※ 引述《longlyeagle (长鹰)》之铭言： : Hello 我勉强算是在一线外商做机器学习的 : 我觉得讨论到这里需要厘清一下所谓 "AI工程师" 的角色 : 在业界下图打*号的都有可能会自称是 "AI工程师" : _________________________图____________________________ : Domain Expert : | : *Data Analyst --- - Data Visualization ... : | \ / : *Data Scientist -+- Tools -+- Hadoop / Spark ... : | / \ : *Data Engineer -- - Machine Learning : | | : Software Engineer *ML Research Scientist : _______________________________________________________ : 不过左边这三个跟右边的研究员有本质的差异 : 应映现代的商业模式，人们为了加快业务的迭代速度与优化增长， : 想要利用 Data 来自动做决策 : 所以左边三个角色，虽然有的更贴近业务面，有的贴近工程面， : 可是目标最後都是为了解决商业上的问题 : 而 Machine Learning 其实只是工具里的其中一种 : 就像是厨师使用菜刀一样 : 需要的是了解不同菜刀的特性并且根据菜单选择不同的刀具 : 而不一定会需要打造菜刀 : 看得懂论文，能够做实验验证不同手法在商业应用的效果就好 : 其他工序对食材的处理甚至会比选择使用哪一把刀还要重要 : ML Research Scientist 则不同 : 这位是打刀人，不用管太多 Domain Knowhow : 毕竟 ML 这个工具就是用数学打造出来的 : 所以需要更多数学相关的能力 : 撇开学术单位，纯以业界而论 : 上图左边三个跟右边一个的人力需求比超过 100:1 : 而且两边在技能需求上也有很大的差异 : 我觉得可以分开来看 : 架设我们今天目标是左边偏重应用的 : 那除了机器学习之外在不同的产业有不同的专业需要学习 : 除了专业以外，其他相关的工具 : 比如资料视觉化，大数据工具，或一些清洗手法与流程也需要有所了解 : 这样的职位看重的是即战力 : 毕竟是找你来解决商业问题的 : 你在面试的时候要证明的就是自己的战力 : 业界经验，作品或是比赛会比较有用 : 如果要找的是右边的研究员职位 : 这时候我们才更看重学问的紮实程度 : 又因为这个职位人数很少 : 就算有学历如果没有顶级论文基本也是没有机会的 : 现在我们常说毕业生都做 AI 可是找不到 AI 工作的原因 : 就是因为左边要找即战力解决问题，右边需求人数又少 : 所以最後还是走向 SDE 或是相关职缺 : 我是建议有想要走这一块的不要把自己的路走窄了 : 想说自己就是只要找 AI 相关的工作结果一直找不到工作 : 除非确定自己就是要做很厉害的研究发很强的论文 : 不然我们平常看看跟自己做的应用相关的 AI 论文 : 保持自己对工具的熟悉度就好 : 不要排斥其他的软工机会 : 至於原文的问题想要上课後找相关工作 : 这个就跟上面整理的一样 : 光是做 AI 相关的毕业生就数不过来了 : 除非你能够证明你的战力 : 不然我比较推荐一般软工的课，像是 Java 之类的可能比较好找工作 就目前我所知道的AI来说，绝大多数都是应用在"现有产品"的加值上面 怎麽说呢? 譬如说我就有听过EDA的公司找应用DL来把EDA做最佳化的学生， 或像是趋势想要把DL应用在恶意封包的侦测上， 或是本业是嵌入式系统的公司，想要做出更炫的产品应用等等， 但由於tensorflow 或是pytorch等，这些API已经算是很容易上手了， 所以很多公司往往会从"内部找工程师去受训上课"，"内部找工程师去受训上课" 来帮助自己的产品做加值。 这样做会有几个重要的好处: 1.公司内部不是每个产品都一定用到DL: 很多产品用非NN的演算法就可以解掉，或者是根本就没有演算法的需求。像我就曾经做 过收到特定的TCP封包後，就让我的MCU送出PWM的讯号，这哪里演算法可言?! 但这种需 求多不多?目前这样的需求还是"远远多过"会需要使用DL的项目。找内部工程师的好处 就是，当没有要弄DL的项目时，工程师就可以回去弄原本既有专业。 2.这些东西真的是非常容易上手: 我其实就是被公司派去上课受训的其中一员，半路出家的嵌入式工程师，跟我同时期去 受训的也有两个，上完课之後，要建"可以用的NN"，根本就不是问题，而且重点是， 因为我们懂原本公司的产品，所以对於资料的前处理上根本就是得心应手，完全是无缝 接轨。又如同我前一篇文章所言，DSP前处完之後，丢到NN去之後正确率提高到90%， 客户满意跟爽才是重点，根本没有人会去在乎演算法里面是否只有NN。 所以前面有推文提到光学博士没有全用NN，我个人觉得，那完全不是问题， 只要能满足客户的需求，有逻辑性，执行速度快，那就好东西!!!!!!!!!!!! 能够能解决问题 ，根本94赞好吗 总结以上的两点， 所以就会回到一个很根本的问题:为何公司要特别请一个专门只做AI或是NN的人呢? 派工程师去受训，了不起花个10几万就可以搞定的东西，何必再"每年"花个50~60万以上 或是百万以上请一个专门只会做AI的工程师呢? 换个角度来思考，如果你今天是公司的管理阶层，你会怎麽做? 那如果真的要请一个人专门做AI，那请问一下，你会想请甚麽样等级的人物，这个钱花下 去才会值得 所以再回到最原始的问题: 如果完全0基础，去补习班学AI就可以找的到工作吗? 恩....建议还是去学个前後端或是Java都比这个有用很多倍 真心不骗 ㄎㄎ --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 49.217.186.193 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Soft_Job/M.1636594413.A.BDC.html ※ 编辑: isaacting (49.217.186.193 台湾), 11/11/2021 09:34:31