謝謝提醒,看錯時間,以為還有一年多...
原來還有這區分,我再來去瞭解瞭解
感謝各位前輩的分享與建議！
讓我對這領域有更進一步的瞭解
相較於程式語言,數理基礎反而是更重要的
這讓我可更放心的準備考試科目
※ 編輯: jo3jo3 (114.46.247.132), 05/11/2016 19:53:10
※ 編輯: jo3jo3 (114.46.247.132), 05/12/2016 01:04:40

---

我想就原po的問題做一些分享，不能說絕對正確，
至少是我轉進資工三年來的心得，

原po的問題是，一個沒有程式和資工基礎的人，是否有辦法轉進機器學習的領域？

這個問題其實很大很難回答，首先，機器學習這個詞現在是很廣泛的，
凡是有用到一些類似的演算法，不管再電腦視覺、人工智慧、自然語言處理等等，
其實都可以歸到機器學習的範疇，問題是，你到底對哪個有興趣？

接下來的討論就學術的領域回答，因為我不知道工業領域的可能性：
（1）我可能對很多都有興趣，反正以後再轉就好啦
Ans:錯。
一旦你進了實驗室，你大半的實驗方向其實就決定了，舉例來說，
我進了電腦視覺的實驗室，你就不能去做自然語言的東西啦，除非你轉實驗室。
所以你必須先清楚自己到底對哪種有興趣才是最重要的。

（2）可是我又還沒有進實驗室，我哪知道？
Ans:錯。
你當然可以進實驗室再找方向，但是這真的很冒險，尤其是你事先離職進入一個
未知的領域，我建議你先看一些top conference，看一些paper讓你有些感覺，
你真的對某一方面有很濃厚的興趣，你再去深入考慮要不要進去這領域。
舉例：電腦視覺有CVPR,ECCV,ICCV，人工智慧有AAAI等等（我只看電腦視覺的）。

（3）好吧，那假設我想走電腦視覺這樣算決定題目了嗎？
Ans:還是不行。
光是電腦視覺裡面還有好幾個子項目，classification,recoginition,image matching
很多東西可以跟類似的演算法結合，但是差異真的很大，你必須了解每個子項目
的優勢和缺點，你才有可能做的好，不然你會痛苦很久，通常了解一個子項目，
我會建議你花一年的時間實作一些open source的程式，假設今年是2016，
你最好把2015的每種最好的方法至少有辦法做出兩三種來，不然你無法比較。

（4）可是我只是想踏入這個領域，有必要要求這麼高嗎？
Ans:有。
一旦你踏入了某某資工系，或某某學術機構，你想做類似ML的研究，除非你是一開始
就想走創業這條路，不然你大概就是學術研究優先，如果你要學術研究，
你的目標就是打敗現今最強的方法，才有可能發paper（有用的paper），
如果你只是想要隨便發一篇碩士論文，隨便畢業一下去上班，那我不建議你這樣走。
但是當然，沒有開始了解就沒有結果，沒有接觸也沒有感觸，所以這也只是建議而已。

（5）好吧，所以你還是沒回答我轉進去是不是可行的？
Ans:可以的。
因為我是物理系的，博士班才轉進去，我同實驗室的各種電機系、半導體和寫網頁的，
其實和ML沒半點關係，大家即使進去了，其實也會卡住很久，卡住幾個月或幾年這
是看你的努力程度和資質，並不是說有程式背景就會一帆風順，重要的還是你的動機，
足不足夠讓你撐到你發達的那天（發paper的那天）。

（6）那我需要先學好什麼程式嗎？
Ans:yes and no.
你不應該預設你自己該學什麼程式，因為你會需要學很多種（掩面），特別是不同領域
習慣使用的程式也差很多，我舉個例子來說，你應該有聽過深度學習(deep learning)，
你知道光是深度學習的套件大概就有六七種之多，你知道光是電腦視覺之中，每種子項目
所使用的套件就有嚴重的不同，簡單來說，一旦以前的人用了某種套件，你最好能夠
跟他比較，那你就最好學會這種套件，而學會一種，都要花上很多很多的時間，
所以回過頭來，我還是先建議你先決定你到底真正對哪種領域的哪個子項目有興趣，
才是最重要的。

