Re: [新聞] 台大電資學院學生停修演算法 增至13％
※ 引述《ams9 (大發利市)》之銘言：
: 備註請放最後面 違者新聞文章刪除
: 1.媒體來源: 自由時報電子報
: 2.記者署名: 記者林曉雲、楊綿傑／台北報導
: 3.完整新聞標題:
: 台大電資學院學生停修演算法 增至13％
: 4.完整新聞內文:
: 2025/02/15 05:30
: 教授張耀文懷疑一○八課綱弱化學生
: 〔記者林曉雲、楊綿傑／台北報導〕台灣大學電資學院核心課程之一演算法
: ，授課老師、台大講座教授張耀文昨日發出警語表示，學生停修比率近三年
: 從三％增至十三％，大大震撼老師們。因演算法是大三必修課，大三學生恰
: 是一○八課綱首屆學生，大一時的微積分成績平均普遍弱化，質疑是一○八
: 課綱造成基礎學科能力不穩，又再進一步弱化專業科目學習。
: 教部：應與疫情、世代差異有關
: 不過，自台大電機系借調的教育部政次葉丙成不以為然，他表示，美國柏克
: 萊大學校長、美國加州大學聖地牙哥分校（UCSD）校長都跟他說，他們學校
: 也有同樣情況，而他們認為是受到COVID-19疫情搞亂學生在高中的學習，另
: 也跟世代差異有關係。
: 張耀文表示，一○八課綱首屆台大大一新生的微積分成績平均弱化，台大電
: 資學院微積分成績降低約九％至十四％，其他多個學院降幅更大，修課學生
: 超過二千人，歷屆皆採聯合命題和考試，具統計意義，而首屆學生現已升上
: 大三，專業成績亦受關注，連同微積分等基礎科目，可作為觀察一○八課綱
: 對大學生的部分基礎和專業科目學習的影響。
: 電資學院核心課 人工智慧必修
: 張耀文說明，演算法為「人工智慧」、晶片之母「電子設計自動化」等眾多
: 領域的核心專業課程，多個頂尖大學電資學院列為大三的核心必修，學習演
: 算法對產業發展和國家競爭力具重要性。台大電機系演算法上學期有一六○
: 人修課，其中廿人停修，創下歷史新高，和兩年前大一微積分成績滑落，顯
: 示的問題具一致性，而近三年來上學期演算法停修比率由一一一學年三％、
: 一一二學年六％，暴增至一一三學年十三％。
: 張耀文指出，學生在期末考前可線上提出停修，但必修課須重修過關才能畢
: 業，常造成修業時間拉長，延後畢業時間，造成教育資源的負擔和產業人力
: 的減少，對國家社會發展不利；而停修比率遽增，認為除了一○八課綱造成
: 基礎學科能力不穩後，是否進一步弱化專業科目學習外，停修條件放寬、學
: 生心態改變（如成績未達預期就停修）等皆值得深究，期盡快找出解方。
: 5.完整新聞連結 (或短網址)不可用YAHOO、LINE、MSN等轉載媒體:
: ※ 當新聞連結過長時，需提供短網址方便網友點擊
: https://news.ltn.com.tw/news/life/paper/1691801
: 6.備註:
: ※ 一個人一天只能張貼一則新聞(以天為單位)，被刪或自刪也算額度內，超貼者水桶，請注意
: ※ 備註請勿張貼三日內新聞(包含連結、標題等)
因為張耀文教授算是EDA大老
因此他覺得演算法很重要是不大意外
但你說人工智慧需要把演算法修到一定水準
我個人是不大同意
人工智慧經典教材: Artificial Intelligence A Modern Approach
前幾章大約在教search、game、constraint statisfactory problem、
first-order logic的演算法實現
這幾個章節的確資料結構和演算法的基礎有重要性
因為沒有一點基礎 可能看不出為什麼虛擬碼是長那樣
而這幾章我學生時代學只覺得好像演算法的加強版
可是現在熱門的AI領域，有需要用到那些演算法基礎才能懂嗎?
