※ 引述《longlyeagle (長鷹)》之銘言： : 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 就目前我所知道的AI來說，絕大多數都是應用在"現有產品"的加值上面 怎麼說呢? 譬如說我就有聽過EDA的公司找應用DL來把EDA做最佳化的學生， 或像是趨勢想要把DL應用在惡意封包的偵測上， 或是本業是嵌入式系統的公司，想要做出更炫的產品應用等等， 但由於tensorflow 或是pytorch等，這些API已經算是很容易上手了， 所以很多公司往往會從"內部找工程師去受訓上課"，"內部找工程師去受訓上課" 來幫助自己的產品做加值。 這樣做會有幾個重要的好處: 1.公司內部不是每個產品都一定用到DL: 很多產品用非NN的演算法就可以解掉，或者是根本就沒有演算法的需求。像我就曾經做 過收到特定的TCP封包後，就讓我的MCU送出PWM的訊號，這哪裡演算法可言?! 但這種需 求多不多?目前這樣的需求還是"遠遠多過"會需要使用DL的項目。找內部工程師的好處 就是，當沒有要弄DL的項目時，工程師就可以回去弄原本既有專業。 2.這些東西真的是非常容易上手: 我其實就是被公司派去上課受訓的其中一員，半路出家的嵌入式工程師，跟我同時期去 受訓的也有兩個，上完課之後，要建"可以用的NN"，根本就不是問題，而且重點是， 因為我們懂原本公司的產品，所以對於資料的前處理上根本就是得心應手，完全是無縫 接軌。又如同我前一篇文章所言，DSP前處完之後，丟到NN去之後正確率提高到90%， 客戶滿意跟爽才是重點，根本沒有人會去在乎演算法裡面是否只有NN。 所以前面有推文提到光學博士沒有全用NN，我個人覺得，那完全不是問題， 只要能滿足客戶的需求，有邏輯性，執行速度快，那就好東西!!!!!!!!!!!! 能夠能解決問題 ，根本94讚好嗎 總結以上的兩點， 所以就會回到一個很根本的問題:為何公司要特別請一個專門只做AI或是NN的人呢? 派工程師去受訓，了不起花個10幾萬就可以搞定的東西，何必再"每年"花個50~60萬以上 或是百萬以上請一個專門只會做AI的工程師呢? 換個角度來思考，如果你今天是公司的管理階層，你會怎麼做? 那如果真的要請一個人專門做AI，那請問一下，你會想請甚麼樣等級的人物，這個錢花下 去才會值得 所以再回到最原始的問題: 如果完全0基礎，去補習班學AI就可以找的到工作嗎? 恩....建議還是去學個前後端或是Java都比這個有用很多倍 真心不騙 ㄎㄎ --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 49.217.186.193 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/Soft_Job/M.1636594413.A.BDC.html ※ 編輯: isaacting (49.217.186.193 臺灣), 11/11/2021 09:34:31