社會大學的學長姐們好@@
先附上自我介紹...
我是上學期(109)剛從公館資工phd畢業, 大學碩班都是數學
雖然求學過程都在用python跟matlab, 但coding能力個人覺得偏弱QQ
然後因為博論題目就是影像跟CNN相關的研究, 所以就想找這方面的工作
但因為疫情的關係, 拖到現在才來研究就職的事
因為唸書期間就在南港當助理了...所以現在就是繼續接著當博後
原本是想找AI工程師之類的職缺
但研究了半天發現事情並不如憨人我想的那麼單純QQ
我找了幾間大公司的職缺說明, 感覺好像都會去碰到一些硬體(?)
而且爬了一下版上的文章發現自己的實戰能力好像很貧乏...
所以想請學長姐們指點一下我現在該先補強甚麼方面比較好?
英文部分, reading是沒甚麼障礙, 但writing偏弱
coding方面, 沒刷過leetcode也沒打過kaggle...我覺得我好廢QQ
然後論文題目是試著用CNN去解影像處理中的inverse problem
例如compressive sensing, super resolution, inpainting等
可是因為這類問題用的CNN都比較冷門, 加上我們是自己設計新結構去解
所以當紅的yolo, U-net, ResNet都沒implement過QQ
然後AI相關的數學知識我就比較有自信
CNN, RNN, GAN的數學概念, 最佳化, 圖論, 線代, 機率之類的掌握度都還蠻高的
可以投appier ai lab 之類的純軟公司，但就是要刷題
作者:
Hsins (翔)
2021-09-06 07:59:00跟我之前的一個學長一樣，他後來去了中國發展，給你參考……我指本科碩士唸數學，博班去念資工這段。
講句老實的 如果最後找到的薪水低於120的話參考一下竹科的職缺吧今年M 給 PhD 是 200 起跳不用浪費112的學歷給台灣軟體公司糟蹋
作者:
arhtur945 (AnthonyBennet)
2021-09-06 08:07:00直接出國吧..台灣養不起你…你當初怎麼沒直接申請美國PhD
作者:
holebro (穴弟弟)
2021-09-06 08:37:00mtk見
作者: whitecut 2021-09-06 09:37:00
博班至少可以去GG吧
作者:
bill1992 (我是魔法的蹤跡)
2021-09-06 09:41:00很缺內推獎金.感覺適合量化金融職缺 薪水比ic 高多 有興趣可以站內信
作者:
hduek153 (專業打醬油)
2021-09-06 09:57:00開始刷題投外商 投完換投國內龍頭
作者:
sooge (老衲)
2021-09-06 10:24:00現在的年輕人 真的會被python 和深度學習害慘 硬體很簡單的不難 你可以去面面看 你不要排斥 之前我在做嵌入式系統 我同事在面試人都會問有沒有碰過底層的東西 大部分會寫安卓和iOS App的都不會 除非你不喜歡 不然你可以學學看隨便一個上過資策會的或是自學的 深度學習模型套一套就能做出你碩士的研究領域了 不要讓自己沒有競爭力我現在是遇過嵌入式的單位會找深度學習的人 人臉辨識會用到
作者: ghmsxtwo (YI) 2021-09-06 10:31:00
推so大
作者:
sooge (老衲)
2021-09-06 10:32:00進去自然就會有人教你怎麼把這些AI弄進硬體裡 做實際應用
作者: k798976869 (kk) 2021-09-06 10:37:00
PhD很搶手的
作者:
odahawk (羊皮狼)
2021-09-06 11:29:00嵌入式的東西你就找一塊硬體例如樹梅派開始試做啊
作者:
oopFoo (3d)
2021-09-06 12:41:00台大PHD，很多門自動打開。不要妄自菲薄
作者: Jackasdf 2021-09-06 12:52:00
AI總要實現到產品上才能賣吧 所以碰硬體是一定要的 如果你只要發paper那去中研院
作者: chrischen (一個人的長假) 2021-09-06 13:00:00
台大phd自信一點 有興趣就去面試 不用想那麼多就算沒碰過，也要有自信短期內快速上手
作者:
testPtt (測試)
2021-09-06 13:27:00你能把model生出來驗證可用性就好了 剩下別人會處理
認真回yolo不難，你這麼懂CNN的話，implement只是時間問題，現在公司要的東西也不是implement，要的是開發跟debug我也認為你去面看看MTK，別沒自信說學不起來，數學這麼抽象都學過來了
