Re: [請益] 機器學習在台灣的出路

[del680202 (HANA)]

※ 引述《popo14777 (草草)》之銘言：
: 以前碩士有做過機器學習，用的語言是Matlab(LIBSVM)、Python(scikit-learn)
: 都是用監督式學習來做預測(y's=實數)，
: 演算法大多都用SVR、隨機森林、迴歸樹、整體式學習等

這讓我想到

我之前問我在大鬼島的上司，他在機器學習領域工作了很長一段時間

我問我想從大數據轉機器學習這條路有沒有什麼辦法

他勸我死心，那些大廠已經把機器學習的產品包的太好了你阿罵都會用

除非真的進入那些領航的大廠

否則當SE起碼還有飯吃，現在跟風投入機器學習領域幾年後就會沒飯吃了

諸如此類

我不是這方面的行家也沒辦法說啥

有沒有神人出來說說看法


--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 118.15.43.92
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1503916457.A.504.html
推 SILee: 老實說，我同意他的看法
推 bxc: 大鬼島?
→ SILee: 我覺得ML和AI在市場上已經被炒作得太過火了
→ SILee: 遲早有天會走上.com的老路，大爆炸重整
→ SILee: 只是到時候市場上會留下來的是哪家現在還是個問號
→ SILee: 極有可能還是G社就是了
→ bobju: 這個邏輯好像套用到任何領域也都通..結論 鬼島死路一條?
推 SILee: 悲觀一點來說，是死路一條沒錯啊
→ SILee: 也不想想看那幾家世界級的大廠在這領域已經投入幾千個博士
→ SILee: 花了幾年的時間和幾億的研發經費下去搞
推 starcraftiii: 我是領域內的人，我贊同他講的
→ SILee: 現在才想切入去做早就已經太慢了
→ SILee: 台灣的產業問題一直都是這樣——跟風
→ SILee: 這種企業與政府文化不改，死路一條有啥好意外的
→ SILee: 這年代的科技業要成功，就是要當議題的主導者
→ SILee: 台灣在這方面真的是非常弱
→ SILee: 當人家已經在思考下個世代的產業與議題時
→ SILee: 台灣是才剛要跟風這個世代當紅的東西
→ robler: 想跟風又不想花錢 這個領域人才就是一切 然後又想盡辦法
→ robler: 打壓勞工，花兩悠買設備不手軟，加兩千薪水就唉唉叫
→ MasterChang: 目前狀況就是這樣....除非做的東西很新
→ robler: 說要能研發出三小我是不信啦
→ senjor: 同意啊，就哪個老闆會想請你去重寫裡面的數學模型...現有
→ senjor: 的都是一堆強者寫出來的，你能應用的很漂亮才是重點了
推 mathrew: 我工作上有碰到一點點ML   同意大鬼島上司講的
推 laba5566: 你老闆是對的 美國也是這樣 除了少數幾家願意養研究員
→ laba5566: 現在DS有慢慢往OR靠的趨勢 公司內部internal consulting
→ laba5566: 不是除搞ML 一般人現在搞這個是死路一條
推 senjor: 我覺得現在一堆人把kernel講得太神，好像不會數學去寫就會
→ senjor: 沒有未來，其實反而是調整或者研發數學模型的工作難找啊
噓 Sixigma: ...包的好是不用自造輪子，為什麼這樣就沒得發展？
→ Sixigma: 你只需要輪子就能當車開嗎
推 shortoneal: 這個領域跟風感覺能吃的很少，連湯都沒得喝
→ shortoneal: 到最後又變成單純的養人給老外用
推 uly: LAMP非常成熟了 所以大家來做WEB已經沒前途了???
→ uly: 重點是你要怎麼把KERNEL用在不同的產業DATA上 改進產能
→ uly: 開發出原本做不到的附加價值 應用KERNEL創造新的商機不是嗎?
推 uly: 那又何必去想做不出新的LAMP(KERNEL)這件事呢?
→ uly: 目前各個產業經過WEB CLOUD的後的轉型或多或少都有DATA
→ uly: 怎麼去用這些AI KERNEL開發出新的自動化價值 就有新的需求
→ uly: 新的工程師職缺出來 這不就是新領域的未來嗎?
推 mdkn35: SVM的kernel應該是指投射到特徵空間?
推 f496328mm: 大致上是指投射到超平面沒錯，有RBF、poly等等，更高
→ f496328mm: 維度有可能將 data 分開