Re: [新聞] AI「薪」貴！科技業祭出年薪200萬搶人才

看板Tech_Job作者 (啃)時間7年前 (2018/12/02 01:34), 7年前編輯推噓25(32推 7噓 49→)
留言88則, 38人參與, 最新討論串2/12 (看更多)
個人認為 AI是個大泡泡 理由很不是因為炒很熱　又沒確實賺錢這觀點 現在我們用104 去查 deep learning 全台可以找到全職6185個職缺 https://imgur.com/wCQVRqB
但用CUDA去找　只能看到 77個職缺 https://imgur.com/ve9tbj1
※ OpenCL:65個 類似的狀況在矽谷也一樣 以下是用indeed之結果 https://imgur.com/uHP7coL
https://imgur.com/JfQZ5UP
※ OpenCL是152個 看來OpenCL雖然號稱是業界標準　但流通度還是不如輝達私有之CUDA 所以以下文用CUDA來討論 大部份人都知道 深度學習是基於多核共同決策 這人工智能多核環境　大多是用顯卡來運行 看看這精美的比例 台灣1:80 矽谷 1:10 現在深度學習　是成熟到像.Net框架 不需要聘人來優化下面的顯卡操作是不? 還是說這些做優化計算的人　不削用CUDA 直接騙顯卡他要畫3D 用directX/OpenGL來操作? 亦或是這些使用人工智能之公司　不是用顯卡　是用併連CPU來算? 還是說　 這些人工智能　根本就還未進入到穩定營運模式 所以無需找人來做下層優化? 算法開發與算法優化　人力配置比是多少　大家心裡有數 但絕不是十比一這數字　更不可能是80:1 (80:1是根本不聘人優化) 更況論CUDA職位還很多與人工智能無關者 若人工智能不是泡泡...那要怎解釋為何需求這樣少的CUDA人力? ※ 引述《orz44444 (修羅下輩子是人才是人~~)》之銘言： : https://udn.com/news/story/7269/3512387 : 2018-12-01 13:26 聯合晚報 記者葉卉軒/台北報導 : 系統分析師起薪43K : AI對就業影響大，大企業開始布局。人力銀行表示，2019年企業最看好題材與職缺第一名 : ，皆與AI有關，AI是各項工作職能最耀眼的顯學，薪資相對亮眼。如演算法開發工程師、 : 系統分析師大學學歷，起薪分別是約3萬9000元和4萬3000元，工作五年後薪資可以突破5 : 萬，平均年薪80萬到100萬。金融業導入FIN TECH領域後，科技業或製造業，若與互聯網 : 、雲端運算、區塊鍊、產線自動化有關，AI相關職缺大熱門。 : 104人資學院資深副總經理花梓馨表示，近年來台灣IC產值不斷提升，帶起AI與大數據等 : 人才缺口，2019年將延續浪潮，新科技成長持續看俏。 : 1111人力銀行和yes123求職網也指出，明年企業最看好題材與職缺第一名，皆與AI有關， : AI目前工作職能起薪條件最耀眼。 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 24.5.126.55 ※ 文章網址: https://www.ptt.cc/bbs/Tech_Job/M.1543685658.A.66B.html
推
12/02 01:42, 7年前 , 1F
同意
12/02 01:42, 1F
推
12/02 01:43, 7年前 , 2F
需求量差很多啊 CUDA就NVIDIA最缺人 其他家用N的框架
12/02 01:43, 2F
→
12/02 01:43, 7年前 , 3F
除非運算量有大到要去優化CUDA的 但那種一定更少
12/02 01:43, 3F
所以少到一比十? 　 若真無需優化..那這樣與做網頁都用.net框架一樣 不用五年就爛到翻
推
12/02 01:49, 7年前 , 4F
AI算新產業 有做起來到需要優化運算的 只有十分之一也
12/02 01:49, 4F
→
12/02 01:49, 7年前 , 5F
合理吧
12/02 01:49, 5F
早年windows編程聘多少比例之人優化效能 ？ 十年前機器視覺　聘多少人優化計算？
→
12/02 01:50, 7年前 , 6F
現在主流的AI框架Tensorflow Pytorch都很成熟了
12/02 01:50, 6F
→
12/02 01:51, 7年前 , 7F
一個是Google在維護 另一個是Facebook在維續 算很穩吧
12/02 01:51, 7F
所以說這些在做應用之公司　只要靠框架就可　 那就是公司間沒甚差異性 看看 做網頁 只要.net就可以 那利潤怎樣　大家很清楚
→
12/02 01:53, 7年前 , 8F
我看懂樓主想表達的意思了 確實現在AI做起來的不多
12/02 01:53, 8F
→
12/02 01:55, 7年前 , 9F
但現在硬體的進步也讓需要優化的運算量門檻提升了
12/02 01:55, 9F
噓
