Re: [請益] 非cs想走ai領域，投履歷沒公司理

[sttagomantis (阿寬)]

Hi~
從你的文章中可以感覺到你不了解AI，就說對他有興趣。這讓我想到了以前的我
也差不多是這個樣子，我猜你會有覺得應興趣是看到像AlphaGo 這種看起來覺得超屌東西
然後現在大家都在嘴AI,談論AI一時蔚為風尚，你就覺得有興趣。我不是什麼AI高手
只是一個在這個圈子自學3年多在ml相關lab蹲了一年的RA也還正在學習

但我可以跟你分享該如何確定自己有興趣這件事
(然後我假定你是真的想玩像alphago那樣的東西
所以以下我針對這個方向來寫)

如何知道我有興趣?

除了修課還是修課！ 先去Coursera上把Andrew的課看完
接著再去把軒田ML(HTML lol)基石和技法看完，這之中缺什麼數學就去學什麼
基本上就是線代 微積分 機率與統計。這一段完成後你就會對ai/ml有些基本概念

這會花多久呢。看個人造化，軒田老師的課我至少全部看完三遍，每次看都有新的體悟
原來這裡是這樣呀～我上次看還無法看出這樣的連結呢！這樣的感覺
因為我不是學生，前後大概花了快一年吧


接著呢？去打一兩場Kaggle，把學過的演算拿來用用看。盡量先不要挑要DeepLearning
的因為你沒那個設備根本沒得打(雖然現在上面一堆DL..不過就盡量找找吧)
一場比賽大概都2~3個月過程中還蠻虐心的，需要有毅力撐到最後。
這過程中你會遇到各種眉眉角角，而你也會學會如課去克服這些眉角。
如果你每場比賽排名至少top10~15%，代表你有一定的基本功

我當時的相關經驗就到這，去丟面試就有一些回應。我承認112這個招牌有差就算非本科
但就我觀察現在業界裡真的在找Data Scientist/Machine Learning Engineer的你就算
112沒相關經驗也不太鳥你(那種拉拉報表跑跑Excel掛大數據BALBLA的可能例外啦XD）

其實走到這裡你大概會初步知道你到底有沒有興趣

我假定你真的想玩AI，Deep Learning的知識是多少需要的
去看Standford,Oxford的deep learning吧，把NLP,CV的都看一看。還有餘力的話
Reinforcement learning也去了解一下。在此同時，你也可以去大量閱讀一些paper
玩一些deep learning的project來探索你到底對哪一塊有興趣

最後，台灣基本上沒有這個"產業"，只有幾家公司，但也不全是看起來很潮的DL
你真的想繼續玩下去，很可能要做好出國的打算

結論

上面拉哩拉雜寫了那麼多，其實重點和共通點只有一個:

Learning by "doing", Discover youself by "doing", not just saying

其實你不是我最近聽到第一個說對AI/ML完全沒接觸就只是覺得很潮就說有興趣的
最近一兩年有太多這樣的案例了，很多人都在講，很少人下去做
而且不是三分鐘熱度的做，是持之以恆一直去做下去

我現在在最後那個階段，坦白說真的還很嫩很多要學 前方大概有一莫爾的怪物
我不曉得你能撐到上面的哪個階段，可能第一階段修課就陣亡了
那又如何呢？ 證明你不是這塊料早點離開去找尋其他適合你自己的
省著浪費自己的生命去跟大眾起舞

最後引用Andrew在Quora上對How do I start machine learning career的一段回應:

Every Saturday, you will have a choice between staying at home and
reading research papers/implementing algorithms, vs. watching TV.
If you spend all Saturday working, there probably won't be any short-term reward
,and your current boss won't even know or say "nice work." Also,
after that Saturday of hard work, you're not actually that much better
at machine learning. But here's the secret:
If you do this not just for one weekend, but instead study consistently
for a year, then you will become very good.


