台北新創公司有在招ML的人才 如appier
那竹科大公司呢
聯發科 瑞昱 台積電 應該需要ML的人
Synopsys Cadence也在想著把ML應用到eda tool
又或者竹科可能也有一些AI新創?
台清交 ML相關實驗室畢業的學生
去竹科的多嗎
作者:
b777787 (冬瓜)
2019-06-01 17:33:00很多！ai發大財 再搭配區塊鍊 年薪上千萬
作者:
Iamjkc (è¬å¹´æ»æœƒ)
2019-06-01 17:45:00這問題跟問竹科有超商嗎 差不多
作者:
toasthaha (toasthaha)
2019-06-01 17:47:00很多，然後呢？
作者: yolasiku (我的綠卡能吃嗎) 2019-06-01 17:48:00
ai查電話簿
作者: po1379 (windwolf) 2019-06-01 17:51:00
ML應用到EDA tool???
作者:
chocopie (好吃的巧克力派 :))
2019-06-01 17:56:00出國比較多吧
作者:
w199381 (噁心肥宅)
2019-06-01 17:57:00目前ML/DL領域: 圖影像,文字,聲音還有嗎? 想想台灣有幾間公司可以搞這些
作者:
yainman (yainwoman)
2019-06-01 18:01:00GG也有阿
講是這樣講 但這些公司哪間是靠ML在賺錢的? 還不能實
際賺錢的東西 頂多少數phd在搞 一般人進去還是碰不到
作者:
shiauji (消極)
2019-06-01 18:17:00新思有啊 前一陣子看到朋友幫徵人
我知道孫民lab有去發科和安霸的新思有徵 不過算少數 多數還是相關lab進去我覺得重點還是靠什麼賺錢吧 竹科很多是把他當工具來看
作者:
stosto (樹多)
2019-06-01 18:40:00很多啊，但薪水很低啊
作者:
w199381 (噁心肥宅)
2019-06-01 18:58:00真的就是一個工具而已 要配上實質應用才能賺錢 可惜這真的不多
作者: Physerapb (Phys) 2019-06-01 19:25:00
去大廠比純軟賺更多
作者:
ptta (ptta)
2019-06-01 19:26:00有啊，ML用在EDA已經出了產品，在cadence上面有看過
作者:
dslite (呼呼)
2019-06-01 19:32:00make love?
作者:
w199381 (噁心肥宅)
2019-06-01 20:00:00樓上 是跟風的要泡沫了 ML技術越來越成熟強大從single task到multi-task 越來越趨近人類學習方式Meta Learning, Reinforcement Learning都是越來越強大Life Long Learning也是近兩年的研究方向
作者:
GTX9487 (Volta)
2019-06-01 20:48:00DL跟ML搞不清楚
作者:
katzlee (I wish)
2019-06-01 21:13:00ML是什麼的縮寫?
作者:
Zepho (抹神)
2019-06-01 21:32:00竹科的都是給內部產線用阿，跟你想要的有一樣嗎？
作者:
iamala (it depends)
2019-06-01 21:34:00ML越強大和熟ML的人是否能賺大錢是兩碼子事唷...
上一波泡沫是兩千年的網路泡沫，破滅的是投資人的無腦投資夢，網路從來沒有泡沫過，ml也一樣
像這種有生產線的，用ML的才多，一堆產品數據可以分析認識的在聯電，台積電都有在用產線上百道製程，每個點都收集data可以提早知道產品是否出問題，晶圓分析用更多
作者:
Eric0605 (我還有點餓)
2019-06-01 22:39:00發科很多啊
產線的484都用移動平均數阿 產線有很多資料 但是如果是"要異常"資料 異常那麼多不就代表有人要包一包回家了 好奇真的可以做到很好的異常診斷嗎 真心求解
笑死 產線最好用移動平均抓得出來喇 有這麼好抓就叫OP去抓就好啦 誰跟你找一堆碩士博士甚至教授去處理啊
作者:
den7 (電電電電電電電)
2019-06-01 23:05:00原來是machine learning...一定要每件事情都縮寫嗎......
作者:
wrt (一片小蛋糕)
2019-06-01 23:16:00連104都不查一下就在這問
你知道GG 設備也一堆碩士嗎 事實就是真的很多碩士要幫忙看SPC chart 然後大部分都是工業工程慣用手法要那麼多碩博士 其實是要找 異常的原因
SPC歸SPC 又不是有做SPC就不做FDC之類的
沒說不做 反正台積都是系統已經用好 讓Fab的人去用了而且FDC 第一道防線也是卡SPEC 看到一點飄掉也是要處理
回leo，異常偵測就是imbalance問題並非要一堆異常資料才能玩
你要不要先往那邊看一下：好大一顆快破掉的ML泡沫啊～
作者:
crusoe (克魯梭晶片)
2019-06-02 07:21:00建議往交易圈走，台灣科技業在這塊還早
作者:
GGing (小軒軒)
2019-06-02 08:17:00竹科有 ML？很多都是喊喊根本做不出什麼東西呀！一堆人會個 KNN 或 K-Means 就說自己在搞 ML
作者: Ethical (游志傑) 2019-06-02 08:59:00
噱頭而已，有玩過就知道重點再那
作者:
zhi5566 (協志 5566 最棒)
2019-06-02 11:50:00要玩去國外玩 台灣跟風而已 這種都要長期而且大量投入資簡單講麻 你資料庫哪裡來 沒有你玩個鳥 台商投入資源 是去看自家產品有沒有可以賣 跟你想的實驗室不一樣像在AI很夯 每天都在講 那我問你 你沒資料庫 要訓練個鳥資料庫很燒錢 台廠看到都傻眼 做做簡單的還可以
作者:
exeex (執行檔EX)
2019-06-02 12:41:00台積電有 發哥也有ML技術要加進現有流程 算是比較高風險的嘗試所以比較少專門為ML/DL開一個職缺ML/DL現在比較像是加分條件至於其他小公司 資料本身不夠 或承擔不了ML的高風險投資 基本上都是講講而已
一堆公司的ML根本噱頭...明明可以approach硬搞ML根本拿大砲打小鳥
作者:
DrTech (竹科管理處網軍研發人員)
2019-06-02 18:48:00釣到一整串外行人。
作者:
hjk121 (Quito)
2019-06-02 21:19:00樓上一句話得最罪一群人XD
作者: vul3kuo (Glory) 2019-06-03 15:03:00
一堆公司搞噱頭+1 。舉例人臉偵測，需求不需要多精確的情況call opencv lib就可做到
作者:
mayasky ( )
2019-06-03 18:12:00我絕對不會說在某1605公司電梯裡聽到幾位主管討論如何硬扯AI好迎合上意...這種動機還期待甚麼?
ML最後就是變成工具列上的一個按鈕無需什麼技術，有資料才是王道
作者:
stosto (樹多)
2019-06-04 04:25:00ML有資料不夠好嗎？要把資料變成有用才是王道