12/02 02:54, 7年前 , 10F
你應該不是在業界
12/02 02:54, 10F
沒錯　本人確實不是在台灣業界
推
12/02 02:56, 7年前 , 11F
之前看過某台廠在徵(低薪)大數據專員 結果
12/02 02:56, 11F
→
12/02 02:56, 7年前 , 12F
說穿惹只是在作excel統計資料而已
12/02 02:56, 12F
→
12/02 02:57, 7年前 , 13F
開缺的人不懂隨便扯 職缺內容當然也是亂七八糟
12/02 02:57, 13F
推
12/02 02:57, 7年前 , 14F
推
12/02 02:57, 14F
推
12/02 03:25, 7年前 , 15F
其實很多人在優化 只是不是優化CUDA 幫敵人磨刀幹嘛
12/02 03:25, 15F
優化CUDA本身只有輝達才有辦法　太多黑盒部份 但深度學習　不需要優化用CUDA寫的"函式庫層" (這牽扯到CUDA架構　算法特性　目標模型 題目質實) 　而只聘人在上層改模型　湊曲線 說這真的有甚搞頭　我是不太信　根本是還在搞原型吧 ※ 編輯: KILLE (24.5.126.55), 12/02/2018 03:41:33
→
12/02 06:53, 7年前 , 16F
不知所云。應用的下一層是 tensorflow 等的開發框架，不是
12/02 06:53, 16F
→
12/02 06:53, 7年前 , 17F
cuda。不管是效果還是效率的優化對象不會是 cuda
12/02 06:53, 17F
推
12/02 07:51, 7年前 , 18F
大推，你講是內行人會的，這篇大概還有很多人看不懂
12/02 07:51, 18F
推
12/02 08:33, 7年前 , 19F
瓶頸不在那啊 難不成車廠要先會做好輪胎才能開發引擎
12/02 08:33, 19F
→
12/02 08:34, 7年前 , 20F
同意vest講的
12/02 08:34, 20F
推
12/02 08:46, 7年前 , 21F
是誰看不懂啊......推 vesta
12/02 08:46, 21F
→
12/02 08:48, 7年前 , 22F
都用框架,厲害的廠商可以賣你元件一套賣40萬啦
12/02 08:48, 22F
推
12/02 08:48, 7年前 , 23F
有趣
12/02 08:48, 23F
推
12/02 08:57, 7年前 , 24F
而且很多公司弄ai是在改善自己流程，不是把應用拿去
12/02 08:57, 24F
→
12/02 08:57, 7年前 , 25F
賣
12/02 08:57, 25F
推
12/02 09:22, 7年前 , 26F
推！一年後再來看這篇
12/02 09:22, 26F
推
12/02 09:25, 7年前 , 27F
看不懂哭哭，感覺是好文
12/02 09:25, 27F
→
12/02 10:00, 7年前 , 28F
不是在業內吧，機器學習實際上，不一定要深度學習。不一定
12/02 10:00, 28F
→
12/02 10:00, 7年前 , 29F
扯到CUDA
12/02 10:00, 29F
推
12/02 10:03, 7年前 , 30F
AI 工作，等於CUDA工作嗎？
12/02 10:03, 30F
推
12/02 10:26, 7年前 , 31F
又是一篇學生文 還是外國學生文 可能跑去大陸唸書了
12/02 10:26, 31F
推
12/02 10:28, 7年前 , 32F
屁孩寫文章跟大老闆一樣都一堆文句
12/02 10:28, 32F
→
12/02 10:29, 7年前 , 33F
問句一堆 什麼屁也沒放
12/02 10:29, 33F
噓
12/02 10:29, 7年前 , 34F
完全巷子外的，最大瓶頸明明是model架構
12/02 10:29, 34F
沒錯　還卡在模型上啊 所以還沒獲利啊 當然不聘人去優化下層CUDA 這不就是泡沫
推
12/02 10:33, 7年前 , 35F
就好像在二十年前質疑網路是泡沫 理由是網卡公司開的
12/02 10:33, 35F
→
12/02 10:33, 7年前 , 36F
缺極少
12/02 10:33, 36F
推
12/02 10:33, 7年前 , 37F
某英特爾出來的，到處說以後不用工程師，產線了，
12/02 10:33, 37F
→
12/02 10:33, 7年前 , 38F
完全ai
12/02 10:33, 38F
→
12/02 10:34, 7年前 , 39F
然後上面就聽的很高興，你講的跟他完全不一樣，人
12/02 10:34, 39F
→
12/02 10:34, 7年前 , 40F
家說他英特爾出來的說
12/02 10:34, 40F
→
12/02 10:41, 7年前 , 41F
看完文章只想問... 你真的有碰過AI嗎...
