Re: [請益]未來的學習方向

[thefattiger (LawTea)]

人工智慧的話，很多板友都說數學要很好不知道有沒有嚇到你

我算是個轉換跑道現在從事AI相關工作的工程師
要搞清楚所謂AI的工作可以分成兩種完全不同的方向

1.真的是在研究AI本身，開發最前沿模型和演算法
2.應用已有的AI演算法解決某個領域的問題

前者的話，不要說台灣了
全世界來看都是少數幾個大頭在主導

比如說幾年前很紅的alphaGo Zero
DeepMind會做圍棋AI不是因為
"乾，柯潔好強喔我都下不贏他，那來做個機器人幫我對付他好了"

而是棋類遊戲裡圍棋是最複雜，且還沒有人能做出能擊敗人類頂尖高手的AI

如果是後者，其實你不需要多強的數學背景
只要給你一篇paepr，你能知道這個算法做了哪些假設
解決了甚麼，用起來有何限制，適不適用你現在的問題
其實這樣就很夠了
英文...也不用頂好，能看懂paper都沒問題

以我為例的話，現在身邊的同事包括我自己
沒有一個是資工出身的，碩班題目也完全跟AI沒關係
有念物理、數學、統計、電機的
看一些ML/DL的paper真的很少會有數學太難看不懂的情況
我以前碩班是研究chiral material中電磁場的傳播，我覺得那數學難多了...

如果你很想試試看的話，這邊貼幾個比較熱門的開放式課程給你
看看學習以下的課程對你來說會不會太吃力

https://www.youtube.com/watch?v=UzxYlbK2c7E&list=PLA89DCFA6ADACE599
這是比較老的課程，那個年代DL還沒火紅，可是講得都是ML基礎概念
至少把supervised看完再看DL吧

https://www.youtube.com/watch?v=vT1JzLTH4G4&list=PLC1qU-LWwrF64f4QKQT-Vg5Wr4qEE1Zxk
這堂雖然名字有for Visual Recognition
但其實DL入門該知道的基礎大概都有包含到了

https://www.youtube.com/watch?v=2pWv7GOvuf0&list=PLzuuYNsE1EZAXYR4FJ75jcJseBmo4KQ9-
跟前兩個不太一樣，這是專門講強化學習，講者是大名鼎鼎DeepMind的頭頭David Silver

台灣也有很多不錯的課程，如李宏毅或林軒田的，都講得相當好也不會太難
不過我建議一開始先看英文的，這樣對這領域的專有名詞會比較有感

然後其實工作時很常不是在處理AI的問題
以下簡單描述一個工作場景讓你感受一下
------------------------------------------------
老闆今天要你做一個chat bot，能回答客戶對於產品各種各樣的問題
要怎麼把客戶傳的訊息轉換為問題，就牽涉到NLP(自然語言處理)了

簡單評估後，你發現自己從頭弄一套NLP不太實際
微軟剛好提供了簡單好用的LUIS，與老闆討論過後他也能接受
當啷! 這個專案不用再煩惱AI這塊了

但是...AI只是這個專案中的小小一部份
接下來你要能從判斷好的意圖及實體中根據問題類型回答不同的答案
看了看老闆給你的問題清單...
哇！問題有幾十種，有些回答後又有後續的問題
會因客戶的在前一個問題中的回答而有不同
而且老闆還希望最好還能講些垃圾話逗客戶一笑
難道要寫幾十個巢狀的if else?

你想到有一個叫做state pattern的東西可以把if else寫成比較好維護的方式
不過你現在用的是Python，是動態語言
沒有必要真的弄一個叫做State的抽象類別，然後底下再創ConcreteState
Python中的函式是一級物件，其實每個State用一個函式代表就夠了

因為要能接到line bot的訊息必須要建個web server建立webhook
你整套系統必須是架在server上，沒辦法像一般的程式一個process跑到底
那Context中的狀態怎麼保存呢？
最簡單的方法就是讓每個狀態對應到一個編碼
只要記住現在每個客戶的狀態編碼，就很好處理了吧！

這時你又想到其實Context類別也很沒必要，用dict保存state就好了
dict中的key又剛好可以對應到狀態編碼
以後接收到客戶的問題只要呼叫state_dict[status_code](text)
就可以拿到正確的回答了，初步設計完成了呢！

可是...你現在開發中的web server是架在免費的託管平台
以後正式上線的流量，免費平台可無法應付
接下來還要進行程式的優化，跟管server的人討論，等等等各種各樣的事情
專案才算是能初上軌道
----------------------------------------

以上算是小弟個人工作到現在的體會
最後給你個建議是要真心問自己，真的喜歡寫程式嗎？
因為我打完這些才在底下看到你連迴圈都卡住...
我覺得這已經不是天分問題了，要是連迴圈都能卡住
也許你沒有自己想像中的那麼喜歡寫程式

