Re: [請益] 想從零開始轉行當AI軟體工程師
一般來說 我的面試會加問幾個問題
1. 請描述下 probability 的定義是什麼?
2. 請描述下 normal distribution 的定義是什麼?
3. 請描述下 medium 的定義是什麼?給 1234567 這個數組 中位數是多少?123456 中位數是多少?
4. 數組在什麼時候中位數大於平均數,請舉例
5. 數組在什麼時候中位數小於平均數,請舉例
6. 數組在什麼時候中位數等於平均數,請舉例
你會發現答的好的沒幾個
答的好的大部分都是頭腦清楚有邏輯比較強的,這是做 algo 的必備條件
--
我一個好友分享的相關心得也可以參考
https://bit.ly/3kswa7m
※ 編輯: jyuny1 (219.75.49.164 新加坡), 11/13/2021 02:47:22
你都打這麼多字了 可以再寫範例給大家學習啊
這個有正常看過一本統計科普書都可回答,認真學過統計可以
深答。
機率是什麼,看似簡單的題目,就可以很大區分人的程度了。
這些問題大概就高中機率有好好上課.......
456這種題目我是求職者肯定會終止面試==
為啥要終止?456超級基本吧
456應該國中有教過
4-6在小五/小六課程中, 算術平均數/中位數/眾數的課
就有教了.
第一題回答好的沒幾個,機率空間可能都是用感覺來的
大家覺得是基本,覺得有教過,但實際上看的是平常你在工
作的時候會不會把這個相關概念帶進去。如果答的不好實際
上也不會對 algo 了解的多透徹。
尤其是大家都在無腦入特徵訓練模型的年代。只會調參數的
未來就是個黑手而已。
如果你想在未來在這個職業有6-8年甚至十年以上的職涯,這
幾個問題建議好好思考下你在日常工作上有沒有用到。如果
沒有,最好思考下是公司的業務不對還是你的技能不對還是
哪裡不對了
數組
原來是原生簡體字使用者 推回來
真的,我覺得光是第一題,就很有鑒別度了。別看他簡單。
所以我都直接投降 那不去可以吧XD
有試著復現過論文的這些問題都能搭的出來。與其比 kag
gle 不如去復現各大公司在推薦、NLP或其他領域的論文。
如果運氣好遇到相關的負責人,大概率還能多聊一點增加
好感。不過也是在自己有能力的前提下。幾年前的 bar 很
低,後面 bar 會回歸正常,比較這類人在資本的考量下都
很貴,水分很快就會被擠出去了
業界就是被這些人自以為定義強大就失去創造力的人卡
死加向下....沒事就是拿著教科書上的定義要人回教科
書上的答案 要是他回達的答案不是你想要的
你能認真的是去理解他為什麼會這樣回答嗎?
答得超好的多數是背出來的 然後叫這些人來做需要創
造力的演算法....
當然這些人好控制....XD
然後下一步就是拉關係 增加好感 囧> 看論文原來是
這用途? (然後論文搭不出來 結果是論文 xx 怎辦XD)
鑒別度要看怎麼問 看是啟發性的還是定性定調的問
說到不打kaggle 如果不是做演算法的 不打kaggle
你在某些重點公司....連HR都懶得打電話給你吧
(我說的是亞洲 更準確的說是中國公司)
看論文套關係的笑話看多了(我自己也發生過類似的 囧)
這個同學你有自己的想法,不過想要團隊有戰鬥力就是得找
類似的人。你可以繼續你自己的作法。但業界對於復現論文
(表示你能看懂數學公式,具備一定程度的 coding)本來就
很注重,你能搞的出來表示你有一定程度的能力。大公司也
都會在世界頂級的 conference 發表。如果你只知道 kaggl
e,那有沒有聽過 www conference? https://bit.ly/3oszQ
Hr 碩士都能靠讀 paper 找問題直接談入學了,更何況重智
力的行業。
你如果覺得問這些問題是靠背或上過課就能回答的好的,那
就 good luck
參加 kaggle 反而不是最重要的,現在的情況是 99% 的人復
用 1% 提出的架構。當然如果你的志向是當那 1% 的人,你
也不用回這個問題。
然後被講就要拉個自以為高一點的東西來XD
我不想看什麼要signup 的東西
情況就是你只是拿你自己覺得自己懂的東西要求別人跟
你一樣想法的拉進團隊 我說嘛 就是好摸頭的
團隊要有戰力 就是要找人互補 這你也不懂還拉隊哩
業界對重複論文很看重? 重造輪子你都造不出來因為你
沒有data 好嗎 讀conference 囧> 這小朋友泥
你去問問幾個大AI團隊 你沒有kaggle經驗人家收嗎
除非你是xx大神學生 xx論文得主 不然哩
重現東西很困難嗎? 囧> 你沒domain knowledge才困難
如果paper是對 很少數是很難重現的
更別提現在一堆都是要求公開的 等公開了早就慢了
99%的人都在重複工作 這到是有理 但只重複工作卻
不懂其他 那搞屁啊 只會每天重造輪子再來抱怨怎麼
都在重造輪子....因為招了只會重造輪子的人啊..
就ai 來說 我比較少看 thwebconf 我比較常看nips
cvpr eccv iccv icml iclr這種 你可能看不上眼的吧
thewebconf (上面少個e)
不用那麼悲憤吧,復現論文可以確保任何想得到的方法
和架構都能自己實作出來,大概就跟實作 list qsort
差不多意思,你不會從來沒寫過吧?
