推 neo5277: 呵呵人多地方不要去 05/01 18:14
推 longlyeagle: 還好吧 Meta SDEM 跟我說他們有五千人做AI 05/01 18:19
→ longlyeagle: 對話的原文"The entire system for recommendation" 05/01 18:21
→ longlyeagle: 所以包含infra, analyst, security, ... 05/01 18:23
推 pttnowash: 人工智慧(X) 工人智穢(O) 05/01 18:54
推 doranako: 鴻海也在做啊，但大多是自動化工廠 05/01 19:01
推 chter: 沒差，錢多 05/01 20:10
推 Morphee: 就資料集的角度來說 台積是台灣最有資格作ai的地方 05/01 21:03
→ truehero: 把收資料的工算進去 幾百人力合理吧 05/01 21:40
推 lukelove: 資料=$ , 一直都是 台積從產業產值的角度 高搞AI絕對是 05/01 21:43
→ lukelove: 有賺頭的 , 但過去聽到進去的人都在玩政治不做正事 05/01 21:43
推 chocopie: 17 18年就在做簡報幫長官們上課深度學習囉 05/01 21:55
→ chocopie: 以資料量來說絕對有東西可以做， 05/01 21:57
→ chocopie: 但只要是跟投入資源有關，那就是跟工作協調分配有關。 05/01 21:57
→ chocopie: 辦公室政治不可避 05/01 21:58
推 tanby: 我猜請做演算法的去label數據 05/01 22:06
推 Neistpoint: 應該不誇張，可以做的題目還蠻多的 05/01 22:18
推 viper9709: 推工人智慧XDDD 05/01 23:18
推 celestialgod: 說資料多可以做的人應該是都沒看過台積電的資料多難 05/01 23:23
→ celestialgod: 拿 而且有多亂多髒吧（笑 05/01 23:23
→ celestialgod: 光是一個PIP就把你擋死 憑什麼要給你看我們家的資料 05/01 23:24
→ celestialgod: （笑 05/01 23:24
→ celestialgod: 而且測量的資料 光是測量的點位在每一站都不一樣 你 05/01 23:27
→ celestialgod: 就不知道怎麼整理資料了 更何況還是抽測 你可能前站 05/01 23:27
→ celestialgod: 抽測該lot的A片 後站是抽該lot的B片 而且製造部為了 05/01 23:27
→ celestialgod: 避免量測卡產能 一定是盡可能錯開 因為CIM幫他們寫 05/01 23:27
→ celestialgod: 最佳化程式去盡可能在一輪製程中覆蓋整個lot的每片 05/01 23:27
→ celestialgod: 所以抽測的情況更複雜難料 05/01 23:27
→ celestialgod: 好做的大概只有RD廠 但是他們也是透過DOE 而且要控 05/01 23:27
→ celestialgod: 制成本 不可能那麼多錢給你實驗 05/01 23:27
→ celestialgod: 台積電量產廠 資料很大 但是光是整理資料就累死你了 05/01 23:28
→ celestialgod: RD廠資料不大 但是也不會每一個地方跟你設Sensor 常 05/01 23:28
→ celestialgod: 常會發現RD廠沒問題 但是量產廠還是出問題 05/01 23:28
→ celestialgod: 環境問題難解 資料點還是不夠可以拿來ㄈㄣㄒㄧㄗˉ 05/01 23:28
→ celestialgod: ㄌㄧㄠ 05/01 23:28
→ celestialgod: 如果對台積電資料有嚮往 真的歡迎去挑戰看看 05/01 23:29
→ OforU: 實務上的 ai 挑戰大部份都是在資料又髒又亂，不太可能有多 05/01 23:38
→ OforU: 乾淨的data set 除非有另一個 team 幫你整理完，這點應該 05/01 23:38
→ OforU: 到哪間公司都差不多吧 05/01 23:38
→ celestialgod: 台積電的資料多又髒之外 還有一堆政治問題（PIP）卡 05/01 23:40
→ celestialgod: 你 那些資料的難處 很多人應該不懂 所以我試圖說明 05/01 23:40
