關於未來要不要走ml
其實不是你自己可以決定的
而是ml這個行業需不需要你
目前業界上很多產品都是吵著ml的噱頭
裡面寫一堆sklearn 和現成framework 製作一堆圖表
現實就是人還是做人的決策 跟你的ml一點狗屁關係都沒有
實作個2021年論文的loss function 就要他們的命一樣
這些產品最大的問題就是拔掉了ml 也不會有任何影響
不然就是核心根本是別人訓練好的 車牌人臉辨識用的yolo以及 deep face facenet vgg16
這種跟大學專題同等級的作品
還以為別人做不出來
那你身為這個產品的工程師被淘汰也是遲早而已
真的很高深的ml 在許多賺錢的行業又需要具備非常高的門檻 要有五大會的投稿
每天都在追逐最新技術 我認為最好的方法
就是去投投看appier vpon ailabs google aws 看有沒有機
會面試 連面試都沒有
還是趁早轉行實在
找個血統純正的老師學 比上網看一堆沒用的教學有用多了
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.71.17.152 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1615899983.A.EB9.html

臉部辨識的產品拔掉 ML 不知道會不會有影響，應該沒有

我是建議現在還在讀書的小朋友 跟想要轉行的大朋友全部都一起來做ML而且最好全部都只學Python 練好練滿這樣我們這些寫C或C++的薪水才會再拉高

市面上都 deep face XDDDDD 您真了解產業啊

我笑了

現在最好的Backbone是 EfficientNet，現在主流是pretrain會傷害模型表現。用facenet也沒什麼問題，就像是你不會嘴人說現在都用gRPC沒人寫Restful的啦，概念就是metriclearning，就好像游泳跑步一樣。建議您可以多了解然後產業最強那幾個臉部識別實驗室，技術上真的強，FRVT打開來看就知道，沒什麼好酸的啦

二樓XD

nfnet似乎也挺強的 還沒開始玩

台灣的Google和亞麻好像沒那麼在意ML(?)倒是台灣有些ML高手為了實際生活考量(或是說錢錢XD)選擇隱藏在豬屎屋，而且好像不少人QQ

我覺得這是新產業發展的正常情況 怎麼可能所有MLE都很厲害

就是這樣啊@[email protected]~

好兇哦 原 po 有沒有一作 osdi sosp 沒有的話你怎麼敢打開手機電腦又看到幾年前板上歪風 覺得唯有理論高 轉職過來的都無法生存是不是以為每個人都要做理論研究才活的下去懂理論原理肯定是好的 不過整個產業又不是只有 research可以活看不起科技部計畫養寫應用的？114 科技部計畫寫 App 的現在已經財富自由了

能獨立開發模型的人少之又少 如果有能力誰不想進主流大公司的AI lab呢～

就是看命啊....但其實真正賺錢的都是賣公司啦 ....

要做ML產品，用的模型或訓練的奇淫巧技一點都不重要你的multi-task是指Barret Zoph那種Jointly Training？為什麼一定要few-shot？ 單純 CE 的 classification當然也可以啊。不要堆華麗詞藻啦，你說的 metric learningsiamese network那種架構2017年後人人都懂的操作我是不知道你的訓練方法多厲害，但你瘋狂踩低新創或新人沒必要啦。要搞 noisy student 需要投過NeurIPS嗎？要搞SimCLR需要投過CVPR嗎？要搞YOLOv5需要蹲三年中研院嗎？不用，只要會讀paper能寫code就好。你著作豐厚，我願意替你高興，但不用講一付沒頂刊就搞不出好的演算法一樣啦，台灣一堆新創有好產品落地，技術也值得深究，不要你身邊一堆只會Fine Tune的大學生專案就搞的整個業界都比你差好幾節一樣，沒必要然後我補充一下為什麼說做產品這些都不是很重要，因為產品很準，不代表你可以穩定更新模型、收集資料、維護系統實際客戶使用的場景前一天很棒，後一天爆炸也常有，資料、系統在非常多應用上遠遠重要於模型。勘誤：Barret Zoph的Jointly Training是COCO+Image，並單純是只有Classification。在 Rethinking Pre-training and Self-training Table.7*不單純啊是Yolov4不是v5

樓上要不要獨立回一篇？

我人微言輕，就不打擾安寧了