作者komonkey (Komonkey)
看板Soft_Job
標題[請益] 非資訊本科學習大數據與AI異業結合的機會
時間Thu Jul 9 09:20:38 2020
各位年收三百萬的大神好：
關鍵字：非本科、異業結合、資策會課程、TibaMe
關鍵引：提問在 項次四
一、前言
本魯近期想離職學習Big Data及AI領域知識，
以便異業結合，希望職涯有突破性的發展，
所以來版上請各位大神幫我健檢跟建議。
二、背景介紹
1.國立中字碩，土木+環工背景，年上31，有環境工程技師牌。
2.TOEIC 7XX 剛好上藍色。
3.石化產業生產工程師約4~5年資歷。
4.因為工作與志趣不合，希望學習資訊技能，異業結合以突破現狀。
5.未來希望能做環境+資訊的產業。
個人學習資訊技能的經驗：
1.目前自學python中，Bill Lubanovic《精通Python》快讀+練習完了，但還沒自己做出P
roject。
2.過去當兵曾自己K一本C語言，一樣邊看邊練習題目只有做過很簡單的小Project(屬於不
值一提型的)。
3.學過Android APP製作課程，程度大概就職訓局1期課程等級而已，後面也沒繼續發展。
4.大學學過Java、Fortran及C++，當時上課都跟得上。
三、目前計畫
1.打算轉職，原本找到一個外商公司，後來發現工作內容與資訊關聯性低。
2.一樣離職，給自己4~6個月時間，全職上資策會課程學BIG DATA及AI，或上Tibame，端
看哪個時間比較合適。
四、問題
1.這樣異業結合，是否能讓我有不一樣的機會，在轉職上可以有突破？
2.資策會、TibaMe是否是好的學習資源，能否對我未來有幫助？
3.是否有其他建議資源或發展路徑可以建議我？
以上，感謝各位大神，閱讀，還請不吝賜教。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.82.165.162 (臺灣)
※ 文章網址: https://webptt.com/m.aspx?n=bbs/Soft_Job/M.1594257640.A.A82.html
※ 編輯: komonkey (111.82.165.162 臺灣), 07/09/2020 09:22:03
※ 編輯: komonkey (111.82.165.162 臺灣), 07/09/2020 09:23:14
※ 編輯: komonkey (111.82.165.162 臺灣), 07/09/2020 09:27:49
1F：推 ggggggh: 貪多不爛。選一樣吧！07/09 09:27
※ 編輯: komonkey (111.82.165.162 臺灣), 07/09/2020 09:28:50
2F：推 jienfong: 異業結合感覺很酷，但實際落地並不容易，AI做的好不止要07/09 09:30
3F：→ jienfong: AI應用+資工+domin knowledge都必須到達一個平衡07/09 09:30
4F：→ jienfong: 覺得不用離職，先試試線上大師課程，看可以給你帶來什07/09 09:31
5F：→ jienfong: 麼?07/09 09:31
6F：→ leo08210917: 大家都在瘋AI 短期課程拼得贏本科碩博班的研究嗎07/09 09:34
7F：推 max36067: Tibame本人上過 老師我覺得沒問題 但是大多還是自己研究07/09 09:35
8F：→ max36067: 最重要是你學出來沒學歷公司根本也不會想要你07/09 09:35
9F：→ komonkey: 本想說去上課可以做出project，有作品+結訓證明能加分?07/09 09:38
10F：→ max36067: 另外上課都是教你套版 底層算法還是要自己去學07/09 09:38
11F：→ komonkey: 我不怕要補學不足的知識，但目前自學就是常常不知缺什麼07/09 09:40
12F：推 Sunal: 轉職純AI肯定拼不過本科07/09 09:41
13F：→ leo08210917: 先找找一些想要投的職缺 看看JD內容需要用到那些技07/09 09:42
14F：→ leo08210917: 術 工具 自己嘗試摸看看07/09 09:42
15F：→ komonkey: 我知道，我本意是強化我在本業的特殊性，沒有要走純AI。07/09 09:43
16F：推 Sunal: 異業的切入點要看你自己了 土木環工本來就封閉了 大家也不07/09 09:43
17F：→ Sunal: 知道實際產業情況07/09 09:43
18F：→ komonkey: 確實，我應該多深入了解這BIG DATA跟AI在環工的應用。 07/09 09:45
19F：推 Sunal: 國外可能比較多機會07/09 09:45
20F：→ komonkey: 那如果要純學應用，是否上那些課會有幫助?07/09 09:46
21F：→ olivewood: 不是純AI是什麼意思07/09 09:47
22F：→ komonkey: 2F 您domin knowledge是指我本科的專業知識?還是AI方面?07/09 09:49
23F：→ leo08210917: 好奇 你對AI的理解是啥07/09 09:49
24F：→ komonkey: olivewood 我以為是透過機器學習來預測我想知道的問題，07/09 09:52
25F：→ komonkey: 需要會發展演算法，但我想這塊我無法比擬純血，所以希07/09 09:52
26F：→ komonkey: 望達到能應用即可。07/09 09:52
27F：→ komonkey: leo08210917 我的想法同回覆o大的。07/09 09:53
28F：推 jienfong: domin knowledge就是你本業專業，問你自己想要透過Al呈07/09 09:54
29F：→ jienfong: 現什麼?不要把AI當成純程式手法07/09 09:54
30F：推 jienfong: 上Github看看人家做甚麼？土木環工有很多有趣的題目，題07/09 09:59
31F：→ jienfong: 目程式手法只是專案其中一部份但絕不是全部07/09 09:59
32F：→ olivewood: 純應用也要懂理論吧，AI的重點不是在寫程式耶07/09 10:01
