作者查詢 / DrTech

總覽項目：發文 | 留言 | 暱稱

作者 DrTech 在 PTT [ Soft_Job ] 看板的留言(推文), 共8447則

限定看板：Soft_Job

首頁

尾頁

[心得] 2022-2023 data science 面試心得

[ Soft_Job ]45 留言, 推噓總分: +25

作者: as922425 - 發表於 2023/05/21 01:42(2年前)

6^F→DrTech: 感受相反。我想找弄模型的人，至少能依照需求改架構(其實05/21 13:42

7^F→DrTech: 不難)，結果來的人全部都只會call API。05/21 13:42

8^F→DrTech: 現在一堆四大的碩士博士，都只會套預設的模型，然後就畢業05/21 13:43

9^F→DrTech: 了。很詭異。05/21 13:43

[請益] 想請教各位前輩要怎麼提升自己的能力

[ Soft_Job ]77 留言, 推噓總分: +16

作者: tyc30827 - 發表於 2023/05/19 13:40(2年前)

42^F→DrTech: 內文完全看不出深度。不要搞得自己什麼都會，什麼都只有半05/21 02:35

43^F→DrTech: 年經驗，根本不吃香。05/21 02:35

44^F→DrTech: 你的用詞都非常模糊，描述都沒描述到關鍵核心，你應該知道05/21 02:42

45^F→DrTech: data scientist 各公司定義完全不同吧。MLOps 不同背景的05/21 02:42

46^F→DrTech: 人定義完全不同吧。05/21 02:42

47^F→DrTech: 最重要的是，你沒設定目標，當然怎麼學都很虛且沒效率。05/21 02:43

[討論] 遇到程度不好的新人該怎麼處理

[ Soft_Job ]193 留言, 推噓總分: +66

作者: TaiwaNumber1 - 發表於 2023/05/20 19:37(2年前)

56^F→DrTech: 你是他的主管嗎？如果不是，不要擔心這種事情。甚至你應該05/21 02:30

57^F→DrTech: 更高興才對這樣考績評比時，就有人扛墊底了。05/21 02:30

58^F→DrTech: 不是主管，何必操主管的心。05/21 02:31

[請益] 新人offer請益

[ Soft_Job ]69 留言, 推噓總分: +37

作者: kerycheng - 發表於 2023/05/20 13:34(2年前)

47^F→DrTech: 南科一堆科技公司招軟體或AI起薪都55K保14起跳，才正常吧05/21 02:26

48^F→DrTech: 。05/21 02:26

[心得] ASUS AI Robotics Center 被拒面試經歷

[ Soft_Job ]58 留言, 推噓總分: +20

作者: yang5d2008 - 發表於 2023/05/19 22:26(2年前)

42^F→DrTech: 這單位又不是AICS05/21 02:21

[請益] 新創Offer請益

[ Soft_Job ]77 留言, 推噓總分: +20

作者: tsaigi - 發表於 2023/05/18 20:28(2年前)

