[請益] AI資料科學家未來發展請益

看板Tech_Job作者 (Louis)時間4年前 (2019/07/15 14:51), 4年前編輯推噓9(14推 5噓 32→)
留言51則, 20人參與, 5年前最新討論串1/1
各位版上前輩們好，小弟新竹宅宅大學管院碩畢，修課、比賽、實習及論文以資料科學領 域為主。但非AI領域專精，下方敘述若有錯誤還請版上前輩指正。 以近幾個月小弟面試AI相關職缺，及同LAB同學面試下來的結果發現此類職缺大致可分成 兩類: (1)須對各類模型了解透徹，並有能力自己設計或是修改演算法，提高實用性。 (2)純粹引用套件，對演算法過程不用了解透徹，甚至只要知道參數意思，然後驗證調参 ，調完看結果選比較準的方法。 以小弟本身及同lab條件差不多的同學面試下來的結果，明顯第一類工作都資格不足，而 第二類的工作則是都有拿到offer。 比較兩類工作，第一類通常是在科技廠，薪資較第二類高，工作內容有明確的專案目標， 目前看來應該未來發展性較好。 第二類工作雖聽起來難度不高，但不乏是大公司開出的職缺(銀行、電商等等)，月薪約45 -50K，工作內容大部分在滿足公司內部或銷售的臨時分析需求。 因小弟認為目前能力不足以勝任第一類工作，若想從事AI相關工作，會先以第二類的工作 為主，另外再繼續進修。 本偏主要想問的問題是，第二類的工作內容不外乎整理資料、引用套件、調參然後應用， 小弟認為被取代性非常高，因難度實在不高。 小弟修過許多系所開設的AI相關課程，除資工、統計的部分課程會深入講演算法，其餘科 系的課程大部分對於模型細節不會講太深入，且蠻常聽到老師說[只要會用就好]。上學期 有類企管的系所都有開設AI課程，不過小弟沒去修。 小弟認為任何人多修這類課程就能勝任第二類工作，但最後變成"只會用"，對於模型過程 不求甚解。擔憂這類型工作未來發展性，及高取代性。 想看看版上各位前輩或相關領域的高手怎麼想，若內文有誤還請見諒。 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 180.204.225.71 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Tech_Job/M.1563173479.A.5EF.html
推
07/15 15:03, 4年前 , 1F
自己自修加強
07/15 15:03, 1F
推
07/15 15:15, 4年前 , 2F
目前都還在實驗導入階段，所以想快點看到成果
07/15 15:15, 2F
→
07/15 15:15, 4年前 , 3F
等技術成熟才會要求第一類吧
07/15 15:15, 3F
推
07/15 15:18, 4年前 , 4F
本來就是會用的比會寫的人數多且門檻低，但是光用得好或很
07/15 15:18, 4F
→
07/15 15:19, 4年前 , 5F
很會用也不是容易的事，重點是你在金字塔裡的相對位置，不
07/15 15:19, 5F
→
07/15 15:20, 4年前 , 6F
要陷入技術高==未來好的陷阱，那個是有能力的人在想的，如
07/15 15:20, 6F
→
07/15 15:20, 4年前 , 7F
果你覺得無法勝任第一類的工作，把第二類做好能把那些做不
07/15 15:20, 7F
推
07/15 15:22, 4年前 , 8F
當你發現現有網路不符合需求，你最終還是要走到自己開發的
07/15 15:22, 8F
→
07/15 15:22, 4年前 , 9F
路上，即便只是挑網路調參數在挑網路的過程當中你看多了就
07/15 15:22, 9F
→
07/15 15:22, 4年前 , 10F
會有想法知道怎麼改，如果完全沒有想法就代表你不適合設計
07/15 15:22, 10F
→
07/15 15:22, 4年前 , 11F
網路
07/15 15:22, 11F
→
07/15 15:22, 4年前 , 12F
好的踩下去就夠了，現在的AI還沒普遍、現在的很會用可能還
07/15 15:22, 12F
→
07/15 15:23, 4年前 , 13F
不到那個爆發點、所以感覺不出來只是會用能幹嘛，以後光是
07/15 15:23, 13F
→
07/15 15:23, 4年前 , 14F
會用就搶得要死了。
07/15 15:23, 14F
了解，謝謝前輩，我會再考慮看看
噓
07/15 15:49, 4年前 , 15F
說個笑話,鬼島有:
07/15 15:49, 15F
推
07/15 16:04, 4年前 , 16F
先會摳再會改
07/15 16:04, 16F
→
07/15 16:27, 4年前 , 17F
發展性？你又不是在募資的，甘你屁事
07/15 16:27, 17F
→
07/15 16:29, 4年前 , 18F
你開車需要懂引擎怎麼設計嗎？你設計引擎需要懂車子顏色那
07/15 16:29, 18F
→
07/15 16:29, 4年前 , 19F
種比較好賣嗎？各有專攻啊
07/15 16:29, 19F
推
07/15 17:59, 4年前 , 20F
