AI的發展選擇 - 工程師

Jack avatar
By Jack
at 2017-10-23T10:59

Table of Contents

看完一系列文章 似乎了解AI的人不多 畢竟在浪頭上

所以大家一窩風的去炒他

→ enso: 硬體架構還是得看哪一類的應用。若多為影像辨識,那gpu還是 10/23 00:22
→ enso: 好用些。至於AI,也是蠻廣的,不是跑CNN就算AI。到終究還是 10/23 00:22
→ enso: 統計...

AI弄到最後 老實說就統計跟數學 程式只是輔助工具而已

而硬體 是進階的輔助

因為進步非常的快 所以常常今年流行的演算法 明後年馬上很少人用了

譬如說當初學的SVM的 kernel 學了幾十種 Kernel 還有混和kernel

第二年學教就不開kernel 直接交deep learning

再過一年直接變成 deep reinforced learning 也開始有簡單的ML套裝軟件出現

我同學還開發了 直接在excel上面可以用ML 套件 給商學院的人使用

至些都只是用現成的API 至於未來會不會有比較高效的演算法出現 很難說~

所以或句話說 你今天會的API 明年可能馬上退流行或被取代掉了

而且以台灣現狀 大多都是用現成的API 調調參數 這算真的懂ML嗎?

跟幾個ML的教授跟 Hassabis 聊過 他們給我的忠告是把 數學 統計學 C++學好

因為演算法可能幾年後主流就不再deep learning了

那時候是不是又會開發出新的晶片架構 提供給新的演算用呢?

很難說~~

※ 引述《david190 (david)》之銘言:
: ※ 引述《vivian032619 (亮~被罵+掛電話惹)》之銘言:
: : 朋友代po
: : ------------------
: : 目前有兩個題目可以選擇,不知道哪個選擇未來工作發展比較好。
: : 1. AI的應用,比較偏純軟體
: : 利用機器學習和影像處理取代人力
: : 不用對AI原理有太深入了解
: : 花比較多時間在應用的實作。
: : 2. AI的晶片,比較偏硬體
: : 利用FPGA加速AI在影像處理的效能
: : 30%要了解AI的數學原理
: : 70%在寫硬體。
: 就我的感覺 AI領域不要切分成軟跟硬
: 現在做AI晶片除了 輝達外 還有 intel 谷歌 微軟 IBM 華為
: 為何AI被注目 跟 自動駕駛跟阿法狗 被矚目有關係 這兩個都是谷歌做出示範可行的
: 谷歌是做軟服務 而IBM微軟也是做服務的 為何軟服務的大公司會想做AI硬體?
: 可以猜測 是目前現行硬體架構 已經不足續驅動AI軟件發展了
: 所以三大軟服務公司都去做硬體是必然的 順便搶AI硬體架構決定權
: 誰能拿下AI硬體架構決定權 代表誰之前的AI軟硬體研發能最小損耗不需推倒多數重來
: 所以做AI晶片的公司 本身就是會發展AI軟件跟服務的公司 這應該是不可分的
: 我相信intel如果能搶下AI硬體架構 也會順便攻進AI軟服務的 因為這整套一起發展的~