12/02 10:41, 41F
討論枝葉之繁貌可能性　對根之疏淺略之不提?
→
12/02 10:49, 7年前 , 42F
很多都有賺錢了好嗎 而且為啥關鍵字是cuda…
12/02 10:49, 42F
不然要用OpenCL DirectCompute當指標也可以　只是會更慘 ※ 編輯: KILLE (24.5.126.55), 12/02/2018 10:53:04
噓
12/02 10:52, 7年前 , 43F
又是一個鍵盤ai專家
12/02 10:52, 43F
推
12/02 10:59, 7年前 , 44F
現在train的運算速度不是瓶頸
12/02 10:59, 44F
噓
12/02 11:01, 7年前 , 45F
你太執著在獲利前提是需要去改底層
12/02 11:01, 45F
沒有啊　 獲利後再改底層　是極正常 所以就是還未獲利嘛　不然怎CUDA缺與深度學習不成比例 ※ 編輯: KILLE (24.5.126.55), 12/02/2018 11:04:15
推
12/02 11:13, 7年前 , 46F
個人覺得滿有道理的
12/02 11:13, 46F
推
12/02 11:36, 7年前 , 47F
熱錢湧入 大部分的人當然先卡位先賺
12/02 11:36, 47F
噓
12/02 11:42, 7年前 , 48F
吐槽點太多了啦。你要比也比成長幅度，cuda和dl比
12/02 11:42, 48F
→
12/02 11:42, 7年前 , 49F
職缺數？
12/02 11:42, 49F
→
12/02 11:43, 7年前 , 50F
cuda本來就是通用框架，當然很多和dl無關，底下還
12/02 11:43, 50F
→
12/02 11:44, 7年前 , 51F
有cudnn ok?
12/02 11:44, 51F
噓
12/02 12:00, 7年前 , 52F
莊董
12/02 12:00, 52F
推
12/02 12:21, 7年前 , 53F
後金本位經濟型態本來就建築在泡沫上
12/02 12:21, 53F
→
12/02 12:22, 7年前 , 54F
世界最大公司亞馬遜都還沒獲利 還是世界最大
12/02 12:22, 54F
→
12/02 12:23, 7年前 , 55F
錢是無限的印 能一直吸引投資進來 錢就能無限賺
12/02 12:23, 55F
推
12/02 12:28, 7年前 , 56F
樓主在討論的是跟你們工程師不同層級的問題
12/02 12:28, 56F
推
12/02 12:40, 7年前 , 57F
全世界AI跟台灣AI有沒有起來 這不一樣吧？
12/02 12:40, 57F
推
12/02 12:55, 7年前 , 58F
真要討論是不是泡沫，也是討論深度學習有沒有極限。從 cud
12/02 12:55, 58F
→
12/02 12:55, 7年前 , 59F
a 職缺看出泡沫？？外星層級的討論
12/02 12:55, 59F
→
12/02 16:36, 7年前 , 60F
先說明一下ai定義好嗎 每個大老闆都在唬爛
12/02 16:36, 60F
→
12/02 16:47, 7年前 , 61F
小弟剛好就是做cuda/ML的 關鍵字有cuda/openCL的灣區工作
12/02 16:47, 61F
→
12/02 16:47, 7年前 , 62F
搜到爛掉 就是NV，MS，Intel, AMD跟百度有一些 剩下都是新
12/02 16:47, 62F
→
12/02 16:47, 7年前 , 63F
創或是很少的seinor職位，因為真的不需要這麼多人做底層。
12/02 16:47, 63F
→
12/02 16:47, 7年前 , 64F
。
12/02 16:47, 64F
→
12/02 16:48, 7年前 , 65F
Don't reinvent the wheel
12/02 16:48, 65F
推
12/02 17:01, 7年前 , 66F