→ celestialgod: 但是也只能說明到那樣了 剩下就各為自己去挑戰看看 05/01 23:40
→ OBTea: 神山的資料系統應該是疊床架屋得很厲害，每個單位覺得A系統 05/02 00:28
→ OBTea: 好用就用A系統，但整個公司就該單位用A系統 05/02 00:28
→ OBTea: 有個 05/02 00:29
→ OBTea: 然後開始繁衍A-Z 各種不同組合的系統差別 05/02 00:30
推 longlyeagle: 其實大公司很多都這樣國外也是 正常現象不必妄自菲薄 05/02 00:47
→ DrTech: 說台積資料量是全台灣最有資格做AI，是沒見過電信業，或是 05/02 00:47
→ DrTech: vpon，appier等公司吧。再怎麼量大也沒全網量大。 05/02 00:48
→ longlyeagle: 我在美國待過一個大集團收購同性質的八間小公司的 05/02 00:49
→ DrTech: 另外，AI才投入數百人力，算少的團隊。 05/02 00:49
→ longlyeagle: 那個光是互丟資料就搞了好幾年 05/02 00:49
→ DrTech: 電子製造業做AI問題不在AI或資料量，或有沒有人標注，而是 05/02 00:51
→ DrTech: 業務流程根本沒辦法標準化。光是判定defect，就保證因人而 05/02 00:51
→ DrTech: 異沒標準了。 05/02 00:51
→ DrTech: 因人而異的各種電子製造判定問題，結果拼命投入大量人力去 05/02 00:53
→ DrTech: 做AI，年復一年，每年都在換計畫，永遠解決不了問題。才是 05/02 00:53
→ DrTech: 根源。 05/02 00:53
→ DrTech: 更何況一堆產線物理現象，產生的零星Defect，根本就沒sens 05/02 00:55
→ DrTech: ors可產生資料。結果還拼命堆錢做。看過太多公司都這樣玩 05/02 00:55
→ DrTech: 。 05/02 00:55
推 ZakuSIN: 先有工人智慧 才有 人工智慧 05/02 01:06
推 ILYY: 說真的光要搞到質高的資料100多人太少 05/02 06:39
推 Bujo: 只要數據湖 數據倉庫 弄不起來 演算法工程師就只能玩辦公室 05/02 08:06
→ Bujo: 政治互搶功勞XD 05/02 08:06
推 goodga: 類人工智慧 05/02 08:34
推 min86615: 一堆基礎建設沒弄好，要玩好很難啦 05/02 11:20
→ celestialgod: D大提到的標準化真的也是一個問題 05/02 12:46
→ celestialgod: 判斷Defect，成因如何，每個人說法也不一樣 05/02 12:46
→ celestialgod: 而且如果是到了封裝前的CP測試 05/02 12:46
→ celestialgod: 資料可能已經在台積電內部系統兩個月了 05/02 12:46
→ celestialgod: 這時候還要再撈出來分析 過濾髒資料 還要考驗module 05/02 12:46
→ celestialgod: 記性 有沒有拿去做實驗 05/02 12:46
→ celestialgod: 台積電很多老闆都以為AI很容易 都先喊AI 結果連個像 05/02 12:49
→ celestialgod: 樣的data lake, data warehouse都沒有 每個人都只想 05/02 12:49
→ celestialgod: 要拿到資料分析 都沒人想要先整理好資料 這真的是很 05/02 12:49
→ celestialgod: 大的難題 05/02 12:49
→ celestialgod: 補充一個是資料分析中會有很明顯的壞機台，這個也是 05/02 12:49
→ celestialgod: 一個影響良率的重要因子 但是常常抓出來才發現 modu 05/02 12:49
→ celestialgod: le早就知道 然後就發現做白工（笑 05/02 12:49
推 revorea: 神山，先搞定各種疊床架屋問題再來說收資料啦（呵欠 05/02 14:00
→ revorea: 上面一堆狀況外連資料都收不好就在那邊亂喊AI，笑死 05/02 14:02
→ eva19452002: 既然神山問題那麼多，為何代工市佔會過半？ 05/02 14:10
