Re: 本來學ML是該轉路還是繼續鑽研已刪文

看板Soft_Job作者 (yyy)時間3年前 (2021/03/16 21:06), 3年前編輯推噓1(7推 6噓 46→)
留言59則, 12人參與, 3年前最新討論串7/9 (看更多)
關於未來要不要走ml 其實不是你自己可以決定的 而是ml這個行業需不需要你 目前業界上很多產品都是吵著ml的噱頭 裡面寫一堆sklearn 和現成framework 製作一堆圖表 現實就是人還是做人的決策 跟你的ml一點狗屁關係都沒有 實作個2021年論文的loss function 就要他們的命一樣 這些產品最大的問題就是拔掉了ml 也不會有任何影響 不然就是核心根本是別人訓練好的 車牌人臉辨識用的yolo以及 deep face facenet vgg16 這種跟大學專題同等級的作品 還以為別人做不出來 那你身為這個產品的工程師被淘汰也是遲早而已 真的很高深的ml 在許多賺錢的行業又需要具備非常高的門檻 要有五大會的投稿 每天都在追逐最新技術 我認為最好的方法 就是去投投看appier vpon ailabs google aws 看有沒有機 會面試 連面試都沒有 還是趁早轉行實在 找個血統純正的老師學 比上網看一堆沒用的教學有用多了 ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.71.17.152 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1615899983.A.EB9.html
→
03/16 21:09, 3年前 , 1F
臉部辨識的產品拔掉 ML 不知道會不會有影響，應該沒有
03/16 21:09, 1F
應該沒差 市面上全部都deep face 一個過時的模型 ※ 編輯: yen771026 (111.71.17.152 臺灣), 03/16/2021 21:36:22
推
03/16 21:47, 3年前 , 2F
我是建議現在還在讀書的小朋友 跟想要轉行的大朋友
03/16 21:47, 2F
→
03/16 21:48, 3年前 , 3F
全部都一起來做ML
03/16 21:48, 3F
→
03/16 21:48, 3年前 , 4F
而且最好全部都只學Python 練好練滿
03/16 21:48, 4F
→
03/16 21:49, 3年前 , 5F
這樣我們這些寫C或C++的薪水才會再拉高
03/16 21:49, 5F
能進頂尖ml lab c語言在大學本來就是學好學滿 不過來沾邊 確實只是到不同地方被屠殺而
→
03/16 22:40, 3年前 , 6F
市面上都 deep face XDDDDD 您真了解產業啊
03/16 22:40, 6F
應該叫做facenet 然後在去fine tune 或是用 vgg16 扯就在這裡 要用別人的模型好歹用bi t 或是 retina net. transfer learning 早該使用maml做domain adaption去替代 ※ 編輯: yen771026 (111.71.17.152 臺灣), 03/16/2021 23:37:22 ※ 編輯: yen771026 (111.71.17.152 臺灣), 03/16/2021 23:45:34
噓
03/16 23:49, 3年前 , 7F
我笑了
03/16 23:49, 7F
→
03/17 00:35, 3年前 , 8F
現在最好的Backbone是 EfficientNet，現在主流是pretrain
03/17 00:35, 8F
→
03/17 00:36, 3年前 , 9F
會傷害模型表現。用facenet也沒什麼問題，就像是你不會嘴
03/17 00:36, 9F
→
03/17 00:37, 3年前 , 10F
人說現在都用gRPC沒人寫Restful的啦，概念就是metric
03/17 00:37, 10F
→
03/17 00:38, 3年前 , 11F
learning，就好像游泳跑步一樣。建議您可以多了解
03/17 00:38, 11F
→
03/17 00:39, 3年前 , 12F
然後產業最強那幾個臉部識別實驗室，技術上真的強，FRVT
03/17 00:39, 12F
→
03/17 00:39, 3年前 , 13F
打開來看就知道，沒什麼好酸的啦
03/17 00:39, 13F
所以我們說的概念有什麼不一樣 一卡車的科技部計畫養的新創產學不是一堆cvpr的高手 而 是一車亂fine tune 做自然語言也沒能力實作squad 裡面算法的門外漢 這些真的在精進的? 選ml哪有什麼問題 原因就是外面充斥一堆亂七八糟的組裝成品把ai整個產業搞廢
→
03/17 00:50, 3年前 , 14F
二樓XD
03/17 00:50, 14F
推
03/17 00:50, 3年前 , 15F
nfnet似乎也挺強的 還沒開始玩
03/17 00:50, 15F
還有hamburger lamda network nas nat 等著你嘗試 ※ 編輯: yen771026 (111.71.17.152 臺灣), 03/17/2021 01:28:15 ※ 編輯: yen771026 (111.71.17.152 臺灣), 03/17/2021 01:34:17 ※ 編輯: yen771026 (111.71.17.152 臺灣), 03/17/2021 01:38:56 ※ 編輯: yen771026 (111.71.17.152 臺灣), 03/17/2021 01:41:28 ※ 編輯: yen771026 (111.71.17.152 臺灣), 03/17/2021 01:44:24 ※ 編輯: yen771026 (111.71.17.152 臺灣), 03/17/2021 01:53:38
推
03/17 08:20, 3年前 , 16F
台灣的Google和亞麻好像沒那麼在意ML(?)
