作者查詢 / doom8199
作者 doom8199 在 PTT [ Physics ] 看板的留言(推文), 共129則
限定看板:Physics
看板排序:
全部Grad-ProbAsk1850Math1304SENIORHIGH404tutor265trans_math263MATLAB203Physics129tetris112C_and_CPP58PushDoll39travian34graduate26puzzle17Perl7sex7Tech_Job3Hsinchu2KS98-3022TigerBlue2YZU_CN99A2Agronomy-991ASIA-uni1CGSH87th_3151CSMU-D971CSMU-HSA971CSMUdancepub1CSU1EEBaseball1FCU_EE97A1FCU_EE97B1FJU-Family1FJU-STAT95B1Gossiping1Hate1HCHS593051HCHS593141HCHS603121HCHS913111HCHS_ALUMNI1HSNU_11431Instant_Mess1KS95-3181KS98-3121Mathematica1MCU_Talk1NCCU02_Korea1NCCU08_Ethno1NCHU-Stat971NCHU-SWC1NCHU_AMpower1NCHU_ME1011NCKU_EARTH981NCUIM971NDHU_FIN991NTOU-AQUA981NTPU-STAT951NTUBIME-1021NTUEE_Lab4261NTUHistory981NTUot971NTUST-EE-B961NUTN_MS991Orzhong97cl1pccu_physics1PCSH96_3061Philosophy1Prob_Solve1RESIT1SCU_Japan96A1share1SSSH-16th-Fk1STDM-93-3031streetfight1study1tcfsh69th3201TCFSHvolley1Viator94Ding1WomenTalk1WuLing50-3021WuLing50-3061<< 收起看板(80)
6F→: 我覺得原po你的分類有點奇怪,軟硬體架構這部分是03/08 13:32
7F→: SW/HW architect/engineering 在負責的03/08 13:32
8F→: 只要有在寫程式,人人都可叫 programmer,只差在你03/08 13:32
9F→: 用甚麼 tool 解決甚麼事情、面對哪些客戶群,以及03/08 13:32
10F→: 須具備哪些知識。例如:03/08 13:33
11F→: 某些人想分析大數據,那可能就是跑一些 simulation03/08 13:33
12F→: 用來估計某些參數給演算法的人使用03/08 13:33
13F→: 某些人負責寫 app/benchmark,可能用到 OpenCL 之類做一03/08 13:33
14F→: 些加速,用來做軟硬體上的驗證與評分03/08 13:34
15F→: 只要相關知識到位,做甚麼都可以,沒有甚麼做 A無法跨 B03/08 13:34
30F推: 我覺得原po有點把 data scientist 捧太高03/08 21:19
31F→: 若只是單純拿 ML/DL 作數據分析,上網抓 GoogleNet03/08 21:19
32F→: 或 SqueezeNet 就能玩了。而且會走 DNN 的路03/08 21:19
33F→: 代表要取代舊有已知數學模型,完全不太需要甚麼背景03/08 21:19
34F→: 只需要大量的資料和你想解決問題的基本知識就夠了03/08 21:19
35F→: 光這點 我不覺得物理人在這方面的優勢在哪?03/08 21:20
36F→: 而且進職場,很多領域都是要重學,連 EE/CS 也不例外03/08 21:20
37F→: 不懂的東西請教別人或是多上網survey,懂了知識就是你的03/08 21:20
21F→: 我也蠻好奇物理系訓練為何適合創業?03/07 21:41
22F→: 一個團隊裡頭,至少要有一名 PM 或具 marketing03/07 21:42
23F→: 相關知識的人,創業才有機會成功;否則即使每個人03/07 21:42
24F→: 身懷高知識技術,連 business model 也不懂03/07 21:42
25F→: 新創公司是要如何賺錢與成長?03/07 21:42
3F→: 你要先定義"總熵"在你的描述代表甚麼意思?10/04 17:30
87F→: 原po若能預測大樂透請務必跟我說謝謝10/03 09:26
43F→: 你說的model解法其實原理就是 monte carlo -> CLT04/07 19:35
44F→: 但 AlphaGo 會成功,是因為它使用多層類神經網路04/07 19:36