現在Deep Learning、Reinforecement Learning那套
用到最多的明明是:
機率論 (注意不是機率導論喔，是需要用實分析和測度論的那個)
泛函分析
數理統計
回歸分析
貝氏統計
各種不是出現在工統、商統、生統的進階統計方法
也就是說，比較像是台灣統研所和數學所學得那些方法
因此，說要學AI，演算法很重要是不是搞錯了什麼?
要做現代AI明明最重要的是統計學研究所的東西
而不是什麼各類演算法的理解
個人覺得雖然可能張教授自己EDA領域很重要
但其他領域就不一定
說的這麼武斷好像不大好...
--
演算法跟危機分 有屁毛的關係
計算機離不開數學QQ
去念數學系阿XD
measurebility-based prob theory 在DL
的領域有那麼重要嗎？
不就只是學生想利用重修換教授？
我感覺thoery一直在吃屎說
比起thoery，勤奮地想些新的組合可能都
還比較重要一點
因為你是從做系統的角度思考 所以會這樣想 但現代AI如果真的要知道最根本的原因 數學系和統計所那套 個人覺得逃不掉...
※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 18:40:32還是這篇想說的是 stochastic process?
而個人覺得你說的系統面 演算法也...
不需要學到台大ADA那種水準...
類神經網路就是那樣 原因???
你大概不知道類神經網路能那樣算 就是用probabiliy theory和泛函分析推出來的...
我個人覺得演算法挺尷尬的
真的有人知道原因??
原因在這裡 就是那樣這種說法 肯定你只是看了什麼Pattern Recogniton and Machine Learning那種教科書 就覺得自己學會了和了解了 你才會以為沒有原因 就是那樣...
因為有用的是那些已知的常見案例
其實就算你實現的當下沒有用最佳的算法，
其實當下不要卡住，也還是ok
那如果張耀文教授的演算法特別強調理論的
部分... 對大多數人就不是那麼實用了
類神經網路有理論證實它為什麼會work了
學那麼多理論台灣AI搞出什麼毛了嗎？
嗎？離開學校太久了
有理論可以證明"資料夠多、架構夠大的
台灣就不是沒人才，只是人都在美國公司
啊，看OpenAI那個…
類神經網絡可以學會任意函數"
但這種fundamental theory 沒那麼有用的
原因是他沒有告訴你 "要多少或要多大"
這我是同意沒錯 但現在不就是缺少類似這種能產生爆炸性進步的東西嗎?
※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 18:52:34是 但你講得這個進展，只能在學術圈做
確實DL需要微積分 線性代數 機率理論比
較多，但演算法還算是電資基礎？現在學
生不可能一進電資就說自己要研究AI模型
而能做學術工作的人...一直都非常少
吧，一定是先摸索再擴展，所以演算法還
是蠻重要的
這個說法有一個問題點就是 其實就跟我和arrenwu討論點點類似就是... 有必要用到那麼深的OOXX領域嗎? 台大ADA的要求 說真的以很多人以去就業為目的而言 我看也不用到這種水準 其實我跟張教授就有點像是不同派別的思考方式在對對方的想法有意見 所以演算法究竟有沒有那麼重要? 以及我說的那些數學是否那麼重要? 誰說的對我覺得難講... 啊真要說 我也覺得泛函分析很重要啊 然後?
※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 18:57:19@MatTZerS 我覺得這篇在說的問題是演算法
學術工作在業界常常沒用啊…
要學到什麼程度
但是大學的演算法程度來說，不管你做什
麼都是基礎吧？
換成"資料結構"，很少人會說學了沒用
就要看學到什麼程度啦 其實我覺得演算法
還滿有趣的就是了
leetcode還不是就那些東西，這個不會連
前端工作都找不到吧
@coronach 演算法課程比Leetcode的東西
多很多
Leetcode 本質上就是 "It works."
