各位大大好，小弟最近想轉職(32)，
在自學深度學習中，目前對一些 分類、
回歸 的演算法 以及 一些常見模型CNN、RNN
的做法跟數學理論大概都能了解
(EX: 能解釋反向傳播等的原理之類的…)
還在學習更多中…，用tf、keras
實作簡單的model也都都的出來，
一些較小型的範例都沒問題。
只是因為是半路出家，私校資訊碩畢，
論文跟以前的工作經驗和AI這塊完全無
相關性 (雖然工作也是資訊相關)，想請教
有在深度學習領域工作的大大，小弟這樣
情況，有辦法找得到DL方面的工作嗎，
我對這塊是蠻有興趣的(不然學不下去)，
目前在這塊經營的前輩待遇大概如何?
一般DL新手待遇能談到多少呢？
能否請大大解惑

抱歉我剛轉行大概90幾而已,說門檻不高是指工作不難找要領到150不管哪個領域,都得有一定的本事,當然門檻高

上面說門檻低的 哪一個年薪超過150的？

個人覺得AI炒作到有點泡沫 成熟有價值的AI技術 大概只有CNN YOLO進入門檻其實很低 很多學習框架可以用 真正費時部分都在資料收集與前處理及最後應用端

DL門檻真的很低，但通常只會DL是找不倒什麼好工作的比如你做影像也是得會傳統的CV，不會做不了啥反向傳播其實就是高中就有教的chain rule真的有想往這個領域發展的話也看點ML跟統計吧

完全同意 只會train model 真的完全沒屁用 重點是你怎麼用它 以CV來講如何設計餵model的data label 如何處理出來的sementic segment bounding box 如何把它變成有用的東西 這才是業界最想要的

32歲了,應該想著如何多賺錢,而不是換跑道.

你講的東西去youtube看莫凡的影片就會了。 你當DL工程師的價值是什麼？ 有成功的作品嗎？ 還是只會 .fit().predict() 呢？

看過一堆看AI紅想轉職只想train model的這種十個九個是麻煩製造者

持續自學是好事，不潑你冷水，看過許多只會Train model，就拿到大公司AI缺，不過對公司而言真的是災難。若你想轉職，弄幾個作品，可趁這波熱度，趕快混水摸魚搶個缺。

ai不會是泡沫啦，至少不是熱門得莫名其妙讓人說不出原因而且ai確實是可以拿來解決問題的，不是炫技給人看而已

AI公司的門檻不在模型...在工程和資料來源

像以前一堆人在酸大數據，現在來看，還有能酸的理由嗎?那些在酸的人都不知道自己的食衣住行早就離不開大數據了反正就外行看熱鬧，一直都這樣

還有這種職稱哦 .... 還真無聊　

能解決問題比較重要 不然每天都在人工知能 哪天才會發現人工不能？

超廢技能，你先能夠證明演算法收斂性我才承認你是ML人才

捷徑：打kaggle打出名次

只會調模型跟超參數的話 沒什麼門檻吧

這職缺一堆科系搶工作，舉凡資工電機物理數學統計，私校還是趁早放棄吧

慣老闆：不就是拿別人寫好的工具改一下參數,領23k剛好而已

不覺得泡沫化，只是你都32了，之前的經歷如何跟ML結合轉換成加值，我是比較好奇。光玩TF已經沒用了。另外，好不好找相關工作，薪資如何，與你找什麼公司有關。不挑公司還是很好找吧

大家也鞭好兇R

自己經驗是差不多和演算法工程師薪資差不多，提供給你參考

我也覺得鞭的不是很中肯，我反而覺得推文很多人不是在做相關工作，DL門檻低？有好的數據隨便訓練下就好？這都太偏頗與業界脫節。

推樓上

反向傳播是基於chain rule沒錯但看到有人說「反向傳播就是chain rule」整個傻眼

反向傳播基本原理本來就是chain rule，不然是什麼...很多東西本來就是從很基本的東西疊上去偏微分求導也是基本微積分而已，我只是想表達DL數學門檻不高，樓主想要走這行一定要充實其他的技能業界用DL主要都是在解決工程而不是學理問題

