看到很多人说DL数学吃重，
我觉得工程重要多了。
数学很吃重的，可能是研究单位吧，
或是只负责训练模型的吧。
一，公司要先有硬件设备，还要有数据。
二，代码要能善用这些硬件资源，多线程，多卡加速。
三，看原始代码的能力，每次call函数，必要时要看里面大概怎么写的。
四，模型整合，模型最后要在其他环境运行，跟其他模块搭配，
可能要转换成c语言，这当中的转换是需要验证的。
五，模型的大小以及运算量，如果是硬件公司，
模型要在嵌入式系统上运行，这时候模型的剪枝以及压缩就很重要。
Google去年发表了一篇mobile net，至今被引用了600多次。
简单来说，DL如果只有数学，调调参数，我觉得顶多就是研究员而已，
台湾很少有这样的职缺，待遇也不高。
除了美商world quant之外，底薪200，不过那不是一般人能进的。
就算有工程师是只需要调模型的，但我觉得这真的没什么价值。
Kaggle排名有加分吗？在台湾我觉得很难，
特别是一直用超大模型或是多模型投票，
在硬件公司根本不管用。
有人提到Gan，
但这东西目前都还处于研究型的应用，还没看到什么商业价值。
※ 引述《scotJJ (风林火山)》之铭言：
: 各位大大好，小弟最近想转职(32)，
: 在自学深度学习中，目前对一些 分类、
: 回归 的算法 以及 一些常见模型CNN、RNN
: 的做法跟数学理论大概都能了解
: (EX: 能解释反向传播等的原理之类的…)
: 还在学习更多中…，用tf、keras
: 实作简单的model也都都的出来，
: 一些较小型的范例都没问题。
: 只是因为是半路出家，私校资讯硕毕，
: 论文跟以前的工作经验和AI这块完全无
: 相关性 (虽然工作也是资讯相关)，想请教
: 有在深度学习领域工作的大大，小弟这样
: 情况，有办法找得到DL方面的工作吗，
: 我对这块是蛮有兴趣的(不然学不下去)，
: 目前在这块经营的前辈待遇大概如何?
: 一般DL新手待遇能谈到多少呢？
: 能否请大大解惑
作者: hsnuyi (羊咩咩~) 2018-10-22 12:39:00
小米手机有用GAN? 果然是科技大国 强
那我建议不要随便说 ai现在连内行人都瞧不起有部分就是以讹传讹
作者:
xsoho (solo caffe)
2018-10-22 14:46:00偶随便说的
除非做的是data science core 不然其实就是码农资料科学界的码农上面一堆推文都只是停在 data analysis范畴更低阶一点梳理资料 software/data engineer
推这篇，实务上真的是看这些，重点还是商业化为了商业化，有很多跟DL、数学无关的流程但那些就是必须有很多繁琐的事，像Kaggle每天玩model，真的不多
只有像FAGA这种等级的公司才玩得起 data scientist core一般公司或新创 多的是一个人包山包海 没有分工可言
一般公司，call model 就很够用了除非研发单位，不然很少去研究modelkaggle都在比小数点，除非实务上小数点差距够大不然会把时间花在其他事情上
作者:
Morphee (千磨万击还坚劲)
2018-10-21 16:53:00所以薪水多少没人讲
作者:
Morphee (千磨万击还坚劲)
2018-10-21 17:00:00所以薪水多少
回楼上，看公司产业，类似的技术在不同产业范围很大新人从年薪70万到150万都有
这领域硬件也很重要 谷歌去年也发了mobile net
作者: ZuiYang (Zui) 2018-10-21 18:47:00
推 再非顶尖研究单位中工程>数学 不过也不是真的用不到数学就是了 cost down的时候数学就出现了*在
GAN没有商业价值？inpainting, super resolution在用了都不知道工程能力>>>>研究能力是确实
作者:
mpst897 (没有人)
2018-10-21 20:18:00GAN没商业价值???
目前在台湾 我看不太到什么要用GAN 之前MTK好像有绝大部分其他的都没有
作者: hsnuyi (羊咩咩~) 2018-10-21 22:32:00
所以GAN到底有没有商用价值啊? 有在用不代表有商用价值 要有可维持的净利才算不然现在那些新创可都有价值了呢
作者:
Mchord (Mchord)
2018-10-21 22:52:00GAN稳定性太差了能接受的应用范围太狭隘，刷paper实在
GAN不是现在可用来做 data augmentation?
除了美国的大公司 不管美国还是台湾 都是工程>>>>>>研究 做出产品才是重点GAN现在能做的也只有Demo而已 RL也只能用在游戏里(除了deepmind)
作者:
gino0717 (gino0717)
2018-10-22 01:36:00demo本身就是个事业啊
作者:
bibo9901 (function(){})()
2018-10-22 03:00:00美国大公司也是工程能力远大于研究. AlphaGo和BERT难以复制的原因是因为idea很高深原理很复杂吗? 不是啊, 是可怕的资料量加上贵到爆的TPU.
作者: Kazimir (Kazimir) 2018-10-22 03:06:00
super resolution和图片重建不就是GAN 我看google最近有要推基于算法的手机相机 其他还有自动上色还是风格转换
作者:
DrTech (竹科管理处网军研发人员)
2018-10-22 09:10:00太偏颇了啦，现在市售手机拍照功能，就有用到GAN。其他就不说了，每句话都很偏颇。不是做研究的产品团队，现在没改良模型，很多效果都上不了。
作者:
xsoho (solo caffe)
2018-10-22 10:07:00小米
作者:
xsoho (solo caffe)
2018-10-22 18:56:00分辨不出上面谁在鬼扯好像也不是那么重要了
讲得好像研究的idea都很好想一样alphago是多少年研究的累积才有你看到如此简单漂亮且有效的结果BTW google brain是有工程team来做infra研究人员基本上还是做研究 不需要花太多心力在那边
作者:
jack1218 (赤城我老婆)
2018-10-23 00:33:00GAN能飞天遁地
作者:
exeex (执行档EX)
2018-10-24 14:03:00GAN... 我最近接到漫画工作室的案子 请我帮改一个线稿上色的AI 让他们可以批次用AI处理线稿上色问题不过那是很小的案子 只是修改一个很成熟的GAN Model先不管漫画产业 光是SRGAN能让Full HD变4K 就超有商用价值的要真正进入商用就是过两年 AI的ASIC 发展成熟