每次講自己的職稱都覺得很心虛，只有使用者經驗研究員聽起來更威
→
03/09 00:33, 6年前 , 105F
我還是建議想轉職的人，基本的看一看趕快找工作
03/09 00:33, 105F
→
03/09 00:34, 6年前 , 106F
就算是很賽的小公司也好，真的開始做才知道
03/09 00:34, 106F
→
03/09 00:34, 6年前 , 107F
自己缺的是啥，實務上需要的是啥
03/09 00:34, 107F
→
03/09 00:34, 6年前 , 108F
聽人一直說數學要好英文要好根本也不知道要學甚麼
03/09 00:34, 108F
→
03/09 00:35, 6年前 , 109F
然後DS絕對絕對不適合轉職者
03/09 00:35, 109F
推
03/09 00:48, 6年前 , 110F
一堆DS都是非資工系畢業的 樓上在胡說八道什麼？
03/09 00:48, 110F
→
03/09 00:58, 6年前 , 111F
現在ds職缺本來就很多 門檻也低 哪需要資工系畢業
03/09 00:58, 111F
→
03/09 01:29, 6年前 , 112F
你們講的真的是data "scientist"嗎...
03/09 01:29, 112F
推
03/09 02:05, 6年前 , 113F
我反而覺得DS很適合統計數學的轉來資訊,而一般工程師
03/09 02:05, 113F
→
03/09 02:06, 6年前 , 114F
不太適合走DS,數學比重大於工程
03/09 02:06, 114F
→
03/09 02:09, 6年前 , 115F
所以我也不推胖虎的說法,不挑工作做的話,就只是工程師
03/09 02:09, 115F
推
03/09 02:21, 6年前 , 116F
非資工系畢業代表門檻低 這邏輯....沒看過數學 物理 電機
03/09 02:21, 116F
→
03/09 02:21, 6年前 , 117F
博士跑去當DS?
03/09 02:21, 117F
→
03/09 02:28, 6年前 , 118F
一般工程師當然是轉ML工程師容易啊，職缺多門檻低
03/09 02:28, 118F
→
03/09 02:28, 6年前 , 119F
剛換領域哪有那多工作給你挑，先入門再慢慢提升實力
03/09 02:28, 119F
樓上大大們有的說的是美國大公司的純資料科學家 有的說的是台灣包山包海的資料科學家，很多沒有設計模型跟演算法 美國大公司的純資料科學家有個配合的工程師 幫忙把prototype 改寫成 production code 所以不必資工本科，很多統計，數學，工科博士背景 不過台灣prototype直接要上線的就很需要軟體工程背景了 因為上線交給客戶後有 bug 超麻煩
→
03/09 02:51, 6年前 , 120F
104上一堆ds缺 大學畢業就能去了 我講的是國內
03/09 02:51, 120F
→
03/09 02:52, 6年前 , 121F
台灣哪有什麼純科學家 都馬要會工程 所以工程絕對比數學
03/09 02:52, 121F
→
03/09 02:52, 6年前 , 122F
重要
03/09 02:52, 122F
→
03/09 02:57, 6年前 , 123F
連兩年碩都不用讀就能找一堆工作了 門檻還不低？
03/09 02:57, 123F
※ 編輯: aacs0130 (123.193.91.113), 03/09/2019 03:08:13
推
03/09 04:45, 6年前 , 124F
能激起討論蠻令我意外的 記得2014年時談到資料科學時我看
03/09 04:45, 124F
→
03/09 04:45, 6年前 , 125F
版上大部分都沒聽過那玩意
03/09 04:45, 125F
推
03/09 07:11, 6年前 , 126F
感謝各位大神分享
03/09 07:11, 126F
推
03/09 08:06, 6年前 , 127F
2014左右那個時候確實台灣沒什麼DS職缺，再早以前你想
03/09 08:06, 127F
→
03/09 08:06, 6年前 , 128F
玩ML，就去當個algorithm，但台灣公司根本沒要什麼高深
03/09 08:06, 128F
→
03/09 08:06, 6年前 , 129F
很屌的algorithm，所以algorithm很常就是做雜工。
03/09 08:06, 129F
推
03/09 08:17, 6年前 , 130F
猛
03/09 08:17, 130F
推
03/09 13:13, 6年前 , 131F
2015那時出來最爽 到現在應該都小主管了
03/09 13:13, 131F
→
03/09 13:15, 6年前 , 132F
更早沒缺 更晚人太多 每年自稱修過台大李宏毅的課的
03/09 13:15, 132F
→
03/09 13:15, 6年前 , 133F
就不知道有多少人了 飽和到不行
03/09 13:15, 133F
推
03/09 14:22, 6年前 , 134F
專業分析！！
03/09 14:22, 134F
推
03/09 23:44, 6年前 , 135F
中肯
03/09 23:44, 135F
推
03/10 12:30, 6年前 , 136F
推產業分析
03/10 12:30, 136F
推
03/12 09:45, 6年前 , 137F
推
03/12 09:45, 137F
‣ 更多 aacs0130 的文章
文章代碼(AID): #1SWD2pzP (Soft_Job)
‣ 更多 aacs0130 的文章
文章代碼(AID): #1SWD2pzP (Soft_Job)