{原文出處}
https://www.facebook.com/ai4quant/posts/385788271986151
要導入AI需要軟體&數據資料的文化
台灣業界長期並不將軟體工程與資料科學視為顯學
機器學習是奠基在 ML Engineer 與 Data Engineer 之上，還不包含最普遍的 Software
Engineer
所以在人工智慧之前，不妨先想想「工人智慧」可以做到什麼：比如影像監視、圖片物體
辨識、語音辨識、自動駕駛，請人類來做，可以提供有價值的服務嗎？如果提供的價值能
夠讓服務品質升級，就可以考慮透過AI來自動化。
台灣每年大量的資訊科系畢業生卻都以投入硬體產業鏈居多，直到2018年國際科技公司如
Google, Microsoft, Amazon, IBM, Line, Oath Yahoo開始招聘AI工程師，希望能有所變
化。
很多已經在硬體廠工作的硬體工程師或管理階層，因為已經領了高薪>150萬總體年薪(基
本薪+bonus+加班費)，轉換成本比較大，除非職場上的加班文化、工作理念不同才有可能
降薪轉換跑道加入AI新創。但是AI這個領域裡在台灣有多年Software+Data經驗的人不多
，所以剛投入AI的工程師很多時候還會花時間打滾摸索。
Reference
https://data.leafwind.tw/build-software-engineering-and-data-culture-before-doing-ai-6e345986f872

data science這門台灣很少重視..

希望不是喊一喊然後沒多久就砍人了...0A0

如果不是做核心架構AI很難賺錢，因為等級級距落差太大，燒錢燒很兇，最後推而求其次還不如用人做系統分析+經驗累積，邊做點累積AI智慧能力，比較實在

data science這門台灣很少重視..

希望不是喊一喊然後沒多久就砍人了...0A0

如果不是做核心架構AI很難賺錢，因為等級級距落差太大，燒錢燒很兇，最後推而求其次還不如用人做系統分析+經驗累積，邊做點累積AI智慧能力，比較實在

已經在砍人了

已經在砍人了

台灣要靠資料賺世界的錢錢很難很難啦就一個自我封閉的小島，能掌握的資料很難跟外面的對手拚拚核心演算法也許有機會 但前提也是要找到夠天才的才有用就已自動駕駛來說 人家Tesla已經一堆車子在路上跑蒐集big data，演算法如果都是神經網路 台灣廠商根本不可能有機會的 (資料來源矮人一大截)ML/DS在台灣恐怕就是國內中小企業等級 小確幸一下而已搞GPU硬體晶片架構的反而還比較有機會站上世界舞台

台灣要靠資料賺世界的錢錢很難很難啦就一個自我封閉的小島，能掌握的資料很難跟外面的對手拚拚核心演算法也許有機會 但前提也是要找到夠天才的才有用就已自動駕駛來說 人家Tesla已經一堆車子在路上跑蒐集big data，演算法如果都是神經網路 台灣廠商根本不可能有機會的 (資料來源矮人一大截)ML/DS在台灣恐怕就是國內中小企業等級 小確幸一下而已搞GPU硬體晶片架構的反而還比較有機會站上世界舞台

台灣的健保資料庫很龐大的，夠分析了

台灣的健保資料庫很龐大的，夠分析了