33F：推 TAKADO: 目前大部分的落地AI應用，說穿了就是幫你做完討人厭的統計07/09 10:11
34F：→ TAKADO: 過程，與簡化需要專家大量人工分析才能做出判斷，來輔助決07/09 10:11
35F：→ TAKADO: 策者決定。所以你先想一下你目前的domain有沒有這一類的問07/09 10:11
36F：→ TAKADO: 題，再去想如果要解決這些問題，要走哪個領域的AI分支與技07/09 10:11
37F：→ TAKADO: 術，例如是影像識別/NLP之類的。07/09 10:11
38F：→ komonkey: jienfong 我剛上github發現新世界，感謝!您的這建議真07/09 10:12
39F：→ komonkey: 的很好，感謝。07/09 10:12
40F：→ TAKADO: 環工我猜應該會有IoT長期監測收數據跟統計的議題。 07/09 10:13
41F：→ komonkey: olivewood 我想我得多學習理論，看來重點不是去哪學，是07/09 10:15
42F：→ komonkey: 要學到需要的，我還要在明確瞭解我缺乏的東西才可。07/09 10:15
43F：→ komonkey: TAKADO 我就是想在監測這方面應用07/09 10:16
44F：→ juijuijuijui: 你這是換領域吧，好聽點叫異業結合，目前覺得在ㄧ07/09 11:11
45F：→ juijuijuijui: 種領域做到top比較好，其余只是加分07/09 11:11
46F：→ pttworld: 你要拿什麼結合，看起來是混不下去轉行。07/09 11:31
47F：推 GGFACE: 你想做的事應該要在本行做 跟你老闆說你要導入新技術幫助07/09 13:41
48F：→ GGFACE: 分析 商業上的決策之類云云07/09 13:41
49F：推 jienfong: 有個觀念可能要注意，統計學和人工智慧差異頗大，兩個07/09 14:55
50F：→ jienfong: 領域雖然本質有點雷同，但後續發展完全是不同領域07/09 14:55
51F：→ jienfong: 不能說人工智慧就是在做統計工作，這兩個領域使用目的07/09 14:57
52F：→ jienfong: 完全不同07/09 14:57
53F：推 jienfong: 學術上這兩派人馬也是戶別矛頭07/09 15:00
54F：→ komonkey: juijuijuijui 這麼說也有道理。07/09 18:25
55F：→ komonkey: GGFACE 我想在本行做沒錯07/09 18:26
56F：→ komonkey: jienfong 那我得來研讀一下他們的異同了07/09 18:27
57F：→ ap954212: 不能全部都平的，還是要有突出點07/09 23:23
※ 編輯: komonkey (111.82.165.162 臺灣), 07/10/2020 09:24:06
※ 編輯: komonkey (111.82.165.162 臺灣), 07/10/2020 09:58:23
58F：推 greenx: 在台灣要走資訊先拿個CS碩吧 07/10 13:14
59F：推 min86615: 講一下其實統計跟人工智慧還是關聯很大的，畢竟人工智慧 07/10 23:24
60F：→ min86615: 的模型通常大部分是建於統計知識上，所以統計才是大宗人 07/10 23:24
61F：推 haseo00: 1.你想走的要有電資碩不然公司看到直接刷掉，2.資策會上 07/11 14:08
62F：→ haseo00: 那個是浪費錢和浪費時間，你可能上完找到的工作只是個資 07/11 14:08
63F：→ haseo00: 料庫管理人員 07/11 14:08
64F：→ haseo00: 3.語言先找1，2項點到精，不要全都點 07/11 14:09
65F：→ komonkey: greenx 好吧…這也是台灣的現實…而且我查了發現國內並 07/11 20:44
66F：→ komonkey: 沒有類似的缺，只有國外有，要的是環工碩+資訊技能… 07/11 20:44
67F：→ komonkey: min86615 我可能先縮限在data analysis會好一點 07/11 20:46
68F：→ komonkey: haseo00 也太慘了吧！ 07/11 20:47
69F：→ komonkey: haseo00 有什麼推薦先點滿的嗎？ 07/11 20:47
70F：→ TWBilly: 你的數學好不好？ 07/12 11:09
71F：推 pig0038: 台塑 長興有找過 AI 工程師，希望能幫到你 07/13 07:36
72F：推 Josephcheng: 很吃數學 07/13 07:54
73F：→ komonkey: TWBilly 敢問要到數學什麼程度才夠？ 07/13 13:12
74F：→ komonkey: pig0038 感謝寶貴資訊 07/13 13:12
75F：→ komonkey: Josephcheng 數學要到什麼程度才夠？ 07/13 13:13
76F：推 Josephcheng: 以小弟我粗淺的理解 如果你是想走傳統機器學習 建議 07/16 04:54
77F：→ Josephcheng: 線代、統計、機率都要有一定的了解，現在比較主流的 07/16 04:54
78F：→ Josephcheng: 應該是pgm、hmm、random field和kalman filter這些吧 07/16 04:54
79F：→ Josephcheng: ，如果是deep learning的話，我自己覺得high level c 07/16 04:54
80F：→ Josephcheng: oncept 的確相對好理解，但是實現的細節，以及如何以 07/16 04:54
81F：→ Josephcheng: 現有模型基礎發展出新的架構還是比較有難度，小弟對 07/16 04:54
82F：→ Josephcheng: 這一塊了解也不是很深，若有錯誤還請高手指正，然後 07/16 04:54
83F：→ Josephcheng: 土木這一塊我也不懂不方便評論什麼，只是用比較gener 07/16 04:54
84F：→ Josephcheng: al的角度給你建議。 07/16 04:54