我大學的時候沒多那麼多…多的那些在ha
rd題還是有機會出
演算法是要用理論說明 "Why it works"
當然你如果說medium以下，那些就是演算
法課程的前面而已
leetcode其實是在考演算法競賽的東西 他其實跟大學學的演算法有點不大一樣 leetcode考驗的是在短時間想出一些小技巧，然後完成某些解題要求的能力 大學演算法是在學 為什麼這些演算法是對的、為什麼這些演算法空間複雜度、時間複雜度是那樣
※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 18:59:52這時候就要推 跟我想的一樣
Hard 只是結構比較大而已，Medium就已經
會包到很多你沒看過這做法根本不可能
在1小時內做出來
嗯…應該說如果大學演算法修到被當掉，
那就是leetcode medium程度都不如了
這個難說喔... 因為大學演算法很多教授是要求要寫證明的 不是只把一個方法devise出來就拿到大多分數
※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 19:01:11至於你說的那些解題用不到的，在修完課
的人裡，有把它唸好的人可能也不多…
比起來，演算法還比較簡單
我相信對大多數人是 但對我卻不是XD
※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 19:01:56…是說所謂的LC medium很廣啊，不是一
個很可靠的分類XD
leetcode自己的難度分類一向不準XD 你要看難度去找類似官神或靈神的題目整理比較準
※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 19:02:56演算法通常對一般人來說比較難吧
並沒有XD 很多人寧可看到那種能夠動的東西 也不願意看到那些外星符號變來變去的東西 很多人因為是看類似Cracking Coding Interview那種等級的東西 所以會覺得那種東西我好像可以用什麼動畫或嘗試理解 所以覺得比較簡單
※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 19:04:42演算法不就是那些外星符號嗎？
個例子 Sieve of Eratosthenes (LC 204)
要證成那個算法 o(nloglogn) 要有相當的
數學底子。但只是要能理解作法倒不是太難
其實你這觀點正好跟我一樣 但你去問大多數人: 大學微積分、線性代數和演算法哪個比較難? 90%會回答: 大學微積分、線性代數 因為他們眼中的認知是這樣: 演算法的作法我都看得懂啊 可是微積分的什麼極限是什麼東西? 那些定理證明在搞什麼東西? 我都看不懂 所以應該演算法筆記簡單吧? 那些人是幾乎無視你說得那個什麼證明算法時間複雜度這種 或者我這樣說好了... 反正那些複雜度我碰到的情況被問到 我只要"背起來"講得出來就好 可是數學課考試的題目 我不能背起來就能過關 這就造成我提的那種認知的差距...
※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 19:11:05但只要不能證明 o(nloglogn) ，在演算法
的角度上就是不會
演算法就是基礎啊，多少要知道一些吧
那些人上張耀文的演算法應該相當痛苦吧
可能也不用 可能蔽校蔡錫鈞教授的演算法就會讓大多人感到痛苦了... 而且我真心覺得對大部分人來說 能進資工系、資工所 正好是一個可以靠努力找到洗牌機會的機會 因為資工系、資工所很多東西都要重頭學 比較不會有傳統二類科系 因為同學在高中時的數學物理就很強了 覺得自己不可能追不上別人那種感覺... 但現在AI發展可能只會讓資工系變成傳統二類那樣就是了...
※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 19:13:52 ※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 19:16:22身為統計所數學背景現在做AI研發的我，
完全同意到不行，這些才是最重要的，演
算法算是輔助工具，尤其現在AI能輔助程
式的地方越來越多，但根本不可能取代
數學。
你說的那些我全都修過 讚
我雖然個人狀況沒有立場幫你背書 但我也知道做研發和做應用思考的方向一定差很多 因為現在很多人去做那種拿現在AI發展出來的工具的應用 其實的確做應用不一定要很懂那麼底層和根本的東西 但如果要做那種可以讓整體技術推進的 應該是跑不掉 光類神經網路不就是這樣?
※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 19:18:52我現在覺得我修的演算法老師果然是人太
好了嗎…
高中時數學物理強也..沒什麼特別的吧
上大學也一樣要從頭學啊XD
我都不敢說是誰了，怕丟教授的臉
數學系的課程高中數學強也沒啥用
數學物理其實解題方式 如果真的知道在做啥 其實學習效率還是有差的 至少14~15級分和10~12級分相比，學習速度明顯會有差距 而資工就是任何基礎打掉重來 不大相依於其他什麼東西 雖然有少部分課程會相依別的 但大多數課程不大會這樣...