28^F→DrTech: 2，更差吧。。首先AI在車載，根本不可能切入車廠。請判斷05/19 08:10

29^F→DrTech: 該公司有自己做硬體嗎？沒做硬體，連後裝市場供應鏈都沒辦05/19 08:10

30^F→DrTech: 法切進去了。再來是AI視覺在製造業，大公司自己做。小公司05/19 08:10

31^F→DrTech: 一堆新創在做同質性超高的工作，能力也很一般(你看台灣做05/19 08:10

32^F→DrTech: 製造業做CV有哪家做出明堂的？)。最後，一間新創公司要去05/19 08:10

33^F→DrTech: 的就是核心部門。如果這家新創連大量用戶都沒有，你去做SR05/19 08:10

34^F→DrTech: E能學到什麼？背k8s指令嗎？。05/19 08:10

35^F→DrTech: 如果是有頭有臉的銀行，還不如先內轉，累積軟體開發經驗。05/19 08:11

36^F→DrTech: 經歷真的別亂洗，要跳槽，有頭有臉的銀行IT軟體開發，絕對05/19 08:12

37^F→DrTech: 比沒辦法出名的新創強太多。05/19 08:12

38^F→DrTech: 會k8s各種指令根本不值錢。工具那麼多，很好上手。真正能05/19 08:15

39^F→DrTech: 學到高流量，高彈性，高穩定的Infrastructure 環境，才會05/19 08:15

40^F→DrTech: 值錢。05/19 08:15

41^F→DrTech: 工作不到一年，這樣跳，太沒必要。05/19 08:18

73^F→DrTech: 為什麼不是年薪，月薪都看。年薪月薪都要滿意才接受才是常05/21 02:11

74^F→DrTech: 態吧。05/21 02:11

75^F→DrTech: 怎麼算都是年薪降薪吧。降薪去爛產業，爛公司，圖的是什麼05/21 02:16

76^F→DrTech: 呢。我在內文是看不太出來。05/21 02:16

77^F→DrTech: 支持你離開銀行，但不建議有個浮木就亂抓。05/21 02:19

Re: [討論] 關於 Dcard ML 實習作業

[ Soft_Job ]39 留言, 推噓總分: +7

作者: EvilSD - 發表於 2023/05/15 21:35(2年前)

33^F→DrTech: 你們都來亂的吧，你去看各種task排行榜，paperwithcode排05/21 13:46

39^F→DrTech: 人感受。05/21 13:50

38^F→DrTech: 效果好要講科學證據啦，公開資料集測一下，不要靠猜測或個05/21 13:50

37^F→DrTech: 能上正常有流量的產品。05/21 13:48

36^F→DrTech: 而且LLM跑一個完整預測結果，正常機器，要數秒。用怎麼可05/21 13:48

35^F→DrTech: 身為工程人員，講科學證據吧。不要靠幻想感受。05/21 13:46

34^F→DrTech: 行榜，有哪個top-3 solution是LLM+fine-tune?完全沒有。05/21 13:46

7^F→DrTech: 5萬筆資料用transformer 去over-fitting？資料量那麼少，05/16 11:10

8^F→DrTech: 模型用那麼複雜，效果好也是運氣05/16 11:10

9^F→DrTech: 沒有對錯，純個人不同看法。05/16 11:12

20^F→DrTech: 用transformer，尤其是直接標題放進去train就是準備 over-05/18 00:05

21^F→DrTech: fitting啊，ML基本常識。 BERT Embedding+ 下游小模型，我05/18 00:05

22^F→DrTech: 還覺得稍微有點ML常識。05/18 00:05

23^F→DrTech: 這吳恩達的deep learning或各種ML經典教科書都有寫吧。資05/18 00:06

24^F→DrTech: 料量少要用小模型。05/18 00:06

25^F→DrTech: 或者把 transformer或BERT的layer抽掉幾層成為較小模型也05/18 00:10

26^F→DrTech: 可。用小模型是為了降低模型的Variance，這基本常識吧。05/18 00:10

27^F→DrTech: 這就是為什麼原PO用XGBoost LightGBM ，反而效果可能好05/18 00:12

[請益] 會自己買辦公椅取代公司的椅子嗎？

[ Soft_Job ]127 留言, 推噓總分: +54

作者: givemoney - 發表於 2023/05/15 00:47(2年前)

11^F→DrTech: 你考慮到人情世故。但真正的人情事故，應該正常主管應該是05/15 01:10

12^F→DrTech: 要鼓勵你自費把辦公環境營造更好。如果看到員工自費換比自05/15 01:10

13^F→DrTech: 己更好椅子就生氣，這種公司我是不會待的。05/15 01:10

[討論] 關於 Dcard ML 實習作業

[ Soft_Job ]49 留言, 推噓總分: +13

作者: Sixigma - 發表於 2023/05/14 01:29(2年前)

