[請益] 非資訊本科學習大數據與AI異業結合的機會

作者: komonkey (Komonkey)   2020-07-09 09:20:38
各位年收三百萬的大神好:
關鍵字:非本科、異業結合、資策會課程、TibaMe
關鍵引:提問在 項次四
一、前言
本魯近期想離職學習Big Data及AI領域知識,
以便異業結合,希望職涯有突破性的發展,
所以來版上請各位大神幫我健檢跟建議。
二、背景介紹
1.國立中字碩,土木+環工背景,年上31,有環境工程技師牌。
2.TOEIC 7XX 剛好上藍色。
3.石化產業生產工程師約4~5年資歷。
4.因為工作與志趣不合,希望學習資訊技能,異業結合以突破現狀。
5.未來希望能做環境+資訊的產業。
個人學習資訊技能的經驗:
1.目前自學python中,Bill Lubanovic《精通Python》快讀+練習完了,但還沒自己做出P
roject。
2.過去當兵曾自己K一本C語言,一樣邊看邊練習題目只有做過很簡單的小Project(屬於不
值一提型的)。
3.學過Android APP製作課程,程度大概就職訓局1期課程等級而已,後面也沒繼續發展。
4.大學學過Java、Fortran及C++,當時上課都跟得上。
三、目前計畫
1.打算轉職,原本找到一個外商公司,後來發現工作內容與資訊關聯性低。
2.一樣離職,給自己4~6個月時間,全職上資策會課程學BIG DATA及AI,或上Tibame,端
看哪個時間比較合適。
四、問題
1.這樣異業結合,是否能讓我有不一樣的機會,在轉職上可以有突破?
2.資策會、TibaMe是否是好的學習資源,能否對我未來有幫助?
3.是否有其他建議資源或發展路徑可以建議我?
以上,感謝各位大神,閱讀,還請不吝賜教。
作者: ggggggh (ggggggh)   2020-07-09 09:27:00
貪多不爛。選一樣吧!
作者: jienfong (jienfong)   2020-07-09 09:30:00
異業結合感覺很酷,但實際落地並不容易,AI做的好不止要AI應用+資工+domin knowledge都必須到達一個平衡覺得不用離職,先試試線上大師課程,看可以給你帶來什麼?
作者: leo08210917 (leo)   2020-07-09 09:34:00
大家都在瘋AI 短期課程拼得贏本科碩博班的研究嗎
作者: max36067 (圍巾喵)   2020-07-09 09:35:00
Tibame本人上過 老師我覺得沒問題 但是大多還是自己研究最重要是你學出來沒學歷公司根本也不會想要你
作者: komonkey (Komonkey)   2020-07-09 09:38:00
本想說去上課可以做出project,有作品+結訓證明能加分?
作者: max36067 (圍巾喵)   2020-07-09 09:38:00
另外上課都是教你套版 底層算法還是要自己去學
作者: komonkey (Komonkey)   2020-07-09 09:40:00
我不怕要補學不足的知識,但目前自學就是常常不知缺什麼
作者: Sunal (SSSSSSSSSSSSSSSSSSSSSSS)   2020-07-09 09:41:00
轉職純AI肯定拼不過本科
作者: leo08210917 (leo)   2020-07-09 09:42:00
先找找一些想要投的職缺 看看JD內容需要用到那些技術 工具 自己嘗試摸看看
作者: komonkey (Komonkey)   2020-07-09 09:43:00
我知道,我本意是強化我在本業的特殊性,沒有要走純AI。
作者: Sunal (SSSSSSSSSSSSSSSSSSSSSSS)   2020-07-09 09:43:00
異業的切入點要看你自己了 土木環工本來就封閉了 大家也不知道實際產業情況
作者: komonkey (Komonkey)   2020-07-09 09:45:00
確實,我應該多深入了解這BIG DATA跟AI在環工的應用。
作者: Sunal (SSSSSSSSSSSSSSSSSSSSSSS)   2020-07-09 09:45:00
國外可能比較多機會
作者: komonkey (Komonkey)   2020-07-09 09:46:00
那如果要純學應用,是否上那些課會有幫助?
作者: olivewood (Miguel)   2020-07-09 09:47:00
不是純AI是什麼意思
作者: komonkey (Komonkey)   2020-07-09 09:49:00
2F 您domin knowledge是指我本科的專業知識?還是AI方面?
作者: leo08210917 (leo)   2020-07-09 09:49:00
好奇 你對AI的理解是啥
作者: komonkey (Komonkey)   2020-07-09 09:52:00
olivewood 我以為是透過機器學習來預測我想知道的問題,需要會發展演算法,但我想這塊我無法比擬純血,所以希望達到能應用即可。leo08210917 我的想法同回覆o大的。
作者: jienfong (jienfong)   2020-07-09 09:54:00
