本來學ML是該轉路還是繼續鑽研

作者: ckrmpuhv (阿瓜)   2021-03-10 21:04:58
各位板上大大好
小弟是後段國立科大資管碩即將畢業
因為一些私人原因是不用當兵
所以論文完成後準備開始找工作
目前程度:
大學學過JAVA
網頁跟資料庫也只有課堂學習過沒實際做小專案
因為對Ml有興趣
在碩階段期間 都是自學ML相關
聽過李宏毅老師的課
實作過他課程的作業
Keras的一些神經網路搭建也沒捨問題
Kaggle只參加過一兩次 排名都很爛
大部分的實作和論文都是跟影像辨識相關
最近看板上大大各式各樣建議
非四大四中 也不是kaggle的佼佼者
數學方面 線代沒學 統計學大學學過但也不熟
看完覺得自己很爛出去可能沒人要?
目前都還在做ml各種模型實作
但看完板上很迷茫要往哪些方向學習怕找不到工作非常憂鬱
我不清楚該橫向發展拓別的領域
像是網頁、App 自己做一些小專案增加作品集
還是去補數學 更深入研究Ml
又或者先去刷Leetcode打底
還請各位大大指教 謝謝
作者: alihue (wanda wanda)   2021-03-10 21:06:00
非頂尖的話還是從籌程式開發入門機會比較多 現在投ML的人是爆炸多 而且缺比開發少很多 很競爭
作者: olen0622 (hong)   2021-03-10 21:17:00
資管還是走PM吧 ML除非去參加競賽有得名才有辦法證明真的想寫程式 我猜你的底子也不好 只能找公司先練功
作者: longlyeagle (長鷹寶寶實驗室)   2021-03-10 21:39:00
先想好要走ML算法還是ML應用再針對加強吧
作者: shiauji (消極)   2021-03-10 22:16:00
李”宏”毅, 字請打對
作者: manmay (書誠)   2021-03-10 22:23:00
數學是需要累積性 學不完的
作者: testPtt (測試)   2021-03-10 23:13:00
至少要有個ui強項來呈現ml 不要只會script或console
作者: Morphee (千磨萬擊還堅勁)   2021-03-10 23:18:00
穩死的吧 資工電機不說 一堆物理所數學所來玩
作者: steviewonder (SW)   2021-03-11 00:53:00
上面幾篇ml缺面試文看一看就知道人家要什麼樣的能力了你都說線代沒學過、kaggle只打過兩次,跟別人說你會ML?!
作者: Gaogaigar   2021-03-11 01:08:00
都三月了 我建議把這些煩惱丟在腦後 好好大玩特玩沒伴的趕快增加聯誼次數
作者: Amazonite96 (風風)   2021-03-11 09:03:00
真正懂ML應該是可以推出ex BP 、GAN之類的原理,而不是import torch as tf tf.fit() 之類的就說自己是ML大師,這樣真正懂數學原理的人來競爭的時候 完全就露餡了
作者: cksxxb123 (maxwell)   2021-03-11 10:37:00
import torch as tf 厲害了
作者: michaelshen   2021-03-11 11:04:00
樓上是不是沒看過import pandas as np
作者: mmonkeyboyy (great)   2021-03-11 14:33:00
import torch as tf 為什麼這句我笑到爆炸
作者: CaptPlanet (ep)   2021-03-11 18:45:00
露餡了
作者: superpandal   2021-03-11 20:23:00
感覺是測試 都很表層
作者: hackfox (自家朘仔歪,嫌人尿桶漏)   2021-03-11 21:10:00
不要再ML,每個研究生都在做ML,業界需求沒那麼大
作者: LittleYueh (岳)   2021-03-11 22:43:00
露餡了
作者: pig22022 (宏)   2021-03-12 01:22:00
我們家300個工程師大概只有10-20個researchers,給你參考
作者: exthrash (Wherever I may roam)   2021-03-12 12:16:00
import tensorflow as print
作者: backpacker18 (It's Fucking RAWWWW)   2021-03-12 18:01:00
那你很懂ML欸割
作者: a1234567289 (蛋包飯)   2021-03-14 19:53:00
那些都邪魔歪道 演算法練好才是真的
作者: bear1414 (story)   2021-03-14 23:29:00
ML的工作Kaggle只是一種衡量實力的標準 但不是絕對若要往研發和推進效能的話 有研究經驗且發表更好若as data engineer, 實作和能看懂paper相對重要

Links booklink

Contact Us: admin [ a t ] ucptt.com