你想成為具備 AI & Data Science 能力的未來關鍵人才？
⠀⠀
學程從基礎思維、核心技術、產業應用
逐步培養AI資料科家必備技能，
#包含9大關鍵職能
程式語言、資料庫、網路爬蟲、
資料探勘、資料視覺化、機器學習、
影像辨識、深度學習、自然語言處理。
⠀⠀
#給你完整18週的全線上培訓模式
透過12堂線上課程＋9堂直播實作，
帶你從基礎、進階到應用
逐步完成9項專案作品。
搭配技術解題導向的共學社群，
讓你透過學程專屬交流社團，
與超過200位學習夥伴一起成長。
⠀⠀
學習中遇到任何學習問題，
都可以透過課程討論區、講師提問互動與答疑解惑，
每項作業都有個人化回饋，
讓你知道如何改進與優化你所學習。
⠀⠀
#3大主題與4種學習資源培養AI基礎思維
為了培養AI基礎思維，
額外規劃3大主題：
最新趨勢、前瞻技術、產業應用
⠀⠀
搭配4種學習資源：
1｜5堂AI基礎思維線上課、
2｜22篇資料科學專欄文章、
3｜22則資料科學Podcast、
4｜每月資料科學直播講座
全部提供給你，
幫助你更快掌握AI與資料科學的基礎知識。
⠀⠀
#TibaMe以科技助力學習
直播課缺席不用請假，
會提供七天直播影片回放給你複習，
每週寄送進度課表，
讓你可以按部就班進行學習，
所有學習行為都能透過學習數據中心
做到完整進度追蹤與成果回顧。
更貼心支援行動學習App，
把握每個零碎時間，走到哪學到哪 ！
⠀⠀
立即了解完整學程資訊👇
https://bit.ly/3CQBUyu
⠀⠀
#AI資料科學家 #全方位學程班
#超高CP值 #緯育 #TibaMe
ai資料科學家全方位學程 在 [心得] 資料科學家工作分享與AI 產業觀察- 看板Soft_Job 的推薦與評價
最近版上好像很多人對 AI, ML, Data mining 的工作有興趣
也想知道自學, 唸碩士, AIA 或其他方式怎麼能夠進入 AI 產業
我自己就是資料科學家
想跟大家分享一下我的工作內容跟對 AI 產業的觀察
=== 先說結論 ===
1. 非CS背景想轉職 AI => 念四大碩，主修 AI
2. 不想念碩士，想自學
=> 證明你比四大碩強 => 去社群給 Talk or Kaggle 比到前三
社群有 ML/DM Monday, Taipei.py, Py data 等等
有個聽眾覺得『哎唷不錯喔』，機會就來了
3. 已經是資工碩了
=> 去社群給 Talk or 發top conference paper ex: AAAI, NAACL
=== 我的背景 ===
台大資工學碩
主修NLP, 熟AI, ML, SVM, 不熟DL
待過趨勢,華碩,新創
六年工作經驗 四年DS經驗, 英語流利
=== 資料相關工作內容 ===
資料分析師 : 有產業, 統計知識, 了解問題, 把問題變成數學問題
資料科學家： 把問題變成數學問題, 抽feature, 訂evaluation
設計數學演算法, 寫prototype
資料工程師：data clean, data storage, big data, cloud computing
機器學習工程師：設計數學演算法, 實作演算法, 挑ML模型, tune 參數
把prototype 改成 production code
通常在台灣就是四種都要做...統稱資料科學家
根據背景知識, data type還會細分成
影像CV, 語音, 語言NLP, 產線資料, signal, 地理資訊等等
影像現在在台灣最紅，約有60家新創
NLP 約20家
語音約3家, google/apple/ms 太強，很難跟他們競爭
後面三種data 我沒有研究....