作者:
bill1992 (我是魔法的蹤跡)
2021-09-06 14:04:00這個版要變成發哥版了？
作者: caeserhaha (凱薩沙拉) 2021-09-06 18:18:00
公館資工PHD不要浪費學歷去豬屎屋擦屎
作者:
ejnfu ((-. .-)b)
2021-09-06 18:31:00如果ML/DL真的很厲害，可以去M或外商的AI研發部門搞AI本來就數學才是最重要的，尤其你還是PhD。implementation有人會幫你搞定的我只遇到就Qualcomm/MTK在台灣都有AI研發相關部門*我知道的
作者:
Obama19 (^_^)
2021-09-06 19:27:00我是覺得有些憤世嫉俗的推文DUCK不必 無助於討論
忠言逆耳啦 泡泡就是拿來戳爆的如果我一席話可以戳醒幾個人想通改善生活領到應有而且尊重專業的報酬 那我覺得是好事一件
作者: chrischen (一個人的長假) 2021-09-06 19:57:00
duck不必+1 出發點可能是好意 但是一直酸只會有反效果
作者:
wulouise (在線上!=在電腦前)
2021-09-06 20:33:00投，新鮮人不一定要熟硬體
作者:
bill1992 (我是魔法的蹤跡)
2021-09-06 20:44:00MTK大家知道 但即使在台灣軟體比M給得多也不是沒有 不需要一直酸
作者:
alihue (wanda wanda)
2021-09-06 20:52:00講一些大家已知的東西在那忠言逆耳 隨便逛個科技版就知道
MmRNPS 我都推 這幾波下來陸續有不少人站內我問詳細我覺得不需要把你們已知的東西當成大家已知的東西@alihue 上次被噴在不舒服吼 笑死如果大家都知道 會有人說去M是幫擦屎?
我酸web的東西都有酸到點上 不是無的放矢bill跟alihue真的很懂可以自己把我黑單掉講的方式跟頻率我會調整個 還是感謝以上幾位給回饋
作者:
leoone (里歐一代)
2021-09-07 01:04:00純好奇 做過super resolution 卻沒跑過U-net 我怎記得這領域的經典模型之一就是U-net XD
作者:
sumsum (simon)
2021-09-07 01:06:00112phd會有這種恐慌? 先投投看appier新加坡蝦皮華碩AICS啊這些已知比較敢給的多聊聊吧沒有你想像的這麼艱困不要想太多多丟幾次履歷多面試幾場你的背景算吃香啊
作者:
yamakazi (大安吳彥祖)
2021-09-07 07:43:00看你願不願意去中國或美國，應該很容易上BAT,FANG上面貼的陳敏宏我同學
老實說要往上走, speaking and listening這問題早晚要面對的, 可能可以正面對決 強化這部分能力
作者:
wave1et (百分百殖利率)
2021-09-07 13:07:00英文練好吧
作者:
jobintan (Robin Artemstein)
2021-09-07 15:30:00有數學當基礎很好了，最後補個DSA與一些資工領域的專業課程，刷幾道Medium到Hard的題就可以了，現在的現實是研究者的職位僧多粥少，反而代碼搬運工的機會比較多。
作者: Jackasdf 2021-09-07 16:38:00
你知道他發的CVPR paper是Neural Architecture Search嗎XD 他算AI硬體…有些人就是不想碰硬體 一直叫人投MTK
作者:
yamakazi (大安吳彥祖)
2021-09-07 18:14:00一點拙見，AI軟體算法已經到了瓶頸，現在要靠硬體加速和軟硬體整合方向做，光靠算法+CPU不夠快，現在業界找的solution包含FPGA加速和GPU/APU整合
作者:
Apache (阿帕契)
2021-09-07 18:38:00NAS是偏硬體,不過原po也說不排斥硬體就是話說在台灣,薪水高+AI人才多+鼓勵發paper有哪些公司?
作者:
Apache (阿帕契)
2021-09-07 20:20:00MTK 不過大部分做AI的進去都變embedded swe
作者:
ejnfu ((-. .-)b)
2021-09-07 23:56:00AI全球領先公司： NVIDIA軟硬體平台都有整合
作者: sysgood (山藥) 2021-09-08 00:29:00
我quit博前好像跟你做的很像XD
作者:
ILYY (毅力)
2021-09-09 19:12:00yolo, U-net, ResNet這些你現在開始練幾天就好了