※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 19:21:21@coronach 其實不一定啦，有些課程叫做
演算法但是其實比較強調資料結構運用
對，以前演算法應用的部分比重高，但是
現在那塊靠AI隨時都能快速釐清了
10~12級分 <---這通常對理論就排斥了吧
但在我那年代資工還不是第一志願時 就存在那種10~12級分在系上要求要實作的課程 成績修得嚇嚇叫的...
※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 19:24:05電機系的話數學不差但是就是不想做理論
也不想寫code的大有人在XD
沒接觸過電機系的學生 但我相信你講得很有可能發生 因為大學四大一定是走學術路線 教學就會往那種方向走 可是大部分人進去可能只是想做相關領域工作 所以會出現這一類人我毫不意外XD 還有就是其實我們這裡討論會有分歧的原因 其實就每個人定義的怎樣叫做"重要"? 怎樣叫做"好"? 會因為擅長的技能和不同的環境 導致最基本的假設有差
※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 19:26:54不過回到原新聞，我是覺得歸因給課綱也
太簡化問題了，也說不定程度好的大學就
出國的比例變高了
有可能 反正國外頂尖大學大學部也是這樣 真的想進什麼頂尖的地方 很多家長都會私下請家教去教超出學校範圍很多的東西
※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 19:28:06繼續回你的 因為我是做研發工程師 所以
才說那些課程真的重要到不行，每天看
論文都會用到，如果單純應用的就真的
不需要那麼底層艱深
做學術 AI的根基還是演算法啦 只是你做實
作可能覺得占的比例不高
這個還真的有很多地方可以討論 因為AI界會有那種做的東西很依賴數學能力 但要實現只需要用現有工具就可以實現 也有那種因為現有工具在某些應用要求達不到目的 所以需要自己動手修改或重寫演算法的 只能說因為我站在比較理的角度 我會覺得演算法不需要修到像台大ADA那種要求的
AI這塊老實說線代還比較重要 但資結
和演算法是基本學科 仍然不能放掉
又不是人人做AI，演算法就是什麼領
域都會用到的基礎
他意思是數學很差吧
如果只想培養碼農那演算法確實都包在
底層函式庫了沒那麼重要 可是他是高教
讀台大還在抱怨太理論沒用，怎麼不
乾脆隨便找一間學店讀
其實你這種說法我很同意 畢竟台大是台灣最頂尖的研究型大學 世界排名也有能見度 不過... 台灣教育長大的學生你知道的... 很多人進台大不是為了去追求什麼理論或是高教程度訓練帶來的提升 而是... 因為有這個畢業證書，我比較好找到高薪工作XD (雖然這句話是否正確實在...)
※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 20:01:23 ※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 20:03:21演算法是基礎很重要
好久沒看到專業討論文了，原來Ptt還有救
後來發現是這樣: 平常那些話題，有專業的也不想去討論什麼 但等到有專業 其實就會有不少人會出來 但整體風氣還是變了...
※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 20:04:34有請田神
田神自己也有教演算法吧XD 只是他的機器學習作業好像是很純粹的數學課...