=== AI 產業現況 ===
2012 - 2017 爆紅 超火
2018 冷靜重整期，很多 AI 新創倒閉
2019 假AI新創很多, Junior 飽和, Senior 超缺
Senior 假設台灣有 N 個，可是缺有 4N
大家都要即戰力，有經驗的，可以馬上做專案
但是Sr. 不是去美國，就是不想換工作
如果你是即戰力，我手上有10個缺可以介紹
Junior 有 N 個，缺大概也有 1.2N 個
不過台灣每年生產1000個 AI碩士吧，所以也不缺人
假 AI 新創就是 『口號出得去 人進得來 大家大發財』
去面試就知道老闆不懂 AI ，問一下雷公司八卦都很多
另外開了2, 3年沒有產品也沒有賺錢的大概也怪怪的
=== 關於訓練新人 ===
公司訓練 Jr 是需要花錢花時間的
而且我的經驗是專案都做不完，哪有時間訓練新人？
讓Sr. 花 20% 的時間訓練新人，少做 20% 專案老闆願意媽？
Sr. 願意犧牲看八卦版呵呵笑的時間訓練新人，是我佛心來著
但是很多新人訓練好又去美國或念博班
我也很無奈呀...
去美國的工作環境, 工時, 薪水, 技術都好很多
念博班的說他想做世界第一，不想做客戶願意付錢的東西
=== 結論 ===
我覺得不鼓勵大家轉職 AI
好公司大概都飽和了，只收 AI 碩
2017年前 AI 景氣很好，但是現在冷了
假AI新創又多，有70%吧，如果你沒有能力分辨就是當砲灰
AIOT 現在 90% 是假新創
另外當資料科學家
背景知識，工程，數學，英文都是基本能力唷
很多人說數學很重要...是因為他們工程跟英文都很好了
Pycon Taiwan 徵稿中 3/18截止，當過講者求職大加分喔！
--
Q:為什麼aacs叫小西呢??
A:1.因為aacs的英文名字叫Cicilia Segeliin
2.因為西是最好寫的C
3.西是由一條拋物線+一組雙曲線+一個橢圓組成的
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.134.185.153
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1551945907.A.F59.html
一波炒過一波
當菜市場阿嬤都知道AI，股市都有AI概念股，就代表潮水要退了
轉職難民太多，但是他們都沒有作品跟成果...
每個都說我很便宜，請訓練我。
但是我有時間為什麼不去訓練台大碩，要訓練你呢？
我知道自己要什麼，缺什麼就好囉~~~
台大純血沒去美國就會一直被罵耶~~~
一來 AI 圈也才紅5年，Sr. 本來就不多
二來 很多 Sr. 都跑去美國了
三來 Jr. 沒人帶也沒有自學能力就不能變Sr.，只會變成Super Junior
四來 老闆都希望Sr. 免費加班帶Jr. 還要加班做專案
我碩班念AI的時候根本沒人想念，大家都在做遊戲跟CV, embedded
畢竟每年還是有幾百個 Junior 入行
當然數學，工程，英文，溝通都要努力鑽研才能頂尖
有22K也有人100K
你給我10000筆以上再提DL吧...
大部分都是 data clean 的工作
而且是data scientist 兼任 data eng., data analyse, ML eng.
但是如果非資工本科又沒有亮眼學歷
你就必須有亮眼作品
不然你會找不到Senior帶，學習成長很有限
另外你說得對，很多傳產最近都成立的AI部門
但是資工碩通常不喜歡去傳產，除非高薪又早下班。
所以我聽說裡面都很少資工碩
但是名稱掛資料科學家
每次講自己的職稱都覺得很心虛，只有使用者經驗研究員聽起來更威
有的說的是台灣包山包海的資料科學家，很多沒有設計模型跟演算法
美國大公司的純資料科學家有個配合的工程師
幫忙把prototype 改寫成 production code
所以不必資工本科，很多統計，數學，工科博士背景
不過台灣prototype直接要上線的就很需要軟體工程背景了
因為上線交給客戶後有 bug 超麻煩
... <看更多>