Hello 我勉強算是在一線外商做機器學習的 我覺得討論到這裡需要釐清一下所謂 "AI工程師" 的角色 在業界下圖打*號的都有可能會自稱是 "AI工程師" _________________________圖____________________________ Domain Expert | *Data Analyst --- - Data Visualization ... | \ / *Data Scientist -+- Tools -+- Hadoop / Spark ... | / \ *Data Engineer -- - Machine Learning | | Software Engineer *ML Research Scientist _______________________________________________________ 不過左邊這三個跟右邊的研究員有本質的差異 應映現代的商業模式，人們為了加快業務的迭代速度與優化增長， 想要利用 Data 來自動做決策 所以左邊三個角色，雖然有的更貼近業務面，有的貼近工程面， 可是目標最後都是為了解決商業上的問題 而 Machine Learning 其實只是工具裡的其中一種 就像是廚師使用菜刀一樣 需要的是了解不同菜刀的特性並且根據菜單選擇不同的刀具 而不一定會需要打造菜刀 看得懂論文，能夠做實驗驗證不同手法在商業應用的效果就好 其他工序對食材的處理甚至會比選擇使用哪一把刀還要重要 ML Research Scientist 則不同 這位是打刀人，不用管太多 Domain Knowhow 畢竟 ML 這個工具就是用數學打造出來的 所以需要更多數學相關的能力 撇開學術單位，純以業界而論 上圖左邊三個跟右邊一個的人力需求比超過 100:1 而且兩邊在技能需求上也有很大的差異 我覺得可以分開來看 架設我們今天目標是左邊偏重應用的 那除了機器學習之外在不同的產業有不同的專業需要學習 除了專業以外，其他相關的工具 比如資料視覺化，大數據工具，或一些清洗手法與流程也需要有所了解 這樣的職位看重的是即戰力 畢竟是找你來解決商業問題的 你在面試的時候要證明的就是自己的戰力 業界經驗，作品或是比賽會比較有用 如果要找的是右邊的研究員職位 這時候我們才更看重學問的紮實程度 又因為這個職位人數很少 就算有學歷如果沒有頂級論文基本也是沒有機會的 現在我們常說畢業生都做 AI 可是找不到 AI 工作的原因 就是因為左邊要找即戰力解決問題，右邊需求人數又少 所以最後還是走向 SDE 或是相關職缺 我是建議有想要走這一塊的不要把自己的路走窄了 想說自己就是只要找 AI 相關的工作結果一直找不到工作 除非確定自己就是要做很厲害的研究發很強的論文 不然我們平常看看跟自己做的應用相關的 AI 論文 保持自己對工具的熟悉度就好 不要排斥其他的軟工機會 至於原文的問題想要上課後找相關工作 這個就跟上面整理的一樣 光是做 AI 相關的畢業生就數不過來了 除非你能夠證明你的戰力 不然我比較推薦一般軟工的課，像是 Java 之類的可能比較好找工作 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.161.134.141 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/Soft_Job/M.1636569716.A.62D.html