[請益] 我該找前端工作 或專心學習ai?

作者: pride829 (竹鼠)   2020-10-10 23:43:26
在這篇文章中 我將data science machine learning及其他相關領域等統稱為AI, 因為我不確定將來
深入的領域為何 也還不到那個程度
大家好
我是應屆大學畢業生 國立 資訊工程系 但非四大
我接觸了很久程式 雖然一直在追求如何能夠寫的更乾淨有架構 但是從來沒有真正深入的
用單一語言做一個大型專案
最熟的算是c++吧,其他諸多語言像是php python js java c#...等等也能稱得上"會"
如果用過就算會的話
但也僅止於用過而已 我寫的程式大多數都很淺 基本上不同語言的差別只有語法不同 翻
譯之後沒有什麼差別
現在我要就職 我沒有任何的工作經驗 作品也很少 我也只知道從就職網站(104 1111之類
)謀職的方法
我注意到市面上有非常多前端工程師的職缺
我的選擇有二:
1. 學習一個前端框架 vue angular之類的 做個網頁 然後找個前端低薪的工作
其實照現在面試的情況 也許不用成品我就能找到這樣的工作了
或者是2. 我上kaggle學習data science, machine learning等等 等到有成品之後找這方
面的工作
其實我有興趣的是人工智慧 前端我一點興趣都沒有
但問題是ai的職缺相對少很多 學歷要求通常在碩士以上 且我的數學不好 基礎也不好
我目前自己灌了ubuntu自學, 只知道如何使用python引入DecisionTreeRegressor建立簡
單的預測,如何處理missing value
以及大學時候上過課 對於classification clustering這些有基本的認知
如此而已
我不曉得如果我打定主意朝這方向走 會不會遭遇很大的困難 會不會拖很久才找到工作
家裡的經濟狀況還可以 能夠讓我學習 但我擔心沒有工作經驗的我找不到ai方面的工作
但如果我選擇前端工作, 那就真的只是為了生活而工作 因為我對它真的沒有興趣
如果這樣的話 我就打算利用下班時間自學ai 然後之後再找機會跳板
但我又擔心如果上工 會被佔用太多的時間 因此這是一個麻煩的抉擇
想請教我該如何是好?煩請各位解惑!
附上我的github:https://github.com/pride829
另外再問個比較不相干的問題: 作品的註解應該用英文還是中文寫較好?
我能夠用英文寫沒問題 不過我想如果看的人都是台灣人 我在台灣求職 好像不見得會比
較好 因此詢問
作者: iceman5566 (iceman5566)   2020-10-10 23:50:00
不太能理解 你既然對前端沒興趣 怎還把他列入考慮?為了生活而工作有很多工作選擇 不是只有前端
作者: art1 (人,原來不是人)   2020-10-11 00:02:00
有些 Tetris 程式碼可以改寫成迴圈,不需要用複製貼上再改
作者: MOONY135 (談無慾)   2020-10-11 00:05:00
整篇看起來有點繞口
作者: sherees (ShaunTheSheep)   2020-10-11 00:08:00
DS比較好的研發缺會有讀論文的需求 數學不好會有點痛苦
作者: newhandfun (新手方)   2020-10-11 00:09:00
先拿身邊碩畢做AI找了半年沒拿到AIoffer的例子跟你說這條路不容易
作者: sherees (ShaunTheSheep)   2020-10-11 00:10:00
而且就像你說的現在僧多粥少 沒碩士不夠強大概連機會都不多
作者: art1 (人,原來不是人)   2020-10-11 00:10:00
後來的 cpp 都有常用迴圈了,所以舊的應該可以不用管了
作者: newhandfun (新手方)   2020-10-11 00:10:00
我自己倒是面試後端時被問說對AI有沒有興趣的,給你參考
作者: alihue (wanda wanda)   2020-10-11 00:12:00
為何你要往兩個最擠的道路走...
作者: sherees (ShaunTheSheep)   2020-10-11 00:14:00
不過滿好奇怎麼不考慮後端
作者: MOONY135 (談無慾)   2020-10-11 00:14:00
你選了進入門檻的光譜兩端...
