[請益] 想找機器學習的工作

[pagepage (pagepage)]

各位前輩大家好

小弟是物理系出身

最近要退役了準備找工作，希望能獲得一些建議

先介紹一下背景：

1. 物理碩士，碩士論文為類神經網路的物理性質

論文主題是機器學習

但既然是物理所，研究所注重的自然跟資工所相去甚遠

目前修過andrew Ng的線上課程，以及上到一半的機器學習基石

基礎的機器學習常識還是有的


2. 程式能力

研究所主要使用MATLAB

雖然C也會使用，但只有跑模擬使用，寫法也比較不簡潔

PYTHON 只有拿tensorflow做過基礎練習，沒有實際用來解決過問題


想請教的問題：

大概要準備什麼知識爬過文大約有個底了

但對找職缺上有點徬徨

1. 職缺名稱：

請問"data scientist"這個工作職缺可以學到東西嗎?

自知自己的程式能力遠不及資工背景的人

因此"演算法工程師"之類的職稱應該是沒機會

我目前找工作，主要是找"機器學習工程師"這類的職缺

但是不知道data scientist是否能學到東西

還是說只是套套資料和使用幾個現成的套件，去當苦力而已？

怕資工會不會有類似"一日設備，終身設備"之類的情形出現？

還是可以試著應徵看看去練練功？


2. github的重要性？

看過一些文章說github很重要

但...目前可能沒時間搞一個起來

同時由於以前編寫的程式以解決自己問題為主 (ex: 跑模擬、控制儀器)

不然就是一些練習ML的code

這樣似乎沒有上傳的價值？

我是應該花時間整理以前寫過的code上傳github

或是乾脆放棄這件事情，多準備一些ML的知識呢？


3. RK是什麼？

找工作時有些職稱會寫RK  跟RD有什麼差別?


4. 還有什麼可以證明自己的事情可做？

目前主要以上ML課程的方式來提升自己

雖然可以幫助了解ML但是感覺對履歷的幫助不大


但是如果要做一個專題出來在沒有人指導的情況下又有點困難

是否有其他方法能增加自己履歷強度？



如上

很清楚台灣的ML機會不多

已經做好被洗臉的心理準備了

還是希望各位先進能給些建議

感謝！

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 210.240.38.68
※ 文章網址: https://www.ptt.cc/bbs/Tech_Job/M.1498526520.A.04B.html
→ childlike12: 1. 你就是適合投data scientist而不是data engineer
推 nick65415: 有些公司會找跨領域的人寫程式，物理系還是有機會
推 neptune317: 試試吧，雖然data scientist蠻advanced，一般phd。
推 nick65415: 或是找日商，日商比較願意培育新人
推 teddy0819: 滿有機會的吧！我朋友清大物理畢業在deepmind工作！Git
→ teddy0819: hub似乎真的很重要
→ Murasaki0110: 只有這樣的基礎程度怎麼寫出NN論文的
回應一下  程式部分主要弱點是在演算法等需要效率的地方
要用C跟python進行模擬是沒問題的
同時可能也是物理系比較不要求這方面的緣故
不過大概重複一些別人論文的東西是沒問題的這樣

→ bemyself: 如果讓我看一下你的論文 我就可以回答你的問題了
推 tommie: 先把語法練熟一點，不然筆試就先打槍了
推 miles412: 你朋友在物理系也是神手等級
推 lponnn: data scientist 的門檻很高喔 不是隨便都做的了的
推 bemyself: 老實說光看你論文的標題還滿有意思的
→ bemyself: 如果不是那種junk paper 建議可以跟你朋友ㄧ樣 出國找找
→ bemyself: 口誤 是跟teddy的朋友ㄧ樣
雖然對自己論文不算沒信心
但是由於研究方向是spiking neural network
目前基本沒有業界在使用因此有些擔心
同時出國找工作的門檻還滿高的
會朝這方面試試看
謝謝你的建議



