作者backprog (back-propagation)
看板Soft_Job
标题Re: [请益] 非cs想走ai领域,投履历没公司理
时间Wed Mar 15 16:01:40 2017
※ 引述《zzss2003 (brotherD)》之铭言:
: 各位大大好,小弟第一次在Soft版发文,有触犯版规烦请提醒。
: 小弟为逢甲EE学逢甲绿能硕,硕士论文是电池电量估测的模型建立,去年九月底毕业。
^^^^^^^^^^^^^^
不好意思,因为这几个字引起我的兴趣,本来说想你应该有点 ML 这方面潜能,
就去看了你的论文。
假如没错应该是这篇:
奈米碳电池之电量状态估测模型
http://handle.ncl.edu.tw/11296/ndltd/26136599142839699129
但是,看了以後发现我太乐观 XD
不是说你不好,而是你所谓的估测模型建立,是基於对电子电路、电池化学特性的了解。
并不是从大量实验产生的历史数据中,规划一个能自动 fit 历史资料的模型,
以便找出特定条件下的估测值。
重点根本就不是在你什麽科系毕业,
而是你无法证明自己曾经用过任何一种 ML 或机率统计的方法解决问题。
: 上网看了很多文章才发现,人工智慧下不同的子领域,所要求的能力都不太一样,比如机
: 器学习的职缺需求,都要有使用过模型(LDA, CNN, LR, DNN, RNN)的经验;音讯与影像处
你举的这些,3字元的那种都是比较高大上的模型。
真的想切入,建议不要被职缺需求牵着鼻子走,开需求的主管,自己可能也没跨过入门,
把简单的 bayesian, perceptron, linear regression 等学好,就已经能做很多事了。
简单模型只要用得正确、用得精巧,还是会被高手青睐的。
我听过一些公司根本没累积多少资料,也想来个 deep learning,
但是连资料充分前处里、充分 mining 的能力还都没具备。
小数据有小数据的作法,现在太多人一味跟风 deep。
用什麽模型,应该先看看手上有什麽资料?想达成什麽目的?
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 220.130.12.62
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Soft_Job/M.1489564902.A.CD2.html
※ 编辑: backprog (220.130.12.62), 03/15/2017 16:07:37
1F:推 cutekid: 推(Y) 03/15 16:08
2F:推 angrybirds11: 好人 03/15 16:16
3F:推 hungys: 03/15 16:37
4F:推 f496328mm: 厉害 还去找PAPER 03/15 16:42
5F:→ f496328mm: 推 deep learning 其实不是万能 有些用ML就够了 03/15 16:43
6F:→ f496328mm: 用deep learning反而比较差 03/15 16:43
7F:推 ilovejesus: 强 03/15 16:51
8F:推 touurtn: 根本是大佛来着 03/15 16:54
9F:推 northsoft: 推 03/15 16:54
10F:→ northsoft: 先玩一般统计学再说了 03/15 16:55
11F:推 locklose: 你真是好人 03/15 17:01
12F:推 bab7171: 推 03/15 17:08
13F:推 vn509942: 强 03/15 17:10
14F:推 tipsofwarren: ID 正确! 有开缺请私讯 03/15 17:17
我只是个小员工~ 你怎麽会觉得我能开缺
15F:推 maxqq: 好人无误 03/15 17:18
16F:推 dojay: 推一个。温馨。 03/15 17:27
※ 编辑: backprog (220.130.12.62), 03/15/2017 17:41:30
17F:推 Holysml: forward-progate 不重要吗?XD 03/15 17:51
重要挖,没有 forward-progate, backward-progate 怎麽会有东西可以计算?
18F:推 SuperCry: 超瞎的 怎麽不再去念一个研究所 03/15 17:54
19F:推 amatt: 有副教授或manager在口试的感觉 03/15 18:30
可能以前在研究室当学长当太久惹~
20F:推 shiauji: 推... 03/15 18:38
21F:推 AvatarH: 好人+中肯. 03/15 19:20
22F:推 johnwater: 温馨 友善 03/15 19:21
23F:推 rzsty: 推 善心人 03/15 19:28
24F:推 boy955403: 好心人 推推 03/15 19:40
25F:推 fgh81113: 好心人 03/15 19:55
26F:推 h5904098: 推一语中的 03/15 20:13
27F:推 j2751349: 推 03/15 20:56
28F:推 odanaga: Id正确 03/16 00:27
※ 编辑: backprog (39.9.137.153), 03/16/2017 01:15:41
29F:推 howhowyang: BPNN是你! 03/16 06:07
30F:推 tipsofwarren: 不过,Domain Knowledge + ML/DL 才是王道啦 03/16 09:43
31F:推 pttnowash: deep learning变dick learning 03/16 09:43
32F:→ tipsofwarren: 不然连基本特性的数据的非线性关系都没有先处理, 03/16 09:43
33F:→ tipsofwarren: 连model 都挑错, 我不认为可以用土法狂炼钢的方式 03/16 09:44
34F:→ tipsofwarren: 找出好的模型.顶多就是不知所以然... 03/16 09:44
35F:推 andysleep: NN需要你 03/16 10:33
36F:→ y800122155: 的确 在进入ML之前 有很多统计方面的手法可以先做分析 03/16 19:01
37F:→ viper9709: 推这篇 03/16 23:03
38F:推 argc: 推唷 03/17 09:17
※ 编辑: backprog (220.130.12.62), 03/17/2017 10:25:17
39F:推 dylanx07: 看上面推文才注意到ID BP 4ni! XDD 03/19 04:08
40F:→ DrTech: 完全同意这篇。Deep Learning 实务上真的用的很局限 03/20 09:53