--

All Comments

Callum avatar
By Callum
at 2017-10-27T01:06
我覺得這就是有點看不起應用層了,選好Featrue不見得比做
kernel簡單,不如說好的featrue改善程度遠大於改kernel
Cara avatar
By Cara
at 2017-10-28T13:54
很多時候還會選不同kernel來驗證這個featrue是真的有效的
這也算是ML的鄙視鏈吧...
Bethany avatar
By Bethany
at 2017-10-31T13:55
Featrue通常是靠統計哪塊去選~不然你是怎麼選feature?
Irma avatar
By Irma
at 2017-11-02T19:31
統計不夠強根本無法選出合適的features
只能用try的 目前台灣好像都是用try的
Olivia avatar
By Olivia
at 2017-11-04T18:09
應該說ML有很多面向,用現成的API調參數只是一個選擇,每
Bethany avatar
By Bethany
at 2017-11-08T08:33
人著重的面向都不同,不代表用現成的API調參數就是不懂ML
Zora avatar
By Zora
at 2017-11-10T20:48
因為API很方便 所以國外蠻多做ML的公司 面試
Suhail Hany avatar
By Suhail Hany
at 2017-11-12T21:56
就直接考你公式推導 還有每個API參數的特性
Agatha avatar
By Agatha
at 2017-11-14T04:45
適用於那種data 會考的你不要不要的~~~
Victoria avatar
By Victoria
at 2017-11-16T08:05
因為他們就怕你只會調參數 但不知道它的原理
Christine avatar
By Christine
at 2017-11-17T13:00
這方面我就沒涉獵了,受教了。
Hardy avatar
By Hardy
at 2017-11-21T01:03
最好笑的 我有一個同學直接跟面試官說 我會調參數就好
面試官直接回答他 你原理都不懂 你確定你會調?
Carol avatar
By Carol
at 2017-11-22T06:56
您認真了 跟GG版說這些做啥? 去GG一輩子賺150才是王道
Una avatar
By Una
at 2017-11-23T09:16
不過這邊講的會調參數跟我想的不太一樣就是,我以為的會用
Edwina avatar
By Edwina
at 2017-11-24T05:28
API跟會調參數就是會知道你說的那些,但是可能是演算法或
其他程度不足以到自己開發到實用API的程度這樣。
Donna avatar
By Donna
at 2017-11-25T01:34
樓上講這樣也是沒錯啦~~但那是比較強一點狀況
比較弱的狀況 就亂調得到很高的準確率 就說自己會了
Madame avatar
By Madame
at 2017-11-25T07:18
那真的很傻眼
Frederica avatar
By Frederica
at 2017-11-25T18:19
這...我沒想到這種人的可能性...是我孟浪了 Orz
Edwina avatar
By Edwina
at 2017-11-27T15:11
c++?把python當死人了嗎(戰)
Una avatar
By Una
at 2017-11-29T20:36
推 真的一堆人在try參數 然後獲得很高準確度就說會了
Edward Lewis avatar
By Edward Lewis
at 2017-12-03T19:29
然後問他你調參數的道理是啥 覺得遇到什麼問題才這樣
改變參數 結果都達不出來 QQ
Regina avatar
By Regina
at 2017-12-06T20:51
不然就發現精度不夠 一窩蜂的跑去想辦法找資料來try
Eartha avatar
By Eartha
at 2017-12-10T08:34
我還記得剛進研究所的時候,就是寫兩個loop去跑K-fold CV
Andy avatar
By Andy
at 2017-12-11T06:10
然後這樣去拿SVM的兩個參數,誰知道為什麼這個參數好,用
就對了 (ry
Aaliyah avatar
By Aaliyah
at 2017-12-14T07:24
feature未必要用統計 機器也可以學阿
Jack avatar
By Jack
at 2017-12-16T14:39
選feature多的方法幹 造feature才是難點
Valerie avatar
By Valerie
at 2017-12-19T12:43
當然是這樣的阿 新的更好演算法 值得更好的硬體架構
不能是 演算法要屈就現在的 硬體架構吧~
Quintina avatar
By Quintina
at 2017-12-22T22:04
大部分top model RF GB表現會十分近似 弄好feature出來
不比搞演算法容易
Anonymous avatar
By Anonymous
at 2017-12-23T16:17
這讓我想到生還者預測,姓名直接被丟進去沒有太大效益
Carolina Franco avatar
By Carolina Franco
at 2017-12-25T20:57
但是如果整理成家族生還率的參照featrue就會有效果
Wallis avatar
By Wallis
at 2017-12-27T16:07
不過感覺這又變成類似前後端之爭的東西了,鄙視鏈重現
Agatha avatar
By Agatha
at 2017-12-30T09:45
SVM只有g/c兩個參數都能不懂原理 那10個以上怎麼調XD
Joe avatar
By Joe
at 2018-01-01T05:33
跑10個loop (ry
Ivy avatar
By Ivy
at 2018-01-02T02:43
之前看研究所的學長meeting,整場我就只看到他:準確率不高
->改參數 or 加一堆有的沒的模型
->準確率變高了ya ,有夠無言...
Anonymous avatar
By Anonymous
at 2018-01-03T13:11
推造feature才是困難的,選feature有很多統計方法
Thomas avatar
By Thomas
at 2018-01-04T14:54
我現在才知道原來選feature跟造feature居然被分成兩種了
Adele avatar
By Adele
at 2018-01-06T01:23
我整個老人化...以前我們說選feature就包含選自己作出來的
Anthony avatar
By Anthony
at 2018-01-08T15:09
參數化也是統計的一部份... 最後會發現,會挑數據比教重要
Isla avatar
By Isla
at 2018-01-11T12:20
GIGO
Skylar DavisLinda avatar
By Skylar DavisLinda
at 2018-01-15T13:11
滿專業的 數學還是要先打好基礎...
Necoo avatar
By Necoo
at 2018-01-19T10:32
AI專業可以超越GG的150吧
Anthony avatar
By Anthony
at 2018-01-23T22:42
我也是覺得feature seletection跟data presentation不
一樣的說o 3o
Andrew avatar
By Andrew
at 2018-01-26T16:55
印象當中最好玩的是~我問了幾個MIT的主管~
Anthony avatar
By Anthony
at 2018-01-29T08:50
如何把分布不平均的data 變成常態分布的時候
Skylar DavisLinda avatar
By Skylar DavisLinda
at 2018-01-31T17:17
沒有一個答得出來的~~我就跟他們說 開根號乘以十
其中一個聽得懂~就一直笑~
Gilbert avatar
By Gilbert
at 2018-02-03T09:07
教授期末調分,ㄏㄏ
Erin avatar
By Erin
at 2018-02-03T20:51
要挑feature也要有sample訓練啊

