作者: rocking5566 (搖滾56) 2017-10-21 23:34:00
現在機器學習演算法相關的不少啊你關鍵字怎下的？machone learning, deep learningcomputer vision, data engineer圖像識別 。。。等 104一堆
作者:
Mariano42 (Mariano Rivera)
2017-10-21 23:39:00當然選 軟體
作者:
LieTo (這就是人蔘.....)
2017-10-21 23:42:00軟+1 硬體基本上感覺大者恆大 門崁太高...
NV什麼時候用FPGA作AI了？現在NV可是AI一哥內
作者: smalljacky03 (小小迷糊蟲愛搗蛋03) 2017-10-21 23:57:00
說真的AI怎麼賺錢？
作者: seafloor (人生就是這樣) 2017-10-22 00:07:00
屬於非量產型階段的東西 軟硬體結合都是很重要的
作者:
guest0079 (SpongeBob SquarePants)
2017-10-22 00:07:0020年前網路剛盛行的時候 大家也都在問網路要怎麼賺錢AI就是很有潛力的機會 但別問要怎麼賺錢 要由你來定義等到別人定義好了 商業模式都摸透了 再進來就不賺錢了
FPGA目前是非GPU陣營走的路數,例如intel
作者:
guest0079 (SpongeBob SquarePants)
2017-10-22 00:10:00所以現在在懷疑AI能不能賺錢的人 注定是魯蛇了
當你走第二條路線的時候,其實應該也進得了nvidia短期來看,訓練GPU應該還能領先一段時間,長期未必...
作者:
CW46 (leo)
2017-10-22 00:16:001不用太多理解？
作者:
dave9898 (黛芙走å§)
2017-10-22 00:17:00選1再去鑽研原理跟最佳化，或者選2再自己去想怎麼做應用走應用要做得比別人好就要有一定程度的原理理解吧
AI很吃數學 你不懂原理 叫robot來做都比給你做好
作者:
toasthaha (toasthaha)
2017-10-22 01:20:001,2 都還是要懂原理
作者: lngagg (lngagg) 2017-10-22 02:17:00
我推2，台灣沒太多軟體的發展空間
作者:
elements (Helianthus annuns)
2017-10-22 02:29:00軟體框架不會變，所以晶片必定殺成紅海，你還是走1吧
作者:
LLSGG (西西西瓜)
2017-10-22 03:23:00ai 就是考慮國外啦，台灣企業根本不想付錢等你慢慢研究硬體也是等著抄別人的
作者:
pig2014 (Rocking Man)
2017-10-22 03:26:00哥覺得炒話題成分比較多，基礎功比較重要
作者:
acgotaku (otaku)
2017-10-22 04:06:00FPGA在運算優化上 其實有時不輸給multi-threadAI硬體門檻太高 你不懂VLSI OS architecture做不了AI入門軟體相對簡單,熟演算法很容易用爬蟲實現簡單實做或者用CUDA來快速實踐優化
作者: shaform (Shaform) 2017-10-22 05:49:00
可是選一的話也沒學到原理，不如選二然後 side project做酷一點的東西，就可以兩邊通吃了
目前Big data重點還是大量有用的data 當然alphaGo zero開啟了reinforce learning的前景
作者:
coware (Co-ware)
2017-10-22 10:25:00會哀就可以了
作者:
pipi1983 (放手  N)
2017-10-22 11:28:00台大資工系的學生 & 台大電機系對於其課程感到基掰的學生 在高中板教高中生未來只屬於軟體世界 硬體是垃圾
作者: kkking 2017-10-22 12:33:00
題目根本無所謂，有心想學的話，學校會阻止你多學嗎？題目不會限制你學習，心態才會
作者:
baseguard (....NN )
2017-10-22 21:32:00在台灣我建議2
作者: gozelee 2017-10-22 23:39:00
看你數學如何...
FPGA作最好的，還輪不到intel辣，先過過GG+Xilinx這關