可能有些人會跟你說，『只要你精通某種程式，你就可以寫出天下所有演算法。』
理想上來說是這樣沒錯，但是實際上我認為是浪費時間，因為學術研究上，
你會發現很多人的演算法，你是極為難以複製的，簡單來說，你最好使用他提供的
程式，不然你重新做出來的東西效能可能沒有人家report的十分之一，而這不是因為他的
方法錯了，是因為你程式做錯了（當然也有可能是因為他paper說謊，不過通常是
寫錯了），如果你是對ML本身有興趣而不是程式優化，你不該太執著於自己把某種方法
做出來，因為通常是做不到的（而通常有人會誤解這是自己程式基礎不夠）。

（7）那我到底應該先會什麼？
Ans:Google。
這點我真的完全沒有在開玩笑，基本上你只要有一台電腦，可以google，可以拿到那些
paper，你就可以開始做研究了。因為我剛剛提到的每一點，都可以從搜尋開始，
你可以搜尋那些大領域、子項目、paper、最新的code，你通通拿的到，只是可能你不
知道其實現在的網路如此強大，還有你可能沒有一些一起研究的同學之類的。你可能
不知道一些專有名詞如何去搜尋，可能你也不知道要先去找引用citation最多的paper，
有些東西的確需要老師，有些也許需要學校，但是你最需要的其實是google，
舉例來說，你想知道什麼是PCA，你可以去翻課本，去上數學課，你也可以去google找
到一篇中國人寫的blog然後用一個小時弄懂順便把他的code拿來實作一下，（為什麼
是中國人是因為他們寫blog分享研究的風氣很盛行，你甚至不太需要懂英文）。

（8）我什麼時候才知道我具備這些能力了？
Ans:Related work。
你看paper的related work的時候，你已經知道作者會講某些方法，而這些方法
你都大概知道做什麼了，而且你知道彼此的優劣，你就具備了研究的能力了。

（9）那我該怎麼開始？
Ans:開始看paper。
只有開始看，你才有機會去碰到我剛剛說的每一項問題，你才知道原來自己是做不出
來某些paper上面根本沒有提過，但是他們放出來的code裡面卻有的細節，
你才知道某些paper是bull shit，某些是瑰寶，你的心裡應該要記得某些打動你
心的paper，如果你對某些work有深深的敬畏，你就知道你其實適合做研究了，
至於是不是ML，是哪種ML，我覺得還是先看paper之後你才知道。

（10）那考試呢？
Ans:蒐集資料。
基本上台大博士班的考試，期中或是資格考，還是一個蒐集資料的過程，簡單來說
就是考古題，我和我同學都認為蒐集完這個資料能讓我考試準備的過程越短越好，
為什麼？因為我們想要做研究，考試是浪費時間但是又不得不考。你可能會問，
申請碩士或博士的考試呢？我認為最好的方法就是不考試，所以你應該先去找個
老師，用研究助理的方法直接進去研究（我們很多同學都無背景），然後申請學校
的時候最好有老師的推薦信，這樣口試委員基本上就讓你過了（真的），如果
你可能沒辦法這樣，那你可能會需要筆試，就硬著頭皮去做吧，但是你要知道，
真正重要的開始是你開始看paper研究，開始真正的去想、思考、實作，
而不是說你辭職想考資工系叫做開始。

祝
萬事順利


--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.16.132
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1463122908.A.F91.html
※ 編輯: narwhalgary (140.112.16.132), 05/13/2016 15:12:18
※ 編輯: narwhalgary (140.112.16.132), 05/13/2016 15:13:07

---

身為一個資工純血 主力做電腦視覺 也有用到一些機器學習
想分享一下我所知道鬼島業界的情況XD

narwhalgary提到機器學習的幾個應用 電腦視覺、人工智慧、自然語言處理
都是在"辨識"這件事情上

電腦視覺用機器學習最普遍的就是人臉辨識
SVM based face detection
OpenCV已經有實作
其他也有指紋辨識 虹膜辨識等等
有一些指紋辨識IC廠 相機廠 IPCamera廠 手機系統廠有在做

