Re: [請益] 非cs想走ai領域，投履歷沒公司理

[backprog (back-propagation)]

※ 引述《zzss2003 (brotherD)》之銘言：
: 各位大大好，小弟第一次在Soft版發文，有觸犯版規煩請提醒。
: 小弟為逢甲EE學逢甲綠能碩，碩士論文是電池電量估測的模型建立，去年九月底畢業。
                                              ^^^^^^^^^^^^^^

不好意思，因為這幾個字引起我的興趣，本來說想你應該有點 ML 這方面潛能，
就去看了你的論文。

假如沒錯應該是這篇：

奈米碳電池之電量狀態估測模型
http://handle.ncl.edu.tw/11296/ndltd/26136599142839699129

但是，看了以後發現我太樂觀 XD
不是說你不好，而是你所謂的估測模型建立，是基於對電子電路、電池化學特性的了解。
並不是從大量實驗產生的歷史數據中，規劃一個能自動 fit 歷史資料的模型，
以便找出特定條件下的估測值。

重點根本就不是在你什麼科系畢業，
而是你無法證明自己曾經用過任何一種 ML 或機率統計的方法解決問題。


: 上網看了很多文章才發現，人工智慧下不同的子領域，所要求的能力都不太一樣，比如機
: 器學習的職缺需求，都要有使用過模型(LDA, CNN, LR, DNN, RNN)的經驗；音訊與影像處

你舉的這些，3字元的那種都是比較高大上的模型。

真的想切入，建議不要被職缺需求牽著鼻子走，開需求的主管，自己可能也沒跨過入門，
把簡單的 bayesian, perceptron, linear regression 等學好，就已經能做很多事了。
簡單模型只要用得正確、用得精巧，還是會被高手青睞的。

我聽過一些公司根本沒累積多少資料，也想來個 deep learning，
但是連資料充分前處裡、充分 mining 的能力還都沒具備。

小數據有小數據的作法，現在太多人一味跟風 deep。

用什麼模型，應該先看看手上有什麼資料？想達成什麼目的？

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.130.12.62
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1489564902.A.CD2.html
※ 編輯: backprog (220.130.12.62), 03/15/2017 16:07:37
推 cutekid: 推(Y)
推 angrybirds11: 好人
推 hungys:
推 f496328mm: 厲害   還去找PAPER
→ f496328mm: 推  deep learning 其實不是萬能  有些用ML就夠了
→ f496328mm: 用deep learning反而比較差
推 ilovejesus: 強
推 touurtn: 根本是大佛來著
推 northsoft: 推
→ northsoft: 先玩一般統計學再說了
推 locklose: 你真是好人
推 bab7171: 推
推 vn509942: 強
推 tipsofwarren: ID 正確! 有開缺請私訊
我只是個小員工~ 你怎麼會覺得我能開缺

推 maxqq: 好人無誤
推 dojay: 推一個。溫馨。
※ 編輯: backprog (220.130.12.62), 03/15/2017 17:41:30
推 Holysml: forward-progate 不重要嗎?XD
重要挖，沒有 forward-progate， backward-progate 怎麼會有東西可以計算?

推 SuperCry: 超瞎的 怎麼不再去念一個研究所
推 amatt: 有副教授或manager在口試的感覺
可能以前在研究室當學長當太久惹~

推 shiauji: 推...
推 AvatarH: 好人+中肯.
推 johnwater: 溫馨 友善
推 rzsty: 推 善心人
推 boy955403: 好心人 推推
推 fgh81113: 好心人
推 h5904098: 推一語中的
推 j2751349: 推
推 odanaga: Id正確
※ 編輯: backprog (39.9.137.153), 03/16/2017 01:15:41
推 howhowyang: BPNN是你！
推 tipsofwarren: 不過,Domain Knowledge + ML/DL 才是王道啦
推 pttnowash: deep learning變dick learning
→ tipsofwarren: 不然連基本特性的數據的非線性關係都沒有先處理,
→ tipsofwarren: 連model 都挑錯, 我不認為可以用土法狂煉鋼的方式
→ tipsofwarren: 找出好的模型.頂多就是不知所以然...
推 andysleep: NN需要你
→ y800122155: 的確 在進入ML之前 有很多統計方面的手法可以先做分析
→ viper9709: 推這篇
推 argc: 推唷
※ 編輯: backprog (220.130.12.62), 03/17/2017 10:25:17
推 dylanx07: 看上面推文才注意到ID BP 4ni! XDD
→ DrTech: 完全同意這篇。Deep Learning 實務上真的用的很侷限