※ 引述《ztdxqa (ztdxqa)》之铭言：
: 大家好
: 小弟今年秋天即将到美国攻读robotics硕士学位
: 由于是robotics学程
: 所以Machine Learning, Computer Vision
: 这些方面都会接触到
: 该校在CS领域非常不错 有很多好课
: 如果没有全部把重心放在robotics上的话
: 可以修到许多有趣的课(偏Data Science)
: 例如:Inforation retrieval, Distributed Systems, Data Mining等
: 小弟很喜欢有关于AI, Machine Learning的应用
: 不管是应用在robotics还是在其他领域
: 如Big Data computing, Web Mining 都非常有兴趣
: 因为修课数量有限 在选课上很难做抉择
: 想知道这两个方向现在在台湾的发展及未来如何?
: 还请各位前辈多多指教<(_ _)>
多学一些理论基础，追流行不要追太紧。
近年来 ML 与 Big Data，被炒作过头了，
搞得大家好像不用 Hadoop 算 Word Count 就逊掉了。
导致很多人深陷工具的学习，而非 ML 或分布式系统的学习。
学了 Hadoop 0.x 后，发现怎么又要重新学 1.X 的 API，
学了 1.X API后 ，怎么大家都在学 MRv2了。
学了 MRv2 后，怎么大家都在喊 Storm、Spark ...
搞了几年只会用一堆工具做 Word Count 等级的人一堆。
光是搞版本相容性问题，就花了大部分的时间，惨。
这就跟一堆人学 Java、.NET 一样，怎么一直在学API怎么用。
过了几年还是只会数据库存取。或同样的事情换个版本做。
真的不需要追太流行的工具，理论基础通了，你不管换什么工具，
买本书就上手了，到时要Debug或是效能提升、准确度提升时，
也才有最扎实的技术解决问题。
国外面试也非常注重理论基础，而非像台湾追求工具的使用，
通常都是要你写算法，而非用一堆工具兜系统，
所以真的不用怕一堆工具不会用，理论基础才是重点。
至于台湾发展怎么样其实不重要，反正都是抄袭国外大厂的口号，
你只要专注于国外，多向同学与老师们好好学，就已经领先台湾了。