或是AOI(自動光學檢測) 這個台灣不少家在做 受到對岸競爭 也快變血海了

音訊識別必較有一些小公司在做

最近比較多訊息散佈的是工業4.0和Bank4.0 透過大數據分析 機器學習
反映產線製程上可能發生的問題或是行銷策略分析

但我其實不看好這兩個應用 我相信專門走ML的人應該能比我更清楚說明原因

就留給後面更專業的吧XD

如果拿ML做股票分析我覺得還有機會比較賺XD

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.34.9.204
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1463157814.A.5BB.html

---

※ 引述《jo3jo3 (Wei)》之銘言：
: 目前有轉職的打算,其中有些疑惑
: 希望各位前輩能給我一些意見,感謝！

先說,小弟目前資工系大四,還要叫你一聲學長

: 本身念機械,退伍後工作兩年
: 工作跟機械沒什麼關係
: 大學有學過 fortran 和 matlab,但已忘光...

學過要看學到什麼程度呀
這點應該版上很多po文說想轉CS的人都提過了

: 因為之前玩了 Arduino
: 覺得寫程式沒有想像中的那麼難以理解
: 也覺得學寫程式是很好的投資

是這樣沒錯

: 希望未來能用這能力,跟各產業合作,改善他們的問題
: 目前對寫程式,算是不討厭,也不沒特別喜歡

這個就比較尷尬了
聽起來比較像是因為還沒有接觸過太多或者太精深的程式
所以不知道自己是喜歡還是討厭

: 只是對它能做什麼事很好奇
: 看了網路上的文章後,決定學Ruby on the rails
: 想說先從 web development 來認識程式語言
: 並建造自己想要的網站
: 所以學習了,基本的 HTML & CSS, 和一點點的 Ruby
: 打算 Ruby 基礎學好後,開始學 Rails

我覺得在這種情況下自學程式是好的
但是不太推薦用RoR來起手

: 但對我來說,比較感興趣的是演算法
: 我想這跟之前的人機圍棋戰
: 和 Raffaello D'Andrea 的四軸飛行機,有蠻大的關係
: 他們讓我看到程式語言的可能性
: 所以對我來說,真正想走的是機械學習
: 或是其他類似領域,因為目前只知道ML
: 我認為若想往這方面走,學術背景要夠扎實
: 所以打算離職後,花一年的時間考資工所
: 目前開始在網路,上一些課程,來了解程式和數理知識
: 例如：線性代數,CS50等等
: 以上是從我想學寫程式,到開始嘗試做些學習的過程和心境
: 我主要是想請教大家：
: 像我這樣完全沒有程式和資工基礎的人
: 想花約一年多的時間,考研究所,走機械學習,是可行的嗎？
: 對於這樣的職涯選擇,有什麼建議呢？
: 有關程式語言,我是不是應該選 Python?
: 因為以目前我看的資訊:
: Python 很靈活（data,web都可以用）
: 且相較於C,Java,也比較易學

用Python來起手覺得真的不錯
因為Python相對好上手很多

建議先上網自學資料結構以及演算法兩門課程

並且用所學刷一點leetcode的題目

再說自己對演算法感興趣比較好

必須告訴你資工系本科對「演算法」有興趣的人應該不到一半


小弟前陣子因為課程所需、加上實驗室專題
學長要我研究deep learning
我才稍微知道ML是在幹麻的

覺得想要走ML

邏輯、數學、資料結構、演算法一定要好是必然的

邏輯、數學不好, 光是學Back propagate就會學到快瘋掉了

資結、演算法不夠好，要你用code實作出你的概念更是難上加難


ML的應用真的很廣
至於跨系未來想走這一條路可不可行，我覺得還是先打個問號
因為要能夠跟本科系、數學系的人在ML方面並駕齊驅
需要很大很大的努力

還是建議你先學好基本科目、多看看CS其他領域

說不定你能找到比ML更有興趣的東西

至於畢業後跨資工的可行性
我沒辦法給你太好的建議
但是絕對不輕鬆,不是稍微會一點概念就可以贏過本科系的人的
版上應該也有很多討論文章
真的要有決心、有執行力
趕快去學才是真的