看到這篇有點感慨，因為最近我才明白自己只是API工程師
12/02 17:01, 66F
推
12/02 18:58, 7年前 , 67F
泡沫沒錯，但這樣看不太對
12/02 18:58, 67F
→
12/02 21:13, 7年前 , 68F
原po弄錯了,寫程式的也不會一開始就最佳化,一定是先
12/02 21:13, 68F
→
12/02 21:14, 7年前 , 69F
先對,等全部規格完成,再看那些再最佳化,順序根本反了
12/02 21:14, 69F
推
12/02 23:01, 7年前 , 70F
我懂原PO想說甚麼:走到後期tuning效能,最佳化的公司比例甚
12/02 23:01, 70F
→
12/02 23:03, 7年前 , 71F
少，大多還在前期prototype, model階段 但AI已經喊得震天價
12/02 23:03, 71F
→
12/02 23:04, 7年前 , 72F
響 認為這樣算是吹泡泡
12/02 23:04, 72F
→
12/02 23:07, 7年前 , 73F
傳統消費電看法的確要到後期調教性能才算接近商業化產品
12/02 23:07, 73F
噓
12/02 23:08, 7年前 , 74F
產品落地不會是靠cuda，起頭就錯了
12/02 23:08, 74F
→
12/02 23:10, 7年前 , 75F
有的AI應用是比想法創意，至於框架和實現就站在google nvid
12/02 23:10, 75F
→
12/02 23:12, 7年前 , 76F
的肩膀上 有的是拼效能，這種就要最佳化 兩者無法相提並論
12/02 23:12, 76F
推
12/02 23:16, 7年前 , 77F
結果我想說的下一篇blue大就講的差不多了...
12/02 23:16, 77F
推
12/02 23:22, 7年前 , 78F
cuda 不就只是用來做gpu平行運算用嗎 優化算的更快 還不
12/02 23:22, 78F
→
12/02 23:22, 7年前 , 79F
如把model壓縮-.- 況且還要確認你演算法精度夠高
12/02 23:22, 79F
→
12/03 02:18, 7年前 , 80F
樓上Cuda還是很重要喔，只是cudnn都幫你寫好了（裡面由cud
12/03 02:18, 80F
→
12/03 02:18, 7年前 , 81F
a/ptx碼組成） 沒有的話普通人根本沒有辦法有效訓練模型
12/03 02:18, 81F
→
12/03 05:13, 7年前 , 82F
pandas在github主要開發者(commits>200)也才10人
12/03 05:13, 82F
→
12/03 05:17, 7年前 , 83F
其他AI主流套件也差不多 核心開發者都少 一般都是會使
12/03 05:17, 83F
→
12/03 05:17, 7年前 , 84F
用就好 其實除非強到會飛天 不建議改底層算法 因為寫出
12/03 05:17, 84F
→
12/03 05:17, 7年前 , 85F
來bug不見得少 效能不見得好
12/03 05:17, 85F
推
12/03 12:05, 7年前 , 86F
可能對他們而言 找人改底層算法不如加一片GPU...
12/03 12:05, 86F
推
12/11 18:19, , 87F
因為直接套Framework，懶得優化
12/11 18:19, 87F
→
12/11 18:19, , 88F
東西能動能炒新聞就好
12/11 18:19, 88F
‣ 更多 KILLE 的文章
文章代碼(AID): #1S0iOQPh (Tech_Job)
討論串 (同標題文章)
本文引述了以下文章的的內容：
以下文章回應了本文：
完整討論串 (本文為第 2 之 12 篇)：
排序： 最新先 | 最舊先 | 留言數
在新視窗開啟完整討論串 (共12篇)
‣ 更多 KILLE 的文章
文章代碼(AID): #1S0iOQPh (Tech_Job)