技術論壇
發文時間 2020/09/07 作者 junwei01
瀏覽次數 3423 留言數量 5 按讚 0
其他 #人才培育#產學合作
有人說:沒有一個行業找不到充滿潛力的人工智慧應用,所以我們是處在一個非常關鍵、非常讓人興奮的時代。然而,AI的人才不好找,更不易培養,不知台灣在AI人才的培育上做的如何?
之前的人常講「加油! 努力很重要」, 不過這個時代變化的效果比甚麼都快, 所以其實「選擇, 事實上比努力還重要!」
我從去年開始, 看到不少學員一頭熱跑進來, 其中還有人更扯 : 都不來訓練營, 直接窩在我們配給的宿舍吹冷氣、玩手游, 中午領了便當救人不見了, 到活動結束還問說是不是可以申請獎助金!?
不只是活動課程, 網路上諸如Kaggle等網站也有一大堆的教材跟範例, 所以要問人才培育做得怎樣, 我倒是覺得只要有那想法, 其實都不是問題! 真沒那想法, 勸你別浪費時間
作者 laisan86 發文時間 2020/09/13 按讚 0
發文時間 2020/09/08 作者 chengxiansong2
按讚 0
要培育AI人才,首先要知道:「現在發展AI遇到什麼樣的問題?」台灣人工智慧學校前執行長陳昇瑋歸結指出四個問題:
第一個問題就是缺乏人才,缺乏有經驗的人才。
第二個問題缺乏資料,因為機器學習就是需要資料,資料沒有準備好,有人才是沒有用的。
第三個問題是經常「找不到問題」,一位工程師往往看不到公司或大企業真正關鍵的問題在哪,他只能解決他面前機器的問題。
第四個問題是:懂得機器學習、有十年經驗以上的人,大多都在學術界,很難讓他們的能力貢獻出來。
發文時間 2020/09/08 作者 ypei91510
按讚 0
你想知道全球AI領域人才的熱門需求是什麼,有份《Linkedin全球人才大數據報告》的Top 10如下,給你參考:
- 演算法、機器學習
- GPU(圖形處理器)、智慧晶片
- 機器人
- 圖像識別與計算機視覺
- 自然語言處理
- 智慧精準行銷
- 語音識別
- 推薦系統
- 搜尋引擎
- 智慧交通與自動駕駛
發文時間 2020/09/08 作者 hannibal34
按讚 0
由於AI當道,坊間也出現許多「AI速成班」,但AI真的像架網站一樣能速成學會嗎?恐怕很難。
若要成為一位能設計新的演算法的AI演算法工程師,除了要有基本的程式設計能力外,還必須有線性代數、離散數學與微積分等數學基礎,以及懂資料結構與演算法等,這些領域基本功要夠扎實,只懂皮毛很顯然是不夠的。
所以若看到「AI速成班」,或強調「不需要擁有研究生水準的數學,你也可以輕鬆建立屬於自己的AI」的課程,你可要特別小心,別花了大錢又無法順利轉業喔。
發文時間 2020/09/09 作者 omnixri
按讚 0
人才不足一直都是存在的問題,不管每個世代興起何種技術,總是會有人擔心自己跟不上潮流,會被淘汰,於是就會有產生很多教育市場缺口,但風潮一過,就會回歸技術本質的學習,就像多年前的雲端、數位內容、大數據及近年來的人工智慧。
目前市場上的產品好像沒掛上人工智慧或智能,就好像低人一等,於是就拼命說自己也是智慧一族,就像二、三十年前的電子產品,加了一個單晶片(MCU)就說是微電腦,如微電腦洗衣機、電風扇、電鍋等等。雖然市場不一定完全買單,但至少也培育了不少人才,造就台灣今日電子榮景。
現在AI人才的培育大致分為學校教育(資訊本科生及非資訊生)、專業培訓機構(如人工智慧學校)、短期 習班及線上教學(免費及收費)等類型。越前面的類型就越有系統、基礎實力就越好,能解決各種不同變形應用,但養成時間也越長,人才數量有限。而越後面類型就快上手,但只知其然不知其所以然,很難面對真正實務應用,更不要說開發AI相關產品或導入AI技術了。
所以廠商想要有自己的AI人才就必須依不同需求建置不同等級及不同數量人才,如此才能更快以案子培養人才及實戰能力。
發文時間 2020/09/09 作者 omnixri
按讚 0
目前AI人才又可分為科研型、應用型及協力型。而不同的人才要採用不同的培育策略。
科研型幾乎都從學術界產生,且多半為資訊相關本科生,主要以研究最新論文,提出合適的技術方案,解決各種不同類型AI問題。這類人才不易自行培訓,需向學界取才或以產學合作方式取得相關技術。
應用型人才,則隨不同應用難度,可以透過快速培育單位,給予適當技能訓練,利用常用的模型、算法及自家資料集重新訓練成合用的AI應用。人才培訓可採內訓或外送培訓方式取得,而已受過類似訓練的新進人員則可安排至初階工作歷練。隨工作能力提升,再進行進階培訓,增加解決問題工程能力。
協力型人才,主要是處理資料清洗、標註,模型調參,佈署效能改善等工作,雖然不是主力工作,但沒做好就會導致整個AI應用效能崩潰。這類人才負責的工作屬性較為單純,可以快速培訓能力,甚至可以透過線上教學系統。
我個人雖然目前是教職, 可是畢竟是Maker出身的, 所以還是比較贊成「做中學、學中做」這一套啦~像是之前我講過的, 我們北科大的Coding 365暑期免費公益教學活動, 倒是可以考慮 :
https://www.edu.tw/News_Content.aspx?n=9E7AC85F1954DDA8&s=CB6C66919ABC43E9
之所以這樣建議, 就是希望大家別一頭熱就衝進去, 把Coding 365當成是一種體驗營, 先搞清楚自己是不是合適
作者 laisan86 發文時間 2020/09/13 按讚 0