你沒有domain know how 但有能力有只能往1走
07/15 17:59, 20F
→
07/15 18:00, 4年前 , 21F
往2走可以不用那麼紮實的理論訓練
07/15 18:00, 21F
→
07/15 18:00, 4年前 , 22F
但必須強化domain know how才有競爭力
07/15 18:00, 22F
推
07/15 18:12, 4年前 , 23F
產業用的AI有80%在處理資料 懂AI不懂資料的人去做
07/15 18:12, 23F
→
07/15 18:12, 4年前 , 24F
不如懂資料但會套模型的人
07/15 18:12, 24F
→
07/15 18:13, 4年前 , 25F
只有剩下那20%的人 要去搞模型
07/15 18:13, 25F
→
07/15 18:13, 4年前 , 26F
比如你要把AI模型塞到手機 聯發科就專搞這個
07/15 18:13, 26F
→
07/15 18:15, 4年前 , 27F
管院就別想走1了吧 1的工作 面試根本不可能輪到管院
07/15 18:15, 27F
噓
07/15 18:21, 4年前 , 28F
樓上~我知道有某政大文組土管生,騙到AI開發工作~
07/15 18:21, 28F
→
07/15 19:18, 4年前 , 29F
如果是兩年前，稍微懂點皮毛就可以拿到ai缺
07/15 19:18, 29F
→
07/15 19:18, 4年前 , 30F
但現在有點飽和了，沒四電三成學歷其實不好拿到
07/15 19:18, 30F
噓
07/15 19:49, 4年前 , 31F
石田三成
07/15 19:49, 31F
→
07/15 20:01, 4年前 , 32F
要搞AI先念個phd吧 不然都是抄paper改一改或買third-pa
07/15 20:01, 32F
→
07/15 20:01, 4年前 , 33F
rty算法在train而已QQ
07/15 20:01, 33F
噓
07/15 20:16, 4年前 , 34F
phd是給有心走學術研究的人念，AI不一定要走學術
07/15 20:16, 34F
→
07/15 20:16, 4年前 , 35F
從paper到能賣的產品有更多比model更重要的東西
07/15 20:16, 35F
→
07/15 20:17, 4年前 , 36F
這些需要的是工程師，跟phd出來的scientist是兩碼子事
07/15 20:17, 36F
推
07/15 20:35, 4年前 , 37F
先任職..有 project 才有機會練出成果..
07/15 20:35, 37F
噓
07/15 22:35, 4年前 , 38F
石田三成真D煩
07/15 22:35, 38F
推
07/15 23:46, 4年前 , 39F
ml dl 统計 直接就變ai了 哇
07/15 23:46, 39F
推
07/16 00:55, 4年前 , 40F
四電三成又是啥？
07/16 00:55, 40F
→
07/16 01:29, 4年前 , 41F
走AI不一定要讀PhD，但調調參數是大部分人做的事情，
07/16 01:29, 41F
→
07/16 01:29, 4年前 , 42F
要展現value還是建議走研究路線
07/16 01:29, 42F
→
07/16 01:31, 4年前 , 43F
代表夠獨特，也有能力設計更robust的model
07/16 01:31, 43F
推
07/16 07:08, 4年前 , 44F
四店應該是四個硬要貼前三的學店仔發明的吧，呵呵
07/16 07:08, 44F
推
07/16 09:42, 4年前 , 45F
請問樓主的職缺都是在哪看的 職位是標data scientist嗎
07/16 09:42, 45F
→
07/16 09:43, 4年前 , 46F
我爬過網路和一些網友分享 實際做ML工程師幾乎都在做資料
07/16 09:43, 46F
→
07/16 09:43, 4年前 , 47F
處理 剩下一點時間來選模型和調參 畢竟特徵工程可以很大
07/16 09:43, 47F
→
07/16 09:44, 4年前 , 48F
影響最終結果 而且實際應用比較少要你重新開發新模型吧
07/16 09:44, 48F
→
07/16 09:44, 4年前 , 49F
現在很多工具都可以直接幫你選模型甚至參數了 如AutoML
07/16 09:44, 49F
了解，我類似職缺都在104找關鍵字"大數據分析師"、"資料科學家"等等 ※ 編輯: louis0988 (180.204.225.71 臺灣), 07/16/2019 16:25:51
推
07/17 11:10, 4年前 , 50F
哪裡需要這麼多ML DL工程師 早就飽和了
07/17 11:10, 50F
推
01/15 14:48, 5年前 , 51F
如果要升級自己 可以再往數據收集探勘之類的技能去點
01/15 14:48, 51F
‣ 更多 louis0988 的文章
文章代碼(AID): #1TB29dNl (Tech_Job)