Re: 本來學ML是該轉路還是繼續鑽研已刪文
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
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
03/16 21:47, 2F
→
03/16 21:48,
3年前
, 3F
03/16 21:48, 3F
→
03/16 21:48,
3年前
, 4F
03/16 21:48, 4F
→
03/16 21:49,
3年前
, 5F
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
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
03/16 23:49, 7F
→
03/17 00:35,
3年前
, 8F
03/17 00:35, 8F
→
03/17 00:36,
3年前
, 9F
03/17 00:36, 9F
→
03/17 00:37,
3年前
, 10F
03/17 00:37, 10F
→
03/17 00:38,
3年前
, 11F
03/17 00:38, 11F
→
03/17 00:39,
3年前
, 12F
03/17 00:39, 12F
→
03/17 00:39,
3年前
, 13F
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
03/17 00:50, 14F
推
03/17 00:50,
3年前
, 15F
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
03/17 08:20, 16F
推
03/17 08:24,
3年前
, 17F
03/17 08:24, 17F
→
03/17 08:24,
3年前
, 18F
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
03/17 08:57, 19F
→
03/17 08:57,
3年前
, 20F
03/17 08:57, 20F
推
03/17 09:05,
3年前
, 21F
03/17 09:05, 21F
噓
03/17 10:02,
3年前
, 22F
03/17 10:02, 22F
→
03/17 10:02,
3年前
, 23F
03/17 10:02, 23F
→
03/17 10:03,
3年前
, 24F
03/17 10:03, 24F
→
03/17 10:03,
3年前
, 25F
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
03/17 10:04, 26F
噓
03/17 10:06,
3年前
, 27F
03/17 10:06, 27F
→
03/17 10:06,
3年前
, 28F
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
03/17 10:10, 29F
→
03/17 10:10,
3年前
, 30F
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
03/17 12:24, 31F
→
03/17 12:24,
3年前
, 32F
03/17 12:24, 32F
推
03/17 12:26,
3年前
, 33F
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
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
03/17 19:17, 35F
→
03/17 19:17,
3年前
, 36F
03/17 19:17, 36F
→
03/17 19:18,
3年前
, 37F
03/17 19:18, 37F
→
03/17 19:19,
3年前
, 38F
03/17 19:19, 38F
→
03/17 19:19,
3年前
, 39F
03/17 19:19, 39F
→
03/17 19:21,
3年前
, 40F
03/17 19:21, 40F
→
03/17 19:23,
3年前
, 41F
03/17 19:23, 41F
→
03/17 19:23,
3年前
, 42F
03/17 19:23, 42F
→
03/17 19:24,
3年前
, 43F
03/17 19:24, 43F
→
03/17 19:25,
3年前
, 44F
03/17 19:25, 44F
→
03/17 19:25,
3年前
, 45F
03/17 19:25, 45F
→
03/17 19:25,
3年前
, 46F
03/17 19:25, 46F
→
03/17 19:26,
3年前
, 47F
03/17 19:26, 47F
→
03/17 19:27,
3年前
, 48F
03/17 19:27, 48F
→
03/17 19:27,
3年前
, 49F
03/17 19:27, 49F
→
03/17 19:28,
3年前
, 50F
03/17 19:28, 50F
→
03/17 19:37,
3年前
, 51F
03/17 19:37, 51F
→
03/17 19:38,
3年前
, 52F
03/17 19:38, 52F
→
03/17 19:39,
3年前
, 53F
03/17 19:39, 53F
→
03/17 19:39,
3年前
, 54F
03/17 19:39, 54F
→
03/17 19:42,
3年前
, 55F
03/17 19:42, 55F
→
03/17 20:08,
3年前
, 56F
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
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
03/17 23:23, 58F
噓
03/18 01:02,
3年前
, 59F
03/18 01:02, 59F
討論串 (同標題文章)
完整討論串 (本文為第 7 之 9 篇):