作者: tnfshjcc (↖煞气a攜阿攜↘)   2020-10-11 00:16:00
台灣不清楚,美國的職缺數量的確是前端>>後端>你說的AI
作者: MOONY135 (談無慾)   2020-10-11 00:19:00
你列出來的所有選項其實都是算命,沒人可以跟你掛保證你會不會遇到你講的事情。丟丟看ai的缺看有沒有人要你去面不就清楚了嗎。但除非你知道那幾家真正有在搞ai的 不然很多缺都只是喊著口號 之前big data就很多公司喊著口號了
作者: kurtsgm   2020-10-11 00:21:00
不要說沒碩士了....現在AI正夯 一堆實驗室都掛AI一狗票的碩士出來都頂著AI這個tag....你要去搶這機會太少
作者: viper9709 (阿達)   2020-10-11 00:27:00
想走AI但數學不好...?
作者: joejoe14758 (KILE)   2020-10-11 00:36:00
AI沒讀碩士 真的很難找工作... 很多職缺也是來亂的
作者: DarkIllusion (′・ω・‵)   2020-10-11 00:38:00
可以問一下你為什麼執著AI工作嗎?
作者: jackwang01 (艾斯比那)   2020-10-11 00:45:00
要走AI,建議還是乖乖讀個碩,紮實的修一些課跟看論文,上kaggle說實在的你也只是學會怎麼用套件而已
作者: chocopie (好吃的巧克力派 :))   2020-10-11 00:50:00
前端餓不死,是因為再傳統的商業業務,只要有做前端就能在網路上賣產品/服務了(順便套個數位轉型)。但是Data類則不見得每一家都會想要。養一位資料科學職位,年薪資假設n*13~14好了,那實際對於公司/單位的效益是否增加?管理層會看這一點,而其他較進階的資訊類職位也是類似。
作者: s06yji3 (阿南)   2020-10-11 01:03:00
數學不好為什麼會想走AI?
作者: YahooTaiwan (超可愛南西我老婆)   2020-10-11 01:07:00
AI 不是一條你想走就能走的路沒碩士連第一關都進不去
作者: aiueokaki   2020-10-11 01:23:00
6樓的朋友是哪家碩畢的?半年都沒offer有點誇張
作者: tnfshjcc (↖煞气a攜阿攜↘)   2020-10-11 01:41:00
漏看了 數學不好 我看還是建議直接走前端 AI應該下輩子不過版上有個p大 高中機率不熟 照樣領數十萬鎂年薪
作者: clamperni (肥宅牛牛)   2020-10-11 01:43:00
學AI 你有學歷前端進公司在學都來的急
作者: newhandfun (新手方)   2020-10-11 01:59:00
非本科工科國立碩,不過不知道他的能力在哪
作者: kingofsdtw (不能閒下來!!)   2020-10-11 02:37:00
沒四大就洗碩士嘍,叫你老爸抵押房子投資你如果老爸都不投資你,就乖乖人生online吧先去工作幾年存錢,然後半工半讀個四年學啥都是假的,四大證書最重要
作者: drajan (EasoN)   2020-10-11 02:53:00
四大證書就是個垃圾 參考價值極低 除非你是要洗學歷
作者: spfy (spfy)   2020-10-11 07:38:00
你想像的"AI工作"跟實際社會上"AI職缺"應該完全是兩件事...感覺你還不知道自己要幹嘛 才會挑這兩個對比
作者: jason4571 (terry)   2020-10-11 07:51:00
太長沒看完,履歷寫這樣的話不合格兩個工作都好找,起薪也不錯,不過AI相對比較難跳
作者: j0958322080 (Tidus)   2020-10-11 08:34:00
ai數學不好有差嗎?反正都call library
作者: sdyy (中壢市的小智)   2020-10-11 08:54:00
雖然學校的ai跟實務不同 但沒碩士可能直接就被濾掉
作者: red0210 (My Name Is Red)   2020-10-11 09:56:00
想學 AI 不考慮讀研究所?不過考慮讀研究所之前先提醒這行僧多粥少我看到個稍微不相干的問題,你的 GitHub 證明你不會用 Git
作者: NewSpec (新規格)   2020-10-11 10:40:00
ai讚
作者: npkalala   2020-10-11 10:43:00
你想像中的AI跟實際AI工作內容可能有落差,可以往應用的方面去發展,同55樓說的只是call lib,但這邊想有所突破就要往專利方面發展,可是好的專利大多都被寫光了。
作者: holebro (穴弟弟)   2020-10-11 11:51:00
我也有跟你一樣的煩惱
作者: aidansky0989 (alta)   2020-10-11 12:51:00
台灣搞ai搞不起來的,沒數據沒市場你還想搞出啥真有興趣就去kaggle打幾場拿到獎金再說
作者: kiki86151 (魯飯)   2020-10-11 13:35:00
不想潑冷水 但想走AI數學不好就好像是想當作家文筆不好一樣的意思 且就算call lib也要知道怎麼tune參數 不知道參數背後意義 亂tune訓出來的model大概跟屎一樣吧
作者: j0958322080 (Tidus)   2020-10-11 13:56:00
那 backward propagation 有多少人可以手算出來
作者: alihue (wanda wanda)   2020-10-11 14:06:00
證明實力應該不是打比賽?而是真的把ML弄精發個Paper
作者: kiki86151 (魯飯)   2020-10-11 14:34:00
推BP很難嗎 出身112三林大金lab 隨便就會推了吧 這超基本 面AI缺 連這都不會 面試被問到 大概謝謝再聯絡
作者: OforU (待)   2020-10-11 14:34:00
不需要數學好就能手算BP啊 只是有必要嗎?