--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.161.208.241
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1463189013.A.018.html
※ 編輯: renny32 (1.161.208.241), 05/14/2016 09:24:05

---

小弟我自學ML，未來也想往這方向發展，但是沒有理工背景，原本是三類的。

在ML之前有接過全端的案子，能夠獨立完成（沒有很多團隊合作經驗）。

因為之前的科系念到一半不想念了，所以才跑回來寫程式（國中就有在玩）。

我也很想念ML相關的研究所，但是礙於沒有大學學歷，基本資格根本都沒達標。

小弟之所以會接案子也是因為沒有學歷，所以找工作處處碰壁，接案還比較賺。

但是這樣其實很不穩定，而且對ML這一塊很有興趣也有心得，才想說開始找工作。

除了參加黑客松，畢竟我自己寫的跟業界有沒有或多少落差我自己也不知道。

小弟弱弱地想在這裡請問各位高手，ML至少要有怎麼樣的作品，在業界才能找到工作？



題外：

話說我是不是一定要專精在ML的某個領域？譬如之前提到的圖像／聲音辨識之類的？

可是這好像是跟硬體廠比較有關係。如果說是純軟呢？譬如說廣告／字串分析之類的。

純軟的在台灣是不是真的比較難找到工作？聽說薪水也會比較少。是真的嗎？



沒在業界待過，還請大家多多指教。謝謝！

※ 引述《jo3jo3 (Wei)》之銘言：
: 目前有轉職的打算,其中有些疑惑
: 希望各位前輩能給我一些意見,感謝！
: 本身念機械,退伍後工作兩年
: 工作跟機械沒什麼關係
: 大學有學過 fortran 和 matlab,但已忘光...
: 因為之前玩了 Arduino
: 覺得寫程式沒有想像中的那麼難以理解
: 也覺得學寫程式是很好的投資
: 希望未來能用這能力,跟各產業合作,改善他們的問題
: 目前對寫程式,算是不討厭,也不沒特別喜歡
: 只是對它能做什麼事很好奇
: 看了網路上的文章後,決定學Ruby on the rails
: 想說先從 web development 來認識程式語言
: 並建造自己想要的網站
: 所以學習了,基本的 HTML & CSS, 和一點點的 Ruby
: 打算 Ruby 基礎學好後,開始學 Rails
: 但對我來說,比較感興趣的是演算法
: 我想這跟之前的人機圍棋戰
: 和 Raffaello D'Andrea 的四軸飛行機,有蠻大的關係
: 他們讓我看到程式語言的可能性
: 所以對我來說,真正想走的是機械學習
: 或是其他類似領域,因為目前只知道ML
: 我認為若想往這方面走,學術背景要夠扎實
: 所以打算離職後,花一年的時間考資工所
: 目前開始在網路,上一些課程,來了解程式和數理知識
: 例如：線性代數,CS50等等
: 以上是從我想學寫程式,到開始嘗試做些學習的過程和心境
: 我主要是想請教大家：
: 像我這樣完全沒有程式和資工基礎的人
: 想花約一年多的時間,考研究所,走機械學習,是可行的嗎？
: 對於這樣的職涯選擇,有什麼建議呢？
: 有關程式語言,我是不是應該選 Python?
: 因為以目前我看的資訊:
: Python 很靈活（data,web都可以用）
: 且相較於C,Java,也比較易學

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 110.24.132.206
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1463298170.A.18B.html
※ 編輯: shian48263 (110.24.132.206), 05/15/2016 15:56:56
※ 編輯: shian48263 (110.24.132.206), 05/15/2016 15:58:35


--
※ 作者: terievv 時間: 2016-05-16 20:16:09