03/17 08:20, 16F
推
03/17 08:24, 3年前 , 17F
倒是台灣有些ML高手為了實際生活考量(或是說錢錢XD)
03/17 08:24, 17F
→
03/17 08:24, 3年前 , 18F
選擇隱藏在豬屎屋，而且好像不少人QQ
03/17 08:24, 18F
這沒有辦法 確實不少同學還是選擇豬屎 畢竟ml能研發的人 蠻吃天賦和興趣
推
03/17 08:57, 3年前 , 19F
我覺得這是新產業發展的正常情況 怎麼可能所有MLE都
03/17 08:57, 19F
→
03/17 08:57, 3年前 , 20F
很厲害
03/17 08:57, 20F
推
03/17 09:05, 3年前 , 21F
就是這樣啊@_@~
03/17 09:05, 21F
噓
03/17 10:02, 3年前 , 22F
好兇哦 原 po 有沒有一作 osdi sosp 沒有的話你怎麼敢打開
03/17 10:02, 22F
→
03/17 10:02, 3年前 , 23F
手機電腦
03/17 10:02, 23F
→
03/17 10:03, 3年前 , 24F
又看到幾年前板上歪風 覺得唯有理論高 轉職過來的都無法
03/17 10:03, 24F
→
03/17 10:03, 3年前 , 25F
生存
03/17 10:03, 25F
不是無法生存 是連面試人家都懶的理你
→
03/17 10:04, 3年前 , 26F
是不是以為每個人都要做理論研究才活的下去
03/17 10:04, 26F
噓
03/17 10:06, 3年前 , 27F
懂理論原理肯定是好的 不過整個產業又不是只有 research
03/17 10:06, 27F
→
03/17 10:06, 3年前 , 28F
可以活
03/17 10:06, 28F
這個產業也有其他職缺 但是研發人員跟一般的rd薪資天差地遠
噓
03/17 10:10, 3年前 , 29F
看不起科技部計畫養寫應用的？
03/17 10:10, 29F
→
03/17 10:10, 3年前 , 30F
114 科技部計畫寫 App 的現在已經財富自由了
03/17 10:10, 30F
說的好像一大堆這樣的app都財富自由 這個產品多久了 怎不說說其他毀滅的作品 充斥在這
→
03/17 12:24, 3年前 , 31F
能獨立開發模型的人少之又少 如果有能力誰不想進主流
03/17 12:24, 31F
→
03/17 12:24, 3年前 , 32F
大公司的AI lab呢～
03/17 12:24, 32F
推
03/17 12:26, 3年前 , 33F
就是看命啊....但其實真正賺錢的都是賣公司啦 ....
03/17 12:26, 33F
前面還是都是靠技術撐起 累積一定的財富當然是錢滾錢囉
噓
03/17 13:02, 3年前 , 34F
要做ML產品，用的模型或訓練的奇淫巧技一點都不重要
03/17 13:02, 34F
很多超大型multi task 的model 不採用a few shot 根本練不起來 當google aws都傻瓜 我以上提到的訓練方法 你只要進得去好的公司 誰不是這樣訓練 還是你只是待在新創 幻想 ※ 編輯: yen771026 (223.137.69.23 臺灣), 03/17/2021 14:45:28 ※ 編輯: yen771026 (223.137.69.23 臺灣), 03/17/2021 14:48:44
→
03/17 19:17, 3年前 , 35F
你的multi-task是指Barret Zoph那種Jointly Training？
03/17 19:17, 35F
→
03/17 19:17, 3年前 , 36F
為什麼一定要few-shot？ 單純 CE 的 classification當然
03/17 19:17, 36F
→
03/17 19:18, 3年前 , 37F
也可以啊。不要堆華麗詞藻啦，你說的 metric learning
03/17 19:18, 37F
→
03/17 19:19, 3年前 , 38F
siamese network那種架構2017年後人人都懂的操作
03/17 19:19, 38F
→
03/17 19:19, 3年前 , 39F
我是不知道你的訓練方法多厲害，但你瘋狂踩低新創或新人
03/17 19:19, 39F
→
03/17 19:21, 3年前 , 40F
沒必要啦。要搞 noisy student 需要投過NeurIPS嗎？
03/17 19:21, 40F
→
03/17 19:23, 3年前 , 41F
