※ 引述《ThirdFloor (三樓)》之銘言：
: 各位科技版的前輩好，不才小弟今年考上電控所和電子所，
: 原本已經在做deep learning的實驗室，但是由於我的coding
: 能力不佳，有點適應不良，不知道如果轉到電子所會不會好一些，
三樓你好，本人認為，學 deep learning 之前應該要先把本 ID 弄懂。
: 因為對於電子電路至少還有一些了解，電子所方面主要是做RF電路，
: 想要請教一下未來相關的趨勢或者一些前輩的經驗，
剛好我大學也是電機，也略懂電子電路，自己設計過電源供應器、馬達控制器等等．．．
可以跟你分享一下我在 coding 方面追趕資工系同學的經驗。
: 如果有前輩肯站內信也歡迎~，希望多多指教。
: 如有不妥會馬上刪文，謝謝各位前輩了!
coding 背景：
大學讀電機，所以 coding 就不像資工系同學那麼純熟，
但也至少用 C++ 把 OO 弄熟有一些單機執行的專題小作品。
碩班是做 computer vision，最早走的是傳統 pattern recognition 手法，
就算摸熟了 opencv，還是經常自己刻演算法刻得很辛苦，
而且每一次都是未知的投資，常常失敗了就要重新再刻，
對稱軸偵測、SIFT、LBP 等等傳統電腦視覺的演算法，都要自幹一遍，對嫩嫩來說超累der
(或許在更優秀的研究室裡，這些只不過是基礎吧？)
看越多演算法，就越有無力感，一度懷疑自己，
心想：「我跟資工系差距好大，我是做這塊的料嗎？我是不是應該改做電子電路？」
對，就跟你現在想得一樣。
後來，決定去資工系修資料結構等等課程，希望降低自己和他們的"成分"差異。
這段時間留下的研究成果不多，就 coding 功力進步最多。
多認識一些資工系同學以後，也會更清楚自己要補足哪些？怎麼訓練自己？
之後也有電機的學弟說想要做 computer vision，可是我看他寫 code 功力替他擔心，
就跟他說:「建議先去資工大學部修課，把 C++ OO 弄熟，要不然 opencv 你也用不動」
後來他好像....就用 Matlab 了吧。
(學校裡面的 matlab 怎麼來? 大家心裡明白....)
後來再碰到機器學習的時候，coding 已經不是問題了，就開始倒吃甘蔗的路．．．
中間當然是付出了延畢的代價，更多就學貸款要還。
但是現在能做 data science 的工作，認為自己還蠻幸運的。