45F→: 以及大量的 training data04/07 19:37
49F推: 只有第二個 link開的起來; 這很明顯是 CNN/DNN 在強大04/14 21:39
50F→: 網路上一大堆方法目的都只是為了能有效的訓練04/14 21:40
51F→: 事實上 DNN 最有價值的地方就是每層類神經參數值04/14 21:42
21F推: rod 不參與色覺吧? 人感受到的色彩空間基本上還是12/28 12:54
22F→: 由三個 cones 決定12/28 12:54
23F→: 這個只是 "一次性" 的實驗, 跟常態分配一點關係也沒有07/31 09:55
24F→: 統計學上所說的近似常態分配, 是指每次的實驗都會拿到07/31 09:57
25F→: 若干個 observation (以這裡來說是 sample mean)07/31 09:58
26F→: 當作了很多次實驗, 不管sample mean原始的 distribution07/31 10:00
27F→: 為何, 都可用常態近似分配. 所以一次性實驗不能帶表甚麼07/31 10:03
6F→: 跟物理關係不大吧, 2D影像重建3D模型是很老舊的題目05/26 12:44
7F→: 資工系一般project就有在做。但因計算量大、且效果不佳05/26 12:44
8F→: 近期是搭配主動式掃描器達到 real-time 3D 重建05/26 12:45
9F→: 斷層掃描是 2d rendering, 目的完全不一樣05/26 12:48
32F推: 這跟 CT真的一點關係也沒有XD, CT 是先用 X-ray拿到被05/26 17:58
33F→: 掃描物各個角度的 depth,再回推某一橫切面的幾何構造05/26 17:58
34F→: 藉此看身體內部是否發生異常,重點在 "內部構造"05/26 17:58
35F→: 重建 3D"表面"模型又沒甚麼幫助05/26 17:58
36F→: 這裡的 3D reconstruction, 只要一台相機 + CV 的相關05/26 17:59
37F→: 知識就可以做了,根本不需要幾百萬、幾億的機器05/26 18:00
55F→: 可以先去了解 "image based" 3d rec. 的常見作法與困難05/28 01:32
56F→: 再來腦補好嗎? 已經說了兩者做法完全不一樣,我沒有特05/28 01:33
57F→: 別提到原po的問題, 是因為它的作法大多跟物理一點關係也05/28 01:34
58F→: 沒有。 例如給定兩張照片,你要如何寫一個程式,判斷05/28 01:35
59F→: A照片的眼睛、嘴巴某個 pixel,對應到B照片的某點05/28 01:36
60F→: 裏頭要考慮到 feature extraction、edge、occlusion 等05/28 01:38
61F→: 這還僅僅只是為了找對應點。做之前還得先處理 camera05/28 01:39
62F→: calibration; 而 CT 資料那麼充足,只是利用 freq.05/28 01:41
63F→: domain 搭配 IIR filter 來做資料的投影與影像強化05/28 01:41
64F→: 作法比起來簡單許多,核心演算法哪裡差不多?05/28 01:44
86F→: 到底要我說幾次, "這不是 tomography" x N05/30 12:55
87F→: 因為很重要得說N次。 若你您想腦補任何的3d重建技術都跟05/30 12:56
88F→: CT類似這我管不著,但麻煩不要讓其他版友有類似的錯誤05/30 12:57
89F→: 認知好嗎? 光就產生 depth map 而言,你只要給我 x-ray05/30 12:58
90F→: 掃描後的數據,我馬上就能用 matlab 寫出來05/30 12:58
91F→: 可是光從 color images 要做 depth estimation05/30 12:59
92F→: 要做的事情遠比 CT 還要來的多,而且效果不佳&不夠robust05/30 13:00
93F→: 所以我推文一開始就說,需要搭配主動式掃描器(如kinect)05/30 13:01
94F→: 才有機會把這東西做好05/30 13:02
95F→: 然後也麻煩去"實作" multiple view 3d reconstruction05/30 13:07
96F→: 不要總是用物理看世界,不去實作or了解卻一直 CT來CT去05/30 13:10
24F→: 在批評人家之前,自己先做個幾天的記者試試02/17 05:59
61F→: 問題根源之一是大學碩士生滿街跑, 供過於求12/11 19:14
62F→: 半導體分割出去, 日子也不會好過到哪裡去12/11 19:15
63F→: 說不定人才外流還會加重12/11 19:16