本魯碩博主要做人工智慧/機器學習, 一點淺見
機器學習 主體是機器, 主要方向是
機器如何可以學習 有哪些方法
類神經 模糊理論 灰色系統 基因演算法 蟻群 貝氏網路
十年前的啦, 現在不知道, 脫節很久惹...
這個方法用在那個資料效果好不好, 如何讓它變好
同一筆資料 換另一個方法呢?
或者數個方法串起來用?
同一個方法, 用在別種資料呢?
總之目標是在增進機器的學習能力,
速度更快、效果更好、對不同資料更泛用等
資料科學, 主體是資料, 主要方向是
資料如何分析?
統計? 資料探勘? 機器學習?
丟入某很夯很威的工具 (MATLAB 等) 用現成工具跑看看結果
調調看參數權重
根據已知 (或想像中) 的邏輯 調整參數 建模
由分析結果反推原因、建模
總之目標是放在對資料本身的理解
找到更多規則、挖出未知的關係、發展理論
ex 有某某情形的股票未來 6~12 個月表現會明顯優於其它股票等
可以使用任何方法, 包含機器學習
資料量不大的話要用 excel 樞鈕分析都可以...
大致來說就是,
機器學習偏重在工具的開發與改進,
資料科學則是著重在應用工具從資料中找出理論或應用價值
以台灣來說, 機器學習的職缺可能會比較少,
主要會是資料科學吧?
(指工作內容, 職缺名稱就不知道了)
※ 引述《smallv (小小勝利者)》之銘言：
: 想請教版上大大
: 假設有了機器學習或者資料科學家工作經驗一段時間
: 未來想跳槽的話 領域不同會差很多嗎
: 像是...影像方面 語言方面 預測股票期貨方面 球賽勝率 機器人辯論方面 等等
: 各自的差異就蠻大的
: 那這樣跳槽會不會比較難 因為使用的演算法可能會有小差異?
: 還是其實還好? 尤其短時間內台灣這類人才還是短缺 不太需要擔心?
: 第二個問題 在台灣通常軟體公司的機器學習或資料科學家
: 待遇大概是哪個範圍 能有6萬到12萬嗎?