
推 smallworld: ML能換錢目前在台灣只有RTB 其他大多是大公司輔助單位 01/06 14:12
→ smallworld: 用SVM撈單不會比較高上大 01/06 14:13
→ smallworld: 用機器學習出決策還會被沒有學理概念的主管打槍 01/06 14:14
推 smallworld: 以前就碰過有主管一直要求overfitting的結果 我跟他 01/06 14:15
→ smallworld: 說這種結果你自己做最後決定時加上去就好 他又不敢 01/06 14:15
推 smallworld: 然後業務端基本不會鳥你的機器學習 那邊政治第一 不 01/06 14:17
→ smallworld: 管哪家公司都一樣 01/06 14:17
→ aqua2012: 謝謝s大 :) 我是看到 ML 好像可以用得很廣,跟食衣住行 01/06 14:23
→ aqua2012: 育樂都可以有創意的結合,只是台灣發展都比人家慢~ 01/06 14:24
→ aqua2012: 而 BigData 則感覺市場/資料量就小 自然會被侷限住; 01/06 14:25
推 frouscy: 在台灣要做分析基數都太小, 很多時候工人智慧比人工智慧 01/06 14:25
→ aqua2012: 雲端的話好像大家都在做APP,感覺進場已經有點晚了~ 01/06 14:26
→ frouscy: 有效又方便得多 01/06 14:27
→ frouscy: 人工智慧比起工人智慧有個好處是可以scale 但是在台灣 01/06 14:27
→ frouscy: 這個好處彰顯不出來 01/06 14:28
→ aqua2012: 這樣講起來好像最重要的是創意,但不知道去哪裡找比較 01/06 14:28
→ aqua2012: creative 的學習素材,像作品集我都不知道要做些什麼Orz 01/06 14:28
→ aqua2012: 那f大知道除了資料分析以外,資訊界還有哪些新潮流嗎? 01/06 14:32
→ aqua2012: 是說國外的應用也沒關係,滿想以外商為目標的 XD 01/06 14:38
推 Recorder: 看你的定位啊,你想做偏應用的工程師還是偏理論的科學家 01/06 17:46
→ Recorder: 如果想成為科學家,數學一定得點啊,沒啥好說 01/06 17:47
→ Recorder: 或是你可以考慮做Data Engineer,負責處理的大量資料運算 01/06 17:48
→ Recorder: 跟資料前處理,就是想辦法讓資料能跑出結果來XD 01/06 17:49
→ aqua2012: 感謝指點~ 原來還有Data Engineer這種職缺~ 1111上面 01/06 17:53
→ aqua2012: 工作機會明顯多出很多,我來google看看這技能要怎麼點~ 01/06 17:54
推 frouscy: 想看新的東西可以去angellist 台灣的數字網就...看看就好 01/06 18:06
→ coronach: 如果主管連overfitting都不懂那真的只能說塊陶啊 01/07 08:16