※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 20:28:15因為你從軟體去看，如果是硬體AI還是
要演算法
你的確一語道破我的問題 畢竟我想張教授領域應該是偏硬體的 如果你說那種什麼GPU架構 的確會需要演算法和平行處理
※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 20:29:4999%的人連AI論文的一條函數都看不懂
還是認清楚自己的方向吧
台灣還是硬體
很重要但是未來不那麼需要了 因為已經被
做掉做完了 會了一堆結果用不到也加不了
職涯分 真的要用再翻書翻網頁都學得到
改成選修吧
演算法必學啊 還要刷題 不然找不到工
作
台大電資畢業出來說不會演算法 這真是
難以想像
作為這堂課的助教，老師有要我們把平
均壓到一個程度（出題難一點之類的）
，啊電機系大家卷的要
命看到成績爛絕對直接Cancel…
真的要當ai科學家 工作機會少 最好還
要讀博士 那就不用刷題當碼農
演算法算是邏輯養成很重要的基礎吧
多算算數學 想新模型 發論文更有用 不
過大部分的人是生不出新模型論文 都小
修小改洗文章點數
這說法就跟108課綱一樣 把一些打基礎的課程
都判定爲不重要 導致程度低下
現在連應徵台積電IT前測都要寫hackerr
ank 3題medium-hard惹 不想刷很容易失
業
但老實說要把leetcode練好 有其他途徑 並不需要修台大ADA，或是清交資工的演算法 而且老實說，為了把leetcode刷好，花太多時間讀經典本CLRS，沒有必要
※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 21:46:57推專業好文
認同
看過leetcode easy題accept率不到30%的 XD
推一篇嘗試去解網路泛用性的分析
早就沒什麼重新洗牌了，現在資工所考試已
經是所有研究所裡面最卷的。
所以我已經說了 現在應該沒了
※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 22:56:27演算法就基本科目而已 最好不重要又不用修
我知道大部分人會比較喜歡程式 > 數學啦 嘻嘻~~~ 但是如果說一定要修過演算法才可以做AI 這就不好說
正解
那是因為現在玩AI是玩套件呼api，做
產品AI inside 就必須用到演算法優
化才能省resource
我上面已經有理性討論到這點了 但是你還要用這種方式噓 那說難聽點 你那寶貴的API可以做出來 也是數學統計學家先想出怎麼保證你那親愛的deep learning那樣做有效果啊 你沒這東西 你code再會寫 也生不出這些有用的API啦 嘻嘻 我最討厭那種自己技能最能賺錢 然後把成果整碗端走 卻沒有記得自己是先從其他領域的人做出來才有辦法做 這種忘本又傲慢的態度令人討厭 然後整天在那邊雙標，像是: 這個數學式我只要看得懂會用就好 然後卻要求別人在你喜歡擅長的領域非要做到多好才行 這種個性的人我最賭爛
※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 23:35:37用英文找演算法 甚至Perplexity AI也在
強調峰值，是不太理解 敢情這玩意在美國
的演算法邏輯是一個很重要的概念?
笑死 原來不認同噓也犯法喔？一言堂
在政黑 建議你去那邊發文
也許我前面表達不好 我只是想說... 要做AI不一定需要台大的演算法課程能夠攻克的程度而已 我可不是說做AI不需要會演算法 而是想強調 不需要做到那種程度 啊 你的態度給我的感覺就是那種雙標仔啊 自己擅長和喜歡的領域就是基本和很重要 其他需要用到的 就說: 啊 這個不需要做到那麼好 啊這還不夠雙標喔? 一個大領域本來就需要不同的人才 每個人都有自己擅長和有興趣的領域 而這麼大一個領域 哪有可能每個人都十八般武藝都會 怎麼你在乎的就比較重要 人家說重要的 你就覺得好像沒地位?
※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 23:46:46 ※ 編輯: yueayase (61.227.47.246 臺灣), 02/15/2025 23:48:21Y 統計所範疇
你說的那些就是經濟學家鑽研的科目