我沒有從頭到尾復現(?)過下面這篇文章 樓上大大你
可以幫我嗎? language models are few-shot learner
s
除了沒有data無法復現,還有可能是沒錢買GPU無法復現
樓上 這是一個非常不幸的現實啊 還有買不到GPU 囧>
456就水準太低的問題...會這樣問表示求職者大多都
會被這種問題篩掉......我會覺得這家公司不太妙...
median?? medium?? 這已經不是typo了吧
機率是什麼….我要在白板上寫機率公理嗎XD
5
其實看到這串討論文真的心有戚戚焉 目前AI工作2年多,是有一些心得... 其實AI方面的工作,更需要的是系統/資料收集相關的人員 例如 標註師、CUDA優化、嵌入式相關、伺服器相關等等... 這些都不需要數學多好,更要求的是程式/系統能力,需求量也更大39
我來散佈一些正能量好了 小弟在FANG的英國的一個一直賠錢的AI子公司工作4+年了。 其實我覺得數學真的沒那麼重要,除非你是要做理論的。 又不是每個人都是Ian Goodfellow, Ashish Vaswani, 還是 David Silver. 就算是這些重要的工作,也不見得數學有很深吧?35
嘛,看到這標題,身為本命愛蜜莉雅的肥宅工程師也來鼓勵(?)分享一下 本肥在112讀大學時修過CSIE田神的ML 猶記得當初只會寫C/C++的自己 在沒人提示的情況下,矇逼的手刻各種矩陣運算,一個作業寫了上千行code 在EE的繁重課業下忍痛停休23
大家討論了很多高深的數學,或是頂會。 實際上,我真的很懷疑有多少人真的在業界上搞 AI。 只論台灣吧。首先市場上純研發,需要數學或考績強制發論文的職缺,占不到5%。而且這兩年職缺越來越少。更何況頂會… 台灣業界一年也沒看多少人在發頂會,幾乎沒有吧。就連國際研討會,比例來說也沒看到多少人在發,常常看論文的我都沒搜到台灣業界發的論與。板上動不動就需要數學與改模型架構,真的感受差很大,可能是我看得不夠多? 好啦,如果你在國外大公司當我錯了。的確很多人搞數學,但是人數比例還是超級少。 再來談產品。首先論產品的效果,資料面就決定結果論了。實際工作時,有大部份的時間在處理資料。然後還是要花很多時間做特徵工程。當然特徵工程你可以搞很深的數學啦,但是可能需求方,多給你一個有用的資料特徵,都比搞數學重要。8
Hello 我勉強算是在一線外商做機器學習的 我覺得討論到這裡需要釐清一下所謂 "AI工程師" 的角色 在業界下圖打*號的都有可能會自稱是 "AI工程師" _________________________圖____________________________ Domain Expert4
就目前我所知道的AI來說,絕大多數都是應用在"現有產品"的加值上面 怎麼說呢? 譬如說我就有聽過EDA的公司找應用DL來把EDA做最佳化的學生, 或像是趨勢想要把DL應用在惡意封包的偵測上, 或是本業是嵌入式系統的公司,想要做出更炫的產品應用等等,12
xxx 這行,水很深。 隨便套個行業或專業都適用。 當遊民撿垃圾這行也很深啊。 我都不知道哪裡貨源比較多,哪裡睡覺蚊蟲少。 哪個遊民不是從無到有去慢慢學的,只是誰先學,誰後學而已啊,拍什麼。這套在任何行業都這樣啊。11
我也來雲一下,因為自己年資尚淺,有些錯誤地方可能請大家提一下 自己算是AI相關工作 首先,如果"興趣"是做個手寫辨識或者讀個書/看個報導就想去做這行的話 我自己是覺得...工作閒暇之餘當作課外作業讀一讀/做一做還不錯啦XD 畢竟多學一些東西總是好的1
on : 當起手 : 因為是新東西,目前就業機會相較其他語言比較少建議從別的學起,也建議我上來問問 各 : 位前輩
13
[閒聊] 非金控銀行員工薪資平均數與中位數金控的有人整理了 另外整理非金控的,有些像農業金庫我找不到資料,待強者補上。 --- 本年平均數 本年中位數 去年平均數 去年中位數5
Re: [新聞] 國人月均薪近5.6萬?主計總處:統計與實其實會有落差是正常呀 平均薪資通常依照薪資分佈 大概會落在快PR70的位置 只有中位數才是剛好在PR50 每次政府喜歡薪資數字漂亮 講平均數(薪資的平均數一定比中位數高) 一定就會有七成達不到的人在不爽4
Re: [新聞] 20元蚵仔麵線翻版!主計處公布「服務業還在什麼中位數,拜託一下啦,小弟統計老師啦 中位數又怎麼樣? 幫大家上上課 集中量數的意義是能一個代表整個母群的特性 整個分配是常態分配的話,平均數才有意義,這時平均數=中位數=眾數 當分配是偏態的話,平均數意義不大,偏的愈厲害,平均數就失真X
[問卦] 外送員,年薪中位數多少?2020年勞工中位數是50萬,平均數是65萬 那外送員中位數多少? 平均數多少? 外送員,年薪中位數多少? --X
Re: [問卦] 有沒有Omicron死亡年齡中位數是87.5歲的這是對統計的誤解 只要高齡者的死亡率遠高於較年輕者 染疫死亡的平均年齡就會偏高 舉例來說,假設某疾病染疫人數與死亡率: 80~100歲 100人,死亡率100% = 死亡100人