--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 118.160.95.57
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1489584667.A.6BC.html
推 cscjp6: 推
推 marcusmiller: 推
推 hungys:
推 decemberbear: 推
推 bcew: 推解說
→ xpop777: 正在看 Andrew，還沒有看過軒田老師的，所以無從比較
→ xpop777: 不過看到這篇文，有個方向可以遵循的感覺XD 先好好看完！
推 keyut2433: 真的態度很重要，用嘴講都很輕鬆很簡單
推 kkyou: 推
推 yahooc: 讚讚
推 yotsuba1022: 謝謝分享
推 drajan: 112EE的尚且需要這麼努力 天資較不聰穎者請更加努力 方能
→ drajan: 一窺堂奧
推 Murasaki0110: 現在DL缺挺多的，既使撇除掉跟風
→ Murasaki0110: 台灣做CV的原來就多，轉到DL也很正常
推 benson1212: 推這篇 給出一個很實際的努力方向真的太佛心
推 imaxpayne: Stanford cs231n非常推，內容很精實
→ sttagomantis: 哈哈 而且教授蠻幽默嘴砲的XD
推 tipsofwarren: 我比較prefer 初音李的課
推 tw0517tw: worship
推 jazzter: 推推推，這可不是短線
推 kurakidream: 推 Andrew Ng
推 gerojeng: 推
→ sttagomantis: 初音李XD個人覺得他ML課太NNbased不過大家各有所好
→ sttagomantis: 另外推Vivian Chen神儂大大的Applied DL有機會可以
→ sttagomantis: 來旁聽
※ 編輯: sttagomantis (118.160.95.57), 03/15/2017 23:55:33
推 zmcx16: 推推,自己實驗室也是做ML,不這樣 or Up努力不可能有好成果
推 hopkinwalker: 感謝分享
推 iamnodoubt: 感謝分享
推 tsoahans: 李有說他盡量不和軒田重複內容，而且做語音本來就適合DL
推 winken2004: 只能推了
推 odanaga: 不是涼宮春日嗎
推 bisconect:
推 howhowyang: 推推，看來得再去二刷軒田了
推 julian9925: 推細心解說
推 aa06697: p
推 InfinitySA: 推 強者
→ InfinitySA: 以前大學有選修AI相關的課 就知道我不是這塊料 XD
→ InfinitySA: 不過建議原po zzss 真有興趣 先學學數學吧 就算不走
→ InfinitySA: AI 其它很多領域也會用到 XD
→ InfinitySA: CS的基礎 就是數學
推 WashFreeID: 但我覺得他CS基礎還沒有就去刷ML課 根本悲劇吧
→ WashFreeID: 演算法跟資結 OOP 機率都要有點基礎才好一點
推 dreamnook: 這篇很健康(′・ω・‵)
推 SimonAllen: 推阿寬
推 frankshih: 優質好文
推 kevinwei223: 田神ML以後一定找時間看完
推 mdkn35: 沒有熱情與持之以恆 很難有成就
推 cj98654d: 好文 推
推 mrbigmouth: 推
推 shiauji: 健康實在文 推
推 skizard: 好文推 不過我想他要從統計學等基礎學起 gap太大了
推 vn509942: 學習真的要有恆心 莫在浮沙築高塔
推 drajan: 以五年為一單位 持之以恆的變強吧
推 johnny94: 這個版少見的清流文，推！
推 johnwater: 推 優質好文
推 knowledge56: 好文推推推
推 iml141: 優質好文推一個
推 cywhale: 好文推一個~~ 做起來千頭萬緒，真的不容易...
推 ksyilj1283: 推
推 ponpon5566: 推推推
推 scps950707: 推推
推 abc53: 推
推 Evagelion: 大推!
推 olivehowell: 推～
推 goldflower: 如果原po看完課不實作不動手算也只是以為自己會而已
→ goldflower: 我也比較喜歡李的教法XD
推 argc: U文
看到推文有討論到關於宏毅老師和軒田老師兩門課，我簡單說一下我的感覺好了，順便
分享給對這興趣有領域想要刷課的板友(都有公開)。純粹個人感覺，不要戰我XD。
基本上我也是NN派的，我每天在追的是LBH三巨頭不是Vapnick我也可以理解作語音
當然是用NN誰管什麼SVM,xgboost。我的考量點是因為這兩門課都是算是
ML Introductory level的課，在這個條件下，我覺得是希望能夠見樹又見林，
HT的課有給我這樣的感覺,他帶我看過了ML這個森林大概長什麼樣，簡單的帶我認識一下
每棵樹的名字，至於每棵樹的葉子就留待我繼續探索，
宏毅老師的課給我的感覺是，他讓我看到一顆很高大的樹(DL)，且也讓我看到這棵樹上
枝葉的繁茂與多樣，但就是一棵很美的大樹，比較不能一窺整座ML的森林。
這是我看完兩門課的感想，因為每個人價值觀和所重視的不同，我比較希望Introductory
Level能夠見樹又見林，大概是這樣～然後宏毅老師上課真的蠻幽默der~
※ 編輯: sttagomantis (140.112.25.121), 03/17/2017 11:17:36
推 MIKEmike07: 感謝分享
→ MIKEmike07: 我是覺得大金的課比較偏向讓你實際感受到什麼是ML
→ MIKEmike07: TH的課偏理論，如果能夠聽懂會有更上層樓感覺
推 friendever: 感謝分享最後一段！很立志！
推 leeh103: 大推!!覺得這篇很有幫助
※ 編輯: sttagomantis (116.241.181.79), 03/17/2017 22:29:08
推 ena646: 推原PO大神~~
推 ZAbird:  最後一段根本不只適用於ML啊  哪件事情要成功不需要恆心
推 sdf611097: 推
推 aacs0130: 推，資工畢業的也是要這樣念的，技術不斷在變。
推 ponpon5566: 臉友推推
推 james687: 推！