{原文出处}
https://www.facebook.com/ai4quant/posts/385788271986151
要导入AI需要软件&数据资料的文化
台湾业界长期并不将软件工程与资料科学视为显学
机器学习是奠基在 ML Engineer 与 Data Engineer 之上，还不包含最普遍的 Software
Engineer
所以在人工智能之前，不妨先想想“工人智慧”可以做到什么：比如影像监视、图片物体
辨识、语音辨识、自动驾驶，请人类来做，可以提供有价值的服务吗？如果提供的价值能
够让服务品质升级，就可以考虑透过AI来自动化。
台湾每年大量的资讯科系毕业生却都以投入硬件产业链居多，直到2018年国际科技公司如
Google, Microsoft, Amazon, IBM, Line, Oath Yahoo开始招聘AI工程师，希望能有所变
化。
很多已经在硬件厂工作的硬件工程师或管理阶层，因为已经领了高薪>150万总体年薪(基
本薪+bonus+加班费)，转换成本比较大，除非职场上的加班文化、工作理念不同才有可能
降薪转换跑道加入AI新创。但是AI这个领域里在台湾有多年Software+Data经验的人不多
，所以刚投入AI的工程师很多时候还会花时间打滚摸索。
Reference
https://data.leafwind.tw/build-software-engineering-and-data-culture-before-doing-ai-6e345986f872

data science这门台湾很少重视..

希望不是喊一喊然后没多久就砍人了...0A0

如果不是做核心架构AI很难赚钱，因为等级级距落差太大，烧钱烧很凶，最后推而求其次还不如用人做系统分析+经验累积，边做点累积AI智慧能力，比较实在

data science这门台湾很少重视..

希望不是喊一喊然后没多久就砍人了...0A0

如果不是做核心架构AI很难赚钱，因为等级级距落差太大，烧钱烧很凶，最后推而求其次还不如用人做系统分析+经验累积，边做点累积AI智慧能力，比较实在

已经在砍人了

已经在砍人了

台湾要靠资料赚世界的钱钱很难很难啦就一个自我封闭的小岛，能掌握的资料很难跟外面的对手拼拼核心算法也许有机会 但前提也是要找到够天才的才有用就已自动驾驶来说 人家Tesla已经一堆车子在路上跑蒐集big data，算法如果都是神经网络 台湾厂商根本不可能有机会的 (资料来源矮人一大截)ML/DS在台湾恐怕就是国内中小企业等级 小确幸一下而已搞GPU硬件芯片架构的反而还比较有机会站上世界舞台

台湾要靠资料赚世界的钱钱很难很难啦就一个自我封闭的小岛，能掌握的资料很难跟外面的对手拼拼核心算法也许有机会 但前提也是要找到够天才的才有用就已自动驾驶来说 人家Tesla已经一堆车子在路上跑蒐集big data，算法如果都是神经网络 台湾厂商根本不可能有机会的 (资料来源矮人一大截)ML/DS在台湾恐怕就是国内中小企业等级 小确幸一下而已搞GPU硬件芯片架构的反而还比较有机会站上世界舞台

台湾的健保数据库很庞大的，够分析了

台湾的健保数据库很庞大的，够分析了