作者ice80712 (我很有事)
看板Soft_Job
標題Re: [請益] 深度學習工程師待遇
時間Sun Oct 21 15:31:58 2018
看到很多人說DL數學吃重,
我覺得工程重要多了。
數學很吃重的,可能是研究單位吧,
或是只負責訓練模型的吧。
一,公司要先有硬體設備,還要有數據。
二,代碼要能善用這些硬體資源,多線程,多卡加速。
三,看原始代碼的能力,每次call函數,必要時要看裡面大概怎麼寫的。
四,模型整合,模型最後要在其他環境運行,跟其他模塊搭配,
可能要轉換成c語言,這當中的轉換是需要驗證的。
五,模型的大小以及運算量,如果是硬體公司,
模型要在嵌入式系統上運行,這時候模型的剪枝以及壓縮就很重要。
Google去年發表了一篇mobile net,至今被引用了600多次。
簡單來說,DL如果只有數學,調調參數,我覺得頂多就是研究員而已,
台灣很少有這樣的職缺,待遇也不高。
除了美商world quant之外,底薪200,不過那不是一般人能進的。
就算有工程師是只需要調模型的,但我覺得這真的沒什麼價值。
Kaggle排名有加分嗎?在台灣我覺得很難,
特別是一直用超大模型或是多模型投票,
在硬體公司根本不管用。
有人提到Gan,
但這東西目前都還處於研究型的應用,還沒看到什麼商業價值。
※ 引述《scotJJ (風林火山)》之銘言:
: 各位大大好,小弟最近想轉職(32),
: 在自學深度學習中,目前對一些 分類、
: 回歸 的演算法 以及 一些常見模型CNN、RNN
: 的做法跟數學理論大概都能了解
: (EX: 能解釋反向傳播等的原理之類的…)
: 還在學習更多中…,用tf、keras
: 實作簡單的model也都都的出來,
: 一些較小型的範例都沒問題。
: 只是因為是半路出家,私校資訊碩畢,
: 論文跟以前的工作經驗和AI這塊完全無
: 相關性 (雖然工作也是資訊相關),想請教
: 有在深度學習領域工作的大大,小弟這樣
: 情況,有辦法找得到DL方面的工作嗎,
: 我對這塊是蠻有興趣的(不然學不下去),
: 目前在這塊經營的前輩待遇大概如何?
: 一般DL新手待遇能談到多少呢?
: 能否請大大解惑
-----
Sent from JPTT on my Sony G8142.
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.159.146
※ 文章網址: https://webptt.com/m.aspx?n=bbs/Soft_Job/M.1540107121.A.E22.html
※ 編輯: ice80712 (140.112.159.146), 10/21/2018 15:34:42
1F:推 gofigure: 除非做的是data science core 不然其實就是碼農 10/21 15:54
2F:→ gofigure: 資料科學界的碼農 10/21 15:54
3F:→ gofigure: 上面一堆推文都只是停在 data analysis範疇 10/21 15:55
4F:→ gofigure: 更低階一點梳理資料 software/data engineer 10/21 15:56
5F:推 f496328mm: 推這篇,實務上真的是看這些,重點還是商業化 10/21 16:11
6F:→ f496328mm: 為了商業化,有很多跟DL、數學無關的流程 10/21 16:12
7F:→ f496328mm: 但那些就是必須 10/21 16:12
8F:推 f496328mm: 有很多繁瑣的事,像Kaggle每天玩model,真的不多 10/21 16:14
9F:推 gofigure: 只有像FAGA這種等級的公司才玩得起 data scientist core 10/21 16:18
10F:→ gofigure: 一般公司或新創 多的是一個人包山包海 沒有分工可言 10/21 16:19
11F:推 f496328mm: 一般公司,call model 就很夠用了 10/21 16:23
12F:→ f496328mm: 除非研發單位,不然很少去研究model 10/21 16:23
13F:→ f496328mm: kaggle都在比小數點,除非實務上小數點差距夠大 10/21 16:24
14F:→ f496328mm: 不然會把時間花在其他事情上 10/21 16:24
15F:推 Morphee: 所以薪水多少沒人講 10/21 16:53
16F:推 jass970991: ML數學幾乎是微積分跟線代 這算大學標準課吧 10/21 16:55
17F:推 Morphee: 所以薪水多少 10/21 17:00
18F:推 aa155495: 回樓上,看公司產業,類似的技術在不同產業範圍很大 10/21 17:13
19F:→ aa155495: 新人從年薪70萬到150萬都有 10/21 17:14
20F:→ ice80712: 這領域硬件也很重要 谷歌去年也發了mobile net 10/21 17:45
21F:推 ZuiYang: 推 再非頂尖研究單位中工程>數學 不過也不是真的用不到 10/21 18:47
22F:→ ZuiYang: 數學就是了 cost down的時候數學就出現了 10/21 18:47
23F:→ ZuiYang: *在 10/21 18:48
24F:→ Murasaki0110: GAN沒有商業價值?inpainting, super resolution在 10/21 18:56
25F:→ Murasaki0110: 用了都不知道 10/21 18:56