我覺得DL的數學門檻蠻高的耶，到現在還是一堆Paper根本看不懂。解決工程問題也是，沒什麼好方法，門檻頗高。

對於數學和統計出身的人來說，DL數學真的還好一些很前沿的idea當然比較難懂，但業界不會用到我目前的心得是工程門檻遠高於數學門檻

數學門檻高不高看公司吧？

最近有很多人在研究explainable-AI

至於ML/DS領域我覺得數學還是很吃重，看那精美的WGAN。

就是幫助人類可以判斷何時能相信AI換句話說就是目前的NN多數時間我們不知道他在幹嘛

同意，大家討論的角度不同，有誤解先跟你說聲抱歉。

沒關係，討論一下讓樓主參考也不錯總之我想提醒樓主的就是，DL現在已經有非常多人投入務必要發展其他專長搭配DL，才能找到好工作看是要走影像或NLP或其他，都還要去深入該領域學習

Drtech 中肯 跑跑模型的確call幾個function 就好 不需要數學 但要怎麼跑出有用的結果 需要參考很多paper 這當中就牽涉到很多數學 而這才是DL engineer的價值然後某肥宅不要再秀下限 BP只是有用到chain rule 不是基於他 然後你上面應該是想說domain knowledgeㄅ ml三大元素都講不出來？

建議別走 因為你會沒機會 或待遇很低台清交成都不一定有機會 何況你是私校碩士

等人工AI發展起來 準備失業 比較實際笑噓 寫人工AI的程式就不會失業的說法

看到一堆外行拼命想嘴也是很有趣

嗯 一堆ML大師

爬網資料收集與清洗比較容易找工作

網路當時也很泡沫啊 又沒差 撐得下來就是通吃

不缺錢就去唸博士再出來找, 缺錢就去刷leetcodeleetcode 刷的好 即使只會AI皮毛也容易找工作雖然32再念個博士 似乎有點危險

找的到工作就不錯了

數學都是基於加減乘除，看來大家小一就會了

DL門檻最低了 你阿罵都會 門檻最高的是SRE和QA

DL數學門檻本來就不高啊,微積分線代對理工畢業來講不就是加減乘除嗎？就說門檻在工程不在數學台灣的DL缺要的是engineer不是scientist後者的缺也多半重學歷,原po條件是很難進去的ML/DL網路學習資源一堆,要只靠這個找到好工作很難所以我才建議原po加強domain knowledge才能脫穎而出

AI炒作到泡沫化了+1...實作後沒幾個實用的應用

泡沫化mit還砸了幾億美金蓋ai學院? 恩..

這波炒作最可憐的是原本專精於此的人 一堆套件都弄得阿祖從墳墓爬出來都會了(?

之前參加一個google的研討會 裡面的data scientist分享他們自家產品無腦train的精準度 只比他花大半個月分析建模後的結果差了個0.0x%你阿罵拿現在那些東西隨便亂套滑鼠亂點跑出的結果搞不好還能贏一票半路出家自學的工程師

喔 聽del這樣講，我也能進google train model囉XDdel的笑話真的很好笑。就跟大家都會開車，所以大家不可能開車跟不上專業賽車手一樣。我就算無腦開，時間也不會差太多，還不就是開車XD這種無腦的話在這裡竟然聽的到，真的讓我很失望。不過我是比較相信drtech說的話，看他過去的貼文，我相信他在這個領域打滾很久了，是比較有參考性的。

朋友leetcode 刷滿、博士、套套TF調參數就進google了。年薪600萬，不用理那些酸民，好好打底然後用力投夢幻公司才是真的

等你能看懂清大吳尚鴻的DL教學影片(youtube)再來說嘴吧