另外請教一下data scientist 跟 data engineer具體差在哪呢?
我原先以為data scientist是單純苦力活
(因為有接到一些金融業的面試邀約，以為不用太專業也能做)
但看板友推文似乎不是如此？
※ 編輯: pagepage (210.240.38.68), 06/27/2017 10:25:57
推 chienk: 念phd吧 不然感覺機會輪不到你
推 chocopie: 台灣金融業對data scientist的定義還只停留在IT人員的階
→ chocopie: 段，
→ chocopie: 大概只有少數幾家目前有慢慢做起來。
推 neptune317: Quora一下data scientist的requirement吧，一般還要
→ neptune317: 有big data的能力，data engineer比較沒那麼advanced
→ neptune317: ，做infrastructure或application，至於data scientis
→ neptune317: t做research。
※ 編輯: pagepage (210.240.38.68), 06/27/2017 10:37:07
→ childlike12: scientist設計演算法，engineer實做演算法(用程式)
→ childlike12: 我假設你演算法很強程式不強，所以這樣建議
推 neptune317: By the way，data scientist比較像是data engineer和d
→ neptune317: ata analyst的東西都要會。
→ qoopoo30: @TP狗
→ killua801227: 請念phd 這樣的底子要投 data scientist 還差太遠
推 pttccbbs: you are weaker than most CSIE RDs.
推 pttccbbs: matlab 效率太差, 學校學的, 有點像是高中聯賽
→ pttccbbs: 出社會工作, 像是獨立聯盟,但是你現在想挑戰大聯盟
→ pttccbbs: 有能力做ML的,通常是大公司,除非你是台清交,不然機率低
→ sc1: 物理碩士去傳產當儲幹起碼作息正常月34k
→ pttccbbs: 我知道有一間公司,裡面全是台大畢業, 論文全是ML相關的
推 spiderway: 就去啊
推 lofu: 建議多做點功課與爬文
→ KILLE: 112嗎 不是人家收的機率很低
推 aiueokaki: 個人覺得台灣有ml缺又是待遇好點的公司很少…
→ aiueokaki: 34樓是說appier嗎？
推 tingwei0924: 可以去kaggle 玩一玩看自己喜不喜歡 data scientist
→ tingwei0924:  的工作
→ NaiChar: 非資工系的真的很難找 你會的資工的也會 實作還比你強 現
→ NaiChar: 在的lab一窩蜂都在做NN 競爭激烈啊
→ sc1: 可以騙政府預算
推 askia: 給你一個很重要的建議：出社會工作是領薪水對公司有貢獻
→ askia: 而不是要去「學東西」，如果你只有學習沒有產出，那應該去
→ askia: 補習班，而不是去找工作。當然你有學習能力是很好，不過還
→ askia: 是先問自己能做什麼？而不是先問能不能學到東西。這才是被
→ askia: 錄取的關鍵。
是的
不好意思  這邊表達不太好
我會調整我的心態
※ 編輯: pagepage (210.240.38.68), 06/27/2017 15:42:12
→ davidpanda: 真的想做ML可以去Appier看看, 再大一點的公司的
→ davidpanda: scientist會需要相關領域的phd, 難度會高很多
推 aiueokaki: 可以請問樓上大點的公司是哪些嘛？
→ davidpanda: 然後以你的background感覺Appier也有點難度...
→ davidpanda: google/facebook國外的office之類的?
→ sc1: 從資源回收業分析大數據應用街道物理
→ sc1: 去拾荒做垃圾分類又能賺錢又能分析社會
推 goldeagleroy: 原po是112物理學碩
→ goldeagleroy: 你要不要乾脆去唸個資工碩?如果對這塊有興趣又打算
→ goldeagleroy: 就業
推 sampan0212: 走SNN也許能去華邦之類的 可是這是做硬體就是
推 pig2014: 我電機系畢業想當醫生
→ pig2014: 噓死你
推 IBURNER: 那你就去當醫生啊？
推 areUretarded: 我都用sVM