只講應用面就是一般公司管資料庫的人很多
也沒讀資料結構阿，大家一起爛的確沒差
非關聯資料庫不就演過一次了
但實際上，你列的那些都讀精熟比讀演算法
教科書難好幾倍
每個演算法過程都能簡化成某種數學問題阿
，那你怎麼會覺得放棄演算法的本科生會好
好讀數學
簡單的課不修自學難的？
「連演算法這種躺過的學分都要停修的人修
什麼實變跟機率論」你怕不是在做夢
補個噓，業內連複雜度問題都看不懂，心痛
我自己本科做RL碩士去做平行算法的怪人
，其實都對，看你做AI的哪一段。如果做
頂層模型設計數據挖掘，確實不太需要演
算法。越接近底層越需要考慮演算法最佳
化。
Thoery 是啥
張只是想恢復聯考而已，只要有藉口都
可以拿來大作文章
學演算法還不如學資料庫
跟 arrenwu 同感
"如果要知道最根本原因" 你提的其實偏
"學習理論"的領域了，而做這領域的在
整體學術圈算是少數
舉個例子，近十年最屌的paper我認為是
Transformer 創始那一篇，但那篇有用
到什麼數學嗎，也沒有吧
你是以全人類的角度來看，那就要有人
去研究這些東西，但以個體來看，大部
分的人(還是走學術的)都用不到
就像是人類整體要有人去讀數學系
但不必每個理工人都要雙修數學系
哈，你的AI不是我的AI，既然如此，承認
演算法課程對某些AI是必要的很難？
原po 說的很有理，但大廠就是喜歡考這
要學複變函數 隨機程序 然後發現和搞
訊號處理的學得87%像
2
開串文裡面有人提到不停修會影響GPA 這會不會是現在考研用書審代替筆試的副作用？ 要不然以前我那個年代哪有人在停修必修課的？ 必修課停修和被當最後都是要重修 把課上完，就算最後被當，至少重修時印象比較深刻，比較好上手3
南無阿彌陀佛 他是說停修又不是當掉 停修是一種策略 當掉是你笨 如果停修比例變高當掉比例也高1
新聞和開串文的推文看下來 再加上一些身邊人的例子 真的大學讀台大都會有一堆莫名其妙的壓力 所以抗壓不強的學生，大學千萬不要讀台大 選清交成政師，甚至四中就好了6
大哥你知道機器學習跟AI不是只有疊一堆神經網路硬train一發吧，人家deepseek之所以那麼成功很大原因就是在系統層面做了很多優化，除了好的數學底子之外就是資料結構還有演算法。 而且就算不談deepseek，你搞最常見的自駕車之類的也會需要圖論跟動態規劃之類的最佳化知識，台大電機系演算法不管是誰開的一定都會花很多時間講DP，以前陳和麟開的甚至還有randomized跟approximation演算法之類業界更常用的技巧，電資本科是一定要會的。 現在一堆人讀電機資工畢業之後根本除了import torch之外什麼都不會，機器學習的原理問深一點就掛在那邊也講不出所以然，只能說該學的還是要學，演算法就是電資人的一技之長，學得好不愁沒飯吃。 ----- Sent from JPTT on my iPhone3
-------------- ※ 引述《ams9 (大發利市)》之銘言： : 備註請放最後面 違者新聞文章刪除 : 1.媒體來源: 自由時報電子報 : 2.記者署名: 記者林曉雲、楊綿傑／台北報導2
學術界常常有個習慣，就是很多老師都會說自己是做演算法的，其實用日常生活的 用語來講，這個說法也不能算錯啦。 But學術上那個叫做「演算法」的領域，其實是純做定理證明的，沒有實驗成份（偶爾 會有例外，0.1%以內）。 而扣除那個叫做theoretical computer science的奇特領域後，所有資訊領域雖然1
不是 大學部的演算法說真的很簡單吧 要推導複雜度也就那幾種方式而已 回去翻一下離散學的東西就好 算法的話經典graph dp系列背一背 然後理解一下P NP是什麼 就差不多了 這課停修率高只有一個可能 就是教授給分太硬 為了GPA明年換個教授再修一次 13%這比例感覺就都是這樣的狀況![Re: [新聞] 台大電資學院學生停修演算法 增至13％](https://i.ytimg.com/vi/H47gWR46COg/maxresdefault.jpg?sqp=-oaymwEmCIAKENAF8quKqQMa8AEB-AH-CYAC0AWKAgwIABABGGUgVShSMA8=&rs=AOn4CLAiStGJj1FW_DVI3vZ3LgjbSTlcgQ "Re: [新聞] 台大電資學院學生停修演算法 增至13％")
37
