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