台積氣走三星 獨吃蘋果A12處理器大單

Hedy avatar
By Hedy
at 2017-10-23T09:29
來源: https://udn.com/news/story/7240/2772413 原文: 台積電供應鏈透露,台積電挾七奈米製程優越的效益,再度完封三星,獨拿蘋果下世 代A12處理器,也寫下台積電在廿奈米、十奈米和七奈米製程三個製程世代,都獨攬蘋果 先進處理器大單的紀錄,並奠定台積電董事長張忠謀台積電放心交棒的根基。 台積電今天舉行卅周年慶,將和供應鏈分享這份榮耀。 ...

IC Insights:上修2017年IC市場產值成長

Anthony avatar
By Anthony
at 2017-10-23T09:16
[情報] IC Insights:上修2017年IC市場產值成長至 22%,DRAM及NAND貢獻大 http://bit.ly/2gBEtzW 市調公司IC Insights預測,2017年全球IC市場總產值將成長至 22%,其中,DRAM及NAND 兩大領域是主導強勁成長的主要力量,而且兩者合計對IC市場成長貢獻13%。若2017年不 計記憶體的半導體市場,年增率預估為9%。 2017年 ...

創意電子研替面試

Kyle avatar
By Kyle
at 2017-10-22T23:42
大家好 在這個版上潛水很久了 想要請問版上的前輩們有人面試過 創意電子生產整合工程師的研替嗎 想問的內容是 需不需要準備筆試 以及有沒有其他需要注意的事項 謝謝 - ...

資工所學與業務相關工作請益

Valerie avatar
By Valerie
at 2017-10-22T22:40
各位前輩好 小弟目前中字輩資工碩一 剛剛做了104的職業適性測驗 結果如下圖: https://i.imgur.com/wrzaSCZ.jpg https://imgur.com/q7IbyH1.jpg 另外個人顯著特質: 敏覺性 影響性 樂觀性 偏向業務型這件事倒還好 圖中敘述也符合自己個性 但居然高達99% 這點就有些驚訝了 然而在我認知裡 能結合資訊與業務方面的工作 卻沒特別的想 ...

主管說他已經10年沒加薪升等了是什麼意思

Kyle avatar
By Kyle
at 2017-10-22T21:23
前幾天中午聽到部門副理在跟人聊天 聊著聊著就提到他已經10年沒加薪升等了 說好像有某個上面的一直黑他 出來工作就是要賺錢 不加薪太說不過去了 我心想照理說這種醜事不外揚比較好不是嗎 他怎會在我這新人面前提起這個 是在勸我快跳船嗎 - ...