26F:→ Murasaki0110: 工程能力>>>>研究能力是確實 10/21 18:57
27F:推 clonsey1314: 推 10/21 19:51
28F:推 mpst897: GAN沒商業價值??? 10/21 20:18
29F:→ janus7799: GAN的狀況好像跟我知道的不太一樣 10/21 20:52
30F:→ ice80712: 目前在台灣 我看不太到什麼要用GAN 之前MTK好像有 10/21 21:18
31F:→ ice80712: 絕大部分其他的都沒有 10/21 21:19
32F:→ hsnuyi: 所以GAN到底有沒有商用價值啊? 有在用不代表有商用價值 要 10/21 22:32
33F:→ hsnuyi: 有可維持的淨利才算 10/21 22:32
34F:→ hsnuyi: 不然現在那些新創可都有價值了呢 10/21 22:34
35F:→ Mchord: GAN穩定性太差了能接受的應用範圍太狹隘,刷paper實在 10/21 22:52
36F:推 lunashining: GAN不是現在可用來做 data augmentation? 10/21 22:57
37F:推 dennis2030: 推,在台灣的產業現狀真的工程能力需求大於研究居多 10/22 00:02
※ 編輯: ice80712 (140.112.150.178), 10/22/2018 00:21:25
38F:推 BigShotBob: 除了美國的大公司 不管美國還是台灣 都是工程>>>>>> 10/22 01:06
39F:→ BigShotBob: 研究 做出產品才是重點 10/22 01:06
40F:推 BigShotBob: GAN現在能做的也只有Demo而已 RL也只能用在遊戲裡(除 10/22 01:08
41F:→ BigShotBob: 了deepmind) 10/22 01:08
42F:→ gino0717: demo本身就是個事業啊 10/22 01:36
43F:→ bibo9901: 美國大公司也是工程能力遠大於研究. AlphaGo和BERT難以 10/22 03:00
44F:→ bibo9901: 複製的原因是因為idea很高深原理很複雜嗎? 不是啊, 是可 10/22 03:01
45F:→ bibo9901: 怕的資料量加上貴到爆的TPU. 10/22 03:01
46F:推 Kazimir: super resolution和圖片重建不就是GAN 我看google最近 10/22 03:06
47F:→ Kazimir: 有要推基於算法的手機相機 其他還有自動上色還是風格轉換 10/22 03:08
48F:→ DrTech: 太偏頗了啦,現在市售手機拍照功能,就有用到GAN。 10/22 09:10
49F:→ DrTech: 其他就不說了,每句話都很偏頗。 10/22 09:11
50F:→ DrTech: 不是做研究的產品團隊,現在沒改良模型,很多效果都上不了 10/22 09:13
51F:→ DrTech: 。 10/22 09:13
52F:→ fallcolor: 咦哪一支手機有 10/22 09:53
53F:→ xsoho: 小米 10/22 10:07
54F:→ fallcolor: 真的找不到新聞耶 請問可以提供嗎 10/22 11:31
55F:→ rocwild: 其實Data science各種技能都需要吧?所以才搶手。 10/22 11:34
57F:→ hsnuyi: 小米手機有用GAN? 果然是科技大國 強 10/22 12:39
58F:→ xsoho: 偶隨便說的 10/22 14:46
59F:推 fallcolor: 那我建議不要隨便說 ai現在連內行人都瞧不起有部分就是 10/22 16:10
60F:→ fallcolor: 以訛傳訛 10/22 16:10
61F:→ xsoho: 分辨不出上面誰在鬼扯好像也不是那麼重要了 10/22 18:56
62F:推 sttagomantis: 講得好像研究的idea都很好想一樣 10/22 19:25
63F:→ sttagomantis: alphago是多少年研究的累積才有你看到如此簡單漂亮 10/22 19:25
64F:→ sttagomantis: 且有效的結果 10/22 19:25
65F:→ sttagomantis: BTW google brain是有工程team來做infra 10/22 19:26
66F:→ sttagomantis: 研究人員基本上還是做研究 不需要花太多心力在那邊 10/22 19:27
67F:推 lovebridget: GAN拎老師 10/23 00:02
68F:推 jack1218: GAN能飛天遁地 10/23 00:33
69F:推 goldflower: 樓上那圖令人不知該說啥… 10/23 07:35
70F:推 exeex: GAN... 我最近接到漫畫工作室的案子 請我幫改一個線稿上色 10/24 14:03
71F:→ exeex: 的AI 讓他們可以批次用AI處理線稿上色問題 10/24 14:03
72F:→ exeex: 不過那是很小的案子 只是修改一個很成熟的GAN Model 10/24 14:04
73F:→ exeex: 先不管漫畫產業 光是SRGAN能讓Full HD變4K 就超有商用價值 10/24 14:05
74F:→ exeex: 的 10/24 14:05
75F:→ exeex: 要真正進入商用就是過兩年 AI的ASIC 發展成熟 10/24 14:07
76F:→ fallcolor: 很好分辨 隨便講就是在鬼扯 11/03 21:58