然後C#跟Python，一個是編譯式語言，一個是腳本語言
他們有本質上的差異，不是只是語法不同而已
建議不要同時學這兩個，不然有些觀念在起步時很容易混淆

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 58.114.212.150
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1550906544.A.40E.html
※ 編輯: thefattiger (58.114.212.150), 02/23/2019 15:23:11
→ MOONY135: chatbot的IF ELSE有感
→ robber1234: 感謝你分享.我相信你寫完以後,那些非資訊領域的會離開
為啥!? 我本意是要樓主不要沒自信呀
※ 編輯: thefattiger (58.114.212.150), 02/23/2019 15:37:30
→ MOONY135: 其實我不太相信三個傻瓜那一套(?)
→ robber1234: 這裡本來就很多路人定期會來發夢想文,無視專業基礎
還好啦...我是看到原po說很喜歡寫程式才打這一篇鼓勵他
我也是從只會Matlab+完全不懂AI，自學到現在找到了份還算不錯的工作
會轉行也是因為很喜歡寫程式，所以學習過程到現在工作都算滿快樂的
※ 編輯: thefattiger (58.114.212.150), 02/23/2019 15:43:58
推 benedict76: 寫程式真的要有熱情，如果只是想說混口飯吃還是不要進
→ benedict76: 來好了
推 Gaitz: 推這篇 不過覺得原原po 看完會退坑
推 Murasaki0110: 退一退也好，沒看過跟風仔會成功的
推 s890510: Chatbot好幾層的switch case跟一堆的if-else...
推 wavek: 推 但倒數第二段不認同
推 yougigun: 推前半段我 不認同第二段
推 tbpfs: 這篇寫的太好了 1秒嚇退原PO
推 johnnyjana: 推 好文
推 ilove0618: 看到chatbot那段感同身受啊..
推 arsl400: 推!
推 tea596933: 推這篇
推 w199381: 感謝大大
推 ice80712: 本來就是 一直講ai需要大量數學的根本不懂台灣產業
推 Jokering5566: 我以為已經有開源AI lib對應基本的chatbot內容了欸?
推 shter: 拆解已經很痛苦，但到要做正向語意跟反向語意判斷時就...
推 suspend: 推分享
推 Lupin3: 謝謝大大(本來的原噗主)之前也有在看李老師的線上課程，
→ Lupin3: 很常看到微積分或線性代數的說詞看了真的很緊張(英數都死
→ Lupin3: )也很抱歉讓各位覺得不被尊重專業，就像版上的各位所說我
→ Lupin3: 沒有真的熱情沒有去實踐(不好意思話多沒重點的)總之我想
→ Lupin3: 再試試拿出熱情來做，非常謝謝大大願意打這麼多字回覆我
→ Lupin3: 還給我資源QQ(土下跪
→ lukelove: 大量數學 要看怎麼樣是大量數學吧 看過113cs碩 線代 微
→ lukelove: 積分極爛, 尻他會尻, 叫他報paper會暴怒
→ lukelove: AI engineer 本質還是 software engineer, 如果看得懂基
→ lukelove: 礎理論, 實做很差, 白板題一電就爆, 要有好職務也ㄅ容易
→ x000032001: 但是113cs碩畢業條件沒有修線代和微積分呢
→ bakedgrass: 是不是真的有興趣看這篇文章就知道了 #1SIgSkHW
推 leviliang: 記得田神的機器學習基石需要用到線代的SVD
→ leviliang: 樓主確定您的數學不用太強跟一般人一樣嗎XDDDDDD
推 atpx: 推分享
→ thefattiger: 線代只要理工畢業的都學過吧，數學真的不用多好
→ thefattiger: 用到再去查好了，數學本來就是工具而已
→ thefattiger: SVD在andrew ng的課也有用到，花個10分鐘複習下就好
→ thefattiger: 這種東西平常沒用到的人哪有可能記得
推 NCUking: 深度學習的數學基礎 微積分、線代、機率
→ NCUking: 在大多數理工科系都是必修吧
→ NCUking: 只是要聽懂深度學習課程 又不是要發表高深論文
推 vincentman: 推樓上最後一句。另外數學到底要好到什麼程度，需要一
→ vincentman: 些經驗判斷
推 supernow: 用過luis+state pattern開發淚推
→ DrTech: 一群數學很好的人，跟一堆數學基礎差的人說，數學很簡單，
→ DrTech: 本身邏輯就有問題。
→ DrTech: 一堆微分基本定理用來推導演算法，是不難。但是此版絕對一
→ DrTech: 堆人看不懂，也無從突破。