作者:
Wardyal (Wardyal)
2021-04-26 06:46:19如題
進碩班一段時間之後
發現大家好像都在做AI實驗
或許教授在研究的項目雖然都不一樣
可是實際上大部分都是在Train神經網路
也去看一下前幾屆學長姐的碩論
發現全部都是在訓練神經網路的
看了四個實驗室都是這樣
(連比較多乙組的實驗室也是)
我想問一下
現在還有碩班的學生是不訓練神經網路的
單純設計演算法或是搭建一個系統
來完成自己的碩士論文的嗎
聽說這樣好像比較難畢業的樣子
因為該做的都做的差不多了
還是其實
還是有蠻多實驗室是沒在碰AI的？
作者: bsotccccc (Satoriser) 2021-04-26 07:51:00
我是做應對某種Dos攻擊的機制，加的是資安實驗室，但也超過一半的人做AI
作者:
wacheck (94不愛喝水)
2021-04-26 08:05:00很多非ai阿
我們Lab都在研究Cloud Native、IoT、WoT，沒有AI
作者:
Wardyal (Wardyal)
2021-04-26 09:22:00喔喔
作者:
golang (Gopher)
2021-04-26 10:40:00是現在做網路/安全/DB 都在嘗試 AI 方向你仔細去看國外各領域 top conference 幾乎都有一個 track 是 AI + 某領域AI 算是勢不可擋了 先不論具體有沒有這麼快可以商用 學界本來就是會探討學術上各種可能性所以可以用相對開放的角度去看各個領域都開始需要 AI 這件事情
作者: as9518623 2021-04-26 10:44:00
很多面向，但如果是多媒體或影像相關的實驗室，大部分都會接觸到AI的
作者:
w199381 (噁心肥宅)
2021-04-26 12:40:00很難不碰到了 現在很多問題都太難 丟給AI解是一個方法
作者:
WTF1111 (BBS少看為妙)
2021-04-26 14:15:00不跟so結合的領域很快就會被消滅啊AI
作者:
zuchang (chang)
2021-04-26 14:56:00AI現在比較像解決一個問題的方法了 所以蠻正常的
作者:
beatssola (Shark5566)
2021-04-26 15:55:00窩悶LAB就是喔
作者: NSYSUEE (Monkey) 2021-04-26 17:23:00
都知道是趨勢還不跟?
傻傻的 除非是本來就在鑽研AI演算法的lab 不然大部分做AI馬都把本身領域的問題套個model跑一跑就出來了好做又酷 投稿題目炫炮吸睛 比鑽演算法還好上 趕快做
作者:
exeex (執行檔EX)
2021-04-29 13:26:00各領域AI論文接受度高+學習資源多=好畢業 不做嗎？朋友做材料科學的 用熟一個常見的ML算法 就可以打遍天下了
要找到一間完全沒有AI的實驗室太少了連其他科系都在做了就算實驗室不做 課也通常會修到
我做Compiler / System level optimization 也覺得蠻好玩的。AI DL要做到頂尖因為競爭激烈得非常厲害才行，評估自己能力無法到同儕前5%就選擇第二志願了
我們lab是教授把你當成model在train train完才畢業