关于未来要不要走ml
其实不是你自己可以决定的
而是ml这个行业需不需要你
目前业界上很多产品都是吵著ml的噱头
里面写一堆sklearn 和现成framework 制作一堆图表
现实就是人还是做人的决策 跟你的ml一点狗屁关系都没有
实作个2021年论文的loss function 就要他们的命一样
这些产品最大的问题就是拔掉了ml 也不会有任何影响
不然就是核心根本是别人训练好的 车牌人脸辨识用的yolo以及 deep face facenet vgg16
这种跟大学专题同等级的作品
还以为别人做不出来
那你身为这个产品的工程师被淘汰也是迟早而已
真的很高深的ml 在许多赚钱的行业又需要具备非常高的门槛 要有五大会的投稿
每天都在追逐最新技术 我认为最好的方法
就是去投投看appier vpon ailabs google aws 看有没有机
会面试 连面试都没有
还是趁早转行实在
找个血统纯正的老师学 比上网看一堆没用的教学有用多了
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 111.71.17.152 (台湾)
※ 文章网址: https://www.ptt.cc/bbs/Soft_Job/M.1615899983.A.EB9.html

脸部辨识的产品拔掉 ML 不知道会不会有影响，应该没有

我是建议现在还在读书的小朋友 跟想要转行的大朋友全部都一起来做ML而且最好全部都只学Python 练好练满这样我们这些写C或C++的薪水才会再拉高

市面上都 deep face XDDDDD 您真了解产业啊

我笑了

现在最好的Backbone是 EfficientNet，现在主流是pretrain会伤害模型表现。用facenet也没什么问题，就像是你不会嘴人说现在都用gRPC没人写Restful的啦，概念就是metriclearning，就好像游泳跑步一样。建议您可以多了解然后产业最强那几个脸部识别实验室，技术上真的强，FRVT打开来看就知道，没什么好酸的啦

二楼XD

nfnet似乎也挺强的 还没开始玩

台湾的Google和亚麻好像没那么在意ML(?)倒是台湾有些ML高手为了实际生活考量(或是说钱钱XD)选择隐藏在猪屎屋，而且好像不少人QQ

我觉得这是新产业发展的正常情况 怎么可能所有MLE都很厉害

就是这样啊@[email protected]~

好凶哦 原 po 有没有一作 osdi sosp 没有的话你怎么敢打开手机电脑又看到几年前板上歪风 觉得唯有理论高 转职过来的都无法生存是不是以为每个人都要做理论研究才活的下去懂理论原理肯定是好的 不过整个产业又不是只有 research可以活看不起科技部计画养写应用的？114 科技部计画写 App 的现在已经财富自由了

能独立开发模型的人少之又少 如果有能力谁不想进主流大公司的AI lab呢～

就是看命啊....但其实真正赚钱的都是卖公司啦 ....

要做ML产品，用的模型或训练的奇淫巧技一点都不重要你的multi-task是指Barret Zoph那种Jointly Training？为什么一定要few-shot？ 单纯 CE 的 classification当然也可以啊。不要堆华丽词藻啦，你说的 metric learningsiamese network那种架构2017年后人人都懂的操作我是不知道你的训练方法多厉害，但你疯狂踩低新创或新人没必要啦。要搞 noisy student 需要投过NeurIPS吗？要搞SimCLR需要投过CVPR吗？要搞YOLOv5需要蹲三年中研院吗？不用，只要会读paper能写code就好。你著作丰厚，我愿意替你高兴，但不用讲一付没顶刊就搞不出好的算法一样啦，台湾一堆新创有好产品落地，技术也值得深究，不要你身边一堆只会Fine Tune的大学生专案就搞的整个业界都比你差好几节一样，没必要然后我补充一下为什么说做产品这些都不是很重要，因为产品很准，不代表你可以稳定更新模型、收集资料、维护系统实际客户使用的场景前一天很棒，后一天爆炸也常有，资料、系统在非常多应用上远远重要于模型。勘误：Barret Zoph的Jointly Training是COCO+Image，并单纯是只有Classification。在 Rethinking Pre-training and Self-training Table.7*不单纯啊是Yolov4不是v5

楼上要不要独立回一篇？

我人微言轻，就不打扰安宁了