要搞SimCLR需要投過CVPR嗎？要搞YOLOv5需要蹲三年中研院
03/17 19:23, 41F
→
03/17 19:23, 3年前 , 42F
嗎？不用，只要會讀paper能寫code就好。你著作豐厚，我願
03/17 19:23, 42F
→
03/17 19:24, 3年前 , 43F
意替你高興，但不用講一付沒頂刊就搞不出好的演算法一樣
03/17 19:24, 43F
→
03/17 19:25, 3年前 , 44F
啦，台灣一堆新創有好產品落地，技術也值得深究，不要你
03/17 19:25, 44F
→
03/17 19:25, 3年前 , 45F
身邊一堆只會Fine Tune的大學生專案就搞的整個業界都比你
03/17 19:25, 45F
→
03/17 19:25, 3年前 , 46F
差好幾節一樣，沒必要
03/17 19:25, 46F
→
03/17 19:26, 3年前 , 47F
然後我補充一下為什麼說做產品這些都不是很重要，因為產
03/17 19:26, 47F
→
03/17 19:27, 3年前 , 48F
品很準，不代表你可以穩定更新模型、收集資料、維護系統
03/17 19:27, 48F
→
03/17 19:27, 3年前 , 49F
實際客戶使用的場景前一天很棒，後一天爆炸也常有，
03/17 19:27, 49F
→
03/17 19:28, 3年前 , 50F
資料、系統在非常多應用上遠遠重要於模型。
03/17 19:28, 50F
→
03/17 19:37, 3年前 , 51F
勘誤：Barret Zoph的Jointly Training是COCO+Image，並
03/17 19:37, 51F
→
03/17 19:38, 3年前 , 52F
單純是只有Classification。
03/17 19:38, 52F
→
03/17 19:39, 3年前 , 53F
在 Rethinking Pre-training and Self-training Table.7
03/17 19:39, 53F
→
03/17 19:39, 3年前 , 54F
*不單純
03/17 19:39, 54F
→
03/17 19:42, 3年前 , 55F
啊是Yolov4不是v5
03/17 19:42, 55F
→
03/17 20:08, 3年前 , 56F
樓上要不要獨立回一篇？
03/17 20:08, 56F
建議他說一下一般常見非頂尖ml大公司其實對大家的認知也非常重要
→
03/17 20:11, 3年前 , 57F
我人微言輕，就不打擾安寧了
03/17 20:11, 57F
你回了很多感謝您 不過為什麼會需要考慮那麼多 產品的部分 你沒有察覺到就是因為你 我針對的絕對不是新人 現在的碩士生剛畢業可比我更熟這些新技術了 這些技術不瘋狂 只? 是現在為了general 以及讓模型更穩定的做法 早已是大學部就能修的課程 有實力投頂會為什麼不投 這不是碩士班就會做的事情嗎 甚至是進入上述公司的門票 我覺得模型能用跟夠強之前的差異在市場上的價值可不一樣 benchmark 可不是打心酸 成天講產品知識和domain knowledge不就是你data science 本身無法競爭的原因嗎？ 追求技術的進步本來就是資料科學家的職責 被你說的一文不值 我們FANNG工程師的產品大 多可以自盡了 穩定只是基本 管他是資料蒐集還是訓練 追求極限的準確是市場價值 技術對你的未來可有幫助 沒有更準的模型 為什麼要用你的 難不成要削價競爭 資料科學是你的核心能力 產品只是輔助 歡迎來頂尖的ml公司看看 別被產品綁架 ※ 編輯: yen771026 (223.137.69.23 臺灣), 03/17/2021 21:18:12 ※ 編輯: yen771026 (223.137.69.23 臺灣), 03/17/2021 21:25:25 ※ 編輯: yen771026 (223.137.69.23 臺灣), 03/17/2021 22:12:29
→
03/17 23:23, 3年前 , 58F
我完全不認同，我覺得我們無法溝通，就這樣吧，感謝
03/17 23:23, 58F
噓
03/18 01:02, 3年前 , 59F
呵
03/18 01:02, 59F
‣ 更多 yen771026 的文章
文章代碼(AID): #1WKArFwv (Soft_Job)
討論串 (同標題文章)
完整討論串 (本文為第 7 之 9 篇)：
排序： 最舊先 | 最新先 | 留言數
在新視窗開啟完整討論串 (共9篇)
‣ 更多 yen771026 的文章
文章代碼(AID): #1WKArFwv (Soft_Job)