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