作者: devilkool (對貓毛過敏的貓控)   2020-10-11 14:40:00
考個碩士進DL相關Lab研究發paper畢業就能證明實力了
作者: energyy1104 (Bill Wang)   2020-10-11 14:45:00
有學歷+相關paper那才叫證明實力 你整個人方向已經錯了
作者: j0958322080 (Tidus)   2020-10-11 15:03:00
那也是出身112那些 lab 而已,不是四大的有多少人會
作者: spfy (spfy)   2020-10-11 16:18:00
很多人愛唱歌歌唱比賽初期就被淘汰還一直說自己不會放棄夢想
作者: rereterry (rereterry)   2020-10-11 18:05:00
你對data flow跟pipeline 有興趣嗎?如果還可以,那現在蠻多公司在找這塊的人員,也可以當成你未來進AI領域的敲門磚,不然就是認真讀碩
作者: aacj2642 (湮影)   2020-10-11 19:10:00
你要學習的話不如念個研究所
作者: ekids1234 (∵:☆星痕╭☆)   2020-10-11 19:12:00
我建議你先去旁聽或找找關於人工智慧相關概論的課程...
作者: aj175 (大軍)   2020-10-11 19:24:00
進有料的四大LAB壓榨兩年會比自學來得快還能拿門票
作者: NCUking (中大王)   2020-10-11 20:04:00
去搞AI的公司當前端不就好了
作者: followwar (嫌疑犯X的獻身)   2020-10-11 22:33:00
先讀個碩博 才有機會搞AI CALL個RESNET扔自己資料或是TUNE個參數 不叫搞AI
作者: sheepyPie (羊糕不好吃)   2020-10-12 11:36:00
也在這兩個猶豫過, 結論是不推 AI
作者: leoc554 (emanuel)   2020-10-12 12:20:00
AI在台灣不用想了 ,現在已經飽和了,自學不可能找到多好的工作
作者: hellomotogg (你好機車)   2020-10-13 02:00:00
AI不是要算一堆數學嗎
作者: HungDa (hongren)   2020-10-13 02:42:00
要找AI工作才不用多少數學,稍微懂概念跟得上state of theart,會套github知道在跑什麼基本上就會有工作了啦
作者: RumiManiac (Rumi!)   2020-10-13 06:28:00
現在研究所幾乎都在搞"AI"搶經費,所以滿地都是懂AI的碩士。如果你現在沒有AI經驗,也不讀研究所,你可以思考怎麼跟這些人競爭。我覺得最基本的,就是能讀懂現在最前沿的研究的論文,最好還能實作出來,知道怎麼調參數。打kaggle可能也是一條路吧?這我不清楚數學我覺得還好,https://www.deeplearningbook.org這本書前幾章就差不多了吧,懂一點基本的就能用了。
作者: plsmaop (plsmaop)   2020-10-13 15:17:00
作者: lbjames1923 (lbjames1923)   2020-10-15 21:13:00
我非本科,只是想轉職而已,現在先當研究助理邊做邊學AI
作者: ILYY (毅力)   2020-10-16 02:13:00
AI連碩士都未必能找到不錯的AI工作了
作者: RumiManiac (Rumi!)   2020-10-16 03:03:00
對啊,我是覺得前端工作機會多很多,高薪工作也很多
作者: wang19980531 (豬精男)   2020-10-16 10:16:00
Amazon 博士比較有機會 給你參考
作者: luweber88 (貓咪)   2020-10-16 20:46:00
那個回71樓,敝系大學部的DataMining期末考有手算backpropagation 但考完秒忘給參考

Links booklink

Contact Us: admin [ a t ] ucptt.com