domin knowledge就是你本業專業,問你自己想要透過Al呈現什麼?不要把AI當成純程式手法上Github看看人家做甚麼?土木環工有很多有趣的題目,題目程式手法只是專案其中一部份但絕不是全部
作者: olivewood (Miguel)   2020-07-09 10:01:00
純應用也要懂理論吧,AI的重點不是在寫程式耶
作者: TAKADO (朕沒給的你不能搶)   2020-07-09 10:11:00
目前大部分的落地AI應用,說穿了就是幫你做完討人厭的統計過程,與簡化需要專家大量人工分析才能做出判斷,來輔助決策者決定。所以你先想一下你目前的domain有沒有這一類的問題,再去想如果要解決這些問題,要走哪個領域的AI分支與技術,例如是影像識別/NLP之類的。
作者: komonkey (Komonkey)   2020-07-09 10:12:00
jienfong 我剛上github發現新世界,感謝!您的這建議真的很好,感謝。
作者: TAKADO (朕沒給的你不能搶)   2020-07-09 10:13:00
環工我猜應該會有IoT長期監測收數據跟統計的議題。
作者: komonkey (Komonkey)   2020-07-09 10:15:00
olivewood 我想我得多學習理論,看來重點不是去哪學,是要學到需要的,我還要在明確瞭解我缺乏的東西才可。TAKADO 我就是想在監測這方面應用
作者: juijuijuijui (瑞瑞)   2020-07-09 11:11:00
你這是換領域吧,好聽點叫異業結合,目前覺得在ㄧ種領域做到top比較好,其余只是加分
作者: pttworld (批踢踢世界)   2020-07-09 11:31:00
你要拿什麼結合,看起來是混不下去轉行。
作者: GGFACE (ggface)   2020-07-09 13:41:00
你想做的事應該要在本行做 跟你老闆說你要導入新技術幫助分析 商業上的決策之類云云
作者: jienfong (jienfong)   2020-07-09 14:55:00
有個觀念可能要注意,統計學和人工智慧差異頗大,兩個領域雖然本質有點雷同,但後續發展完全是不同領域不能說人工智慧就是在做統計工作,這兩個領域使用目的完全不同學術上這兩派人馬也是戶別矛頭
作者: komonkey (Komonkey)   2020-07-09 18:25:00
juijuijuijui 這麼說也有道理。GGFACE 我想在本行做沒錯jienfong 那我得來研讀一下他們的異同了
作者: ap954212 (death is like the wings)   2020-07-09 23:23:00
不能全部都平的,還是要有突出點
作者: greenx   2020-07-10 13:14:00
在台灣要走資訊先拿個CS碩吧
作者: min86615 (minshang)   2020-07-10 23:24:00
講一下其實統計跟人工智慧還是關聯很大的,畢竟人工智慧的模型通常大部分是建於統計知識上,所以統計才是大宗人
作者: haseo00 (GU)   2020-07-11 14:08:00
1.你想走的要有電資碩不然公司看到直接刷掉,2.資策會上那個是浪費錢和浪費時間,你可能上完找到的工作只是個資料庫管理人員3.語言先找1,2項點到精,不要全都點
作者: komonkey (Komonkey)   2020-07-11 20:44:00
greenx 好吧…這也是台灣的現實…而且我查了發現國內並沒有類似的缺,只有國外有,要的是環工碩+資訊技能…min86615 我可能先縮限在data analysis會好一點haseo00 也太慘了吧!haseo00 有什麼推薦先點滿的嗎?
作者: TWBilly (小張)   2020-07-12 11:09:00
你的數學好不好?
作者: pig0038 (顆顆)   2020-07-13 07:36:00
台塑 長興有找過 AI 工程師,希望能幫到你
作者: Josephcheng (Josephcheng)   2020-07-13 07:54:00
很吃數學
作者: komonkey (Komonkey)   2020-07-13 13:12:00
TWBilly 敢問要到數學什麼程度才夠?pig0038 感謝寶貴資訊Josephcheng 數學要到什麼程度才夠?
作者: Josephcheng (Josephcheng)   2020-07-16 04:54:00
以小弟我粗淺的理解 如果你是想走傳統機器學習 建議線代、統計、機率都要有一定的了解,現在比較主流的應該是pgm、hmm、random field和kalman filter這些吧,如果是deep learning的話,我自己覺得high level concept 的確相對好理解,但是實現的細節,以及如何以現有模型基礎發展出新的架構還是比較有難度,小弟對這一塊了解也不是很深,若有錯誤還請高手指正,然後土木這一塊我也不懂不方便評論什麼,只是用比較general的角度給你建議。

Links booklink

Contact Us: admin [ a t ] ucptt.com