→ DrTech: 因為台灣神山，或其他電子製造業，不是靠AI或資料賺錢啊。 05/02 14:26
推 celestialgod: 資料或AI一直都不是神山的重點啊 那只是nice to hav 05/02 14:40
→ celestialgod: e而已 重點在於RD能夠把產品做出來 量產廠可以把良 05/02 14:40
→ celestialgod: 率拉上去 就能賺大錢了 05/02 14:40
→ celestialgod: 大部分客戶也是by wafer買 有好有壞的晶片 就分別做 05/02 14:40
→ celestialgod: 不同等級的產品 剛好 05/02 14:40
→ celestialgod: 而且神山壓榨這些工程師解決良率也不是一天兩天的事 05/02 14:41
→ celestialgod: 情 是每天都在問為什麼良率不好（笑 05/02 14:41
→ revorea: 資料要整理，但整理沒有KPI，project不夠炫，掰 05/02 14:49
→ chocopie: 大家都想要資料分析(的成果) 而沒有人想要整理資料。 05/02 15:14
→ chocopie: 這就好比有了特級廚師臂章但不會只想整天備料洗盤子，只 05/02 15:14
→ chocopie: 做庶務是沒有發展的，但總是要有人來做。 05/02 15:15
推 jason4571: 沒聽過嗎 人工智慧負責人工的部分 05/02 15:34
→ tttkkk: If it works, then it works. 05/02 17:56
推 spencer222: 靠杯 做data整理是可以報告逆 當然要先做demo case然 05/02 17:59
→ spencer222: 後報benefit 再拉其他單位support啊 最後就成功甩鍋就 05/02 17:59
→ spencer222: 好了 懂？ 05/02 17:59
推 Bujo: 影響神山良率的最大因素是碩博士等級員工的奴性吧，就算工廠 05/02 18:18
→ Bujo: 導入智慧製造也影響不大 05/02 18:18
推 Apache: 神山就希望擺脫人力依賴吧 05/02 18:22
→ Apache: 但能不能做到是另一回事 05/02 18:23
推 revorea: 就算想做也會被上層ban啦，沒有立即可見KPI的只能包在其 05/02 19:52
→ revorea: 他案子下面偷偷做，誰要那麼佛心跟上面玩，弄不好還要吃 05/02 19:52
→ revorea: 棍子。 05/02 19:52
→ acgotaku: 至少人家有資源在做這件事,發得也夠多 兩三年領兩百萬 05/03 10:13
→ acgotaku: 你看看一堆AI新創,也是AI原宇宙喊得爽,公司沒兩年就收掉 05/03 10:14
→ acgotaku: 還只能出香蕉價,猴子還不去,台積至少還挖到fb技術處長 05/03 10:17
推 niobafrog: 至少人家部門人員和主管是真的懂AI理論和一些趨勢論文 05/03 10:36
→ niobafrog: ，我就面過其他間公司(哪幾間不說了)，面試官一副就不 05/03 10:36
→ niobafrog: 懂AI這領域的知識和趨勢等等，只會抱著CNN這個詞在那 05/03 10:36
→ niobafrog: 邊繞，講啥他都聽不懂。 05/03 10:36
→ niobafrog: 啊 其他間公司也是應徵AI職缺喔 其中還有演算法工程師 05/03 10:41
推 jerrysmoove: 樓上是隔壁板最近因為刪文很出名那位嗎 05/05 04:00
→ jerrysmoove: 是的話期待你之後去台積做AI 再來板上分享目前現況 05/05 04:00
→ jerrysmoove: 了 05/05 04:00
推 daddy29: 這只能引進新血了 神山裡面工作模式有點噁... 05/06 10:26
推 new122851: 資料整理作業員 年薪兩百萬 朝九晚六 好舒服啊 05/06 11:23
推 kero961240: 神山真的有在做啦，我四大碩我們班的書卷都在神山做a 05/06 19:35
→ kero961240: i, 他們滿操的 05/06 19:35
推 NCKUchoume: 參加過GG central team開的AI課，教你用AI自動化撈資 05/08 14:58
→ NCKUchoume: 料加分析，結果是用python做出按鍵精靈笑死 05/08 14:58