7^F推DrTech: 你這樣 concatenate bert出來的維度那麼大，變成嚴重主導05/14 14:36

8^F→DrTech: 預測結果。但實際上05/14 14:36

9^F→DrTech: 但標題實際上根本不太會影響愛心與評論數。光看這點，就覺05/14 14:38

10^F→DrTech: 得你沒有從最基本的業務理解business understanding來解了05/14 14:38

11^F→DrTech: 。05/14 14:38

12^F→DrTech: 對了，資料量有多打？資料量少，用複雜的模型根本沒用。05/14 14:41

13^F→DrTech: 資料量少的話，例如少於幾萬筆，對標題做任何處理可能都沒05/14 14:46

14^F→DrTech: 太大意義。05/14 14:46

15^F→DrTech: 這題，愛心數，評論數的特徵，相較於標題，標題絕對是雜訊05/14 14:48

16^F→DrTech: 。05/14 14:48

17^F→DrTech: HuggingFace tokenizer出來的標題維度很大的，只會讓標題05/14 14:51

18^F→DrTech: 雜訊主導一切。當然沒辦法收斂，很正常。05/14 14:51

19^F→DrTech: 資料量確實是問題。但人是否會根據標題就評論或點愛心，是05/14 14:58

20^F→DrTech: 你優先需要思考到的。05/14 14:58

31^F推DrTech: 謝謝你，長文那麼仔細回應互動喔05/14 17:54

Re: [討論] 閒聊文-為什麼前端這麼卷呀？

[ Soft_Job ]97 留言, 推噓總分: +32

作者: gasbomb - 發表於 2023/05/11 09:39(2年前)

11^F→DrTech: 中肯。抄襲支那用語，還亂定義。大家還討論得很開心。05/11 10:33

13^F→DrTech: 拿年薪百萬，來分析。人民幣年薪22萬來看，月薪1.6萬人民05/11 10:41

14^F→DrTech: 幣。05/11 10:41

15^F→DrTech: 中國至少要考得上二本大學，工作個2,3年，才有面試相關工05/11 10:41

16^F→DrTech: 作的機會，這還只是面試喔。985,211你至少要面上tier 2的05/11 10:41

17^F→DrTech: 互聯網大廠，才有月薪1.6萬人民幣。那都是專業科系百分之505/11 10:41

18^F→DrTech: 以內的人了。台灣卻完全沒門檻資策會出去3-5年就有機會穩05/11 10:41

19^F→DrTech: 穩達到。根本不卷。05/11 10:41

20^F→DrTech: 台灣連內卷的環境都沒有，當然沒對應的任何詞可形容。05/11 10:43

21^F→DrTech: 我以前在中國一線公司工作時，找一個無工作經驗的AI研發人05/11 10:47

22^F→DrTech: 員，公司是直接給一份重點大學博士的名單，一千多位博士去05/11 10:48

23^F→DrTech: 選。每個人都是名校博士，在哪爭少少的名額。台灣呢？非本05/11 10:48

24^F→DrTech: 科系的人，上過人工智慧學校，就變AI專家了。05/11 10:48

72^F→DrTech: 削價競爭或投入沒成長都不是內捲，差太多了。削價競爭，不05/12 12:32

73^F→DrTech: 用時間成本。內卷要大量投入時間成本。投入沒成長，但你學05/12 12:32

74^F→DrTech: 到新技能，可以在未來換到更好的工作。內卷即使你投入學到05/12 12:32

75^F→DrTech: 新技能，因為大家都在卷，未來還是換一樣爛的工作。05/12 12:32

76^F→DrTech: 內卷是人太多才會發生的，台灣根本沒機會發生。05/12 12:33

77^F→DrTech: 每年產出400萬以上大學生，在一個市場競爭少數聽過的公司05/12 12:39

78^F→DrTech: ，台灣根本沒這環境。05/12 12:39

首頁

尾頁