Re: [請益] 想從零開始轉行當AI軟體工程師這篇應該算是AI勸世文 如果你之前沒有任何工程背景，想要直接轉入AI的話，那真的是建議放棄。 AI發展至今，其實要入手真的非常容易，某種程度上只要知道如何呼叫API (Python為介面)就可以完成很多事情。 我經歷過幾個用deep learning的實際例子，都是要解決既定的工程問題，17
[請益] 統計所畢業是否不適合資料分析？大家好 我目前是某個剛合校的大學的統計學研究所在學生 最近開始在思考未來畢業後的就業方向 大學是念數學系，常用的語言是R，也有自修python、c跟c++，未來幾學期也會去修一些 資工系的基礎課程（資結、演算法、資料庫）。17
Re: [心得] AI時代來臨，技術分析真的已經沒用了當年NASA首次登陸月球，所使用的電腦相較現在的手機根本像玩具， 也就是說我們帶手機穿越到當年，等於是帶一台超級電腦， 但這時代的手機應該比較像是掌上型遊戲機的樣子。 無意冒犯，但您真的理解通篇堆砌的那些詞藻，其真正的意義? : 這邊提到的AI演算法量化交易，![Re: [心得] AI時代來臨，技術分析真的已經沒用了](https://i.imgur.com/fqrVMBDb.jpg "Re: [心得] AI時代來臨，技術分析真的已經沒用了")
12
[請益]數學所畢業出路請益小弟四大物理畢業 對統計力學、機率相關的領域比較有興趣 研究所改念數學做機率 不過成績普普 目前也沒打算繼續做研究 打算碩士念完就去找工作 我自己預期的工作是能包括 建模、理論證明然後做模擬 不過我覺得我跟經驗世界 有點脫節，不確定要往哪個方向，所以想尋求一些建議 目前我對一些工作領域大概只有一點概念，大致如下5
Re: [情報] 109年指考第二類組排行榜(採計五科)看到一堆科系在分組就是為了招到更好的學生 不然資訊工程分 電子資訊,人工智慧幹嘛 應該是必修程式設計，基礎數學，資料結構，演算法 剩下的就給學生當選修就好了 多修一些不同領域的研究所再選有興趣的領域走2
[問卦] 台大資工系演算法課不是專攻演算法的教授我偶然知道 台大資工系的演算法課程 是陳縕儂教授教的 可是陳縕儂教授是專攻自然語言處理的 那台大的學生不會抱怨教演算法的老師5
Re: [問卦] 演算法，一次考15章節怎麼唸啊南無阿彌陀佛。 其實演算法課本的15章，未必會真的很難纏，因為演算法的東西常常是掌握一個巧妙的 觀察或技巧，剩下什麼都迎刃而解的，而且各個主題幾乎獨立，可以分開讀。 幹嘛要證明的部份：其實演算法這個領域本來就是純做定理證明喔～例如這領域的頂尖 期刊TALG、Algorithmica等，和頂尖會議如SODA等，都是純做定理證明，非頂尖的其實4
Re: [問卦] 線代到底是簡單還難？線性代數這東西 看你應用程度 純數學研究的話 可以到很難 花很多時間看完證明 結果年紀大 一下就忘了 如果是應用 那絕對是非常廣的![Re: [問卦] 線代到底是簡單還難？](https://upload.wikimedia.org/wikipedia/commons/6/67/Eigenfaces.png "Re: [問卦] 線代到底是簡單還難？")
2
Re: [黑特] AI什麼時後崩盤自從 Hinton 提出反向傳播演算法以來，人工智慧領域在過去幾十年來並沒有出現真正意義上的突破。目前的進展主要集中在透過收集更多訓練資料和建立更大的神經網路來提高模型效能。然而，這種粗放的做法並沒有觸及問題的核心，只是不斷填滿內核空間，並沒有帶來演算法層面的革新。 雖然像 CNN 和 Transformer 這樣的架構看似新穎，但實際上，如果運算能力夠強大，這些技巧也並非必要。理論上，一個兩層的無限寬神經網路就足以擬合任何複雜邊界，並且擁有無限大的模型容量。 真正的突破需要在演算法層面實現創新，而計算力只是次要因素。目前， 整個人工智慧框架都建立在統計機器學習的基礎上，這限制了我們的思維和探索。 我們局限於inference 要嘛 Frequentist ，不然就 Bayesian inference，2
Re: [閒聊] 開放新生請益修課/職涯/規劃方向相當仔細的分享文。 剛好我也在這個領域可以給一點點兩毛錢。 1. 做演算法，其實不是不好找工作。而是，做演算法，需要同時具備程式能力。簡單說 ，不好找工作的原因，不是因為做演算法，而是因為程式能力不夠。 2. EDA的薪水確實是比照半導體公司，或是豬屎屋。外商的優點，是工作環境良好。多了