1樓:
看到大家說ML門檻低,我想說其實ML可以很難,完全看任課老師的教學方法以及水平了。
HKUST的ML/DL課,充滿著數學推導,難度絕對不小,我覺得大家可以挑戰一下,之後再評價門檻問題。
2樓:冰糖葫蘆
扎堆申AI方向很正常。
1.未來看好的行業必定伴隨著極大的泡沫,你見過沒有泡沫的繁榮嗎?
2.扎堆申請AI說明,學校多+導師多+坑多+funding多3.目前廣義的AI,雖然經過6、7十年的發展,仍然處於黎明階段。
4.2010-2020世界經濟轉軌到數字經濟,AI前景廣闊。
3樓:
如果你會AI+System: Very Good. 學界工業界隨便混。(我的理解就是你的工作能不能claim成乙個系統,或者你的工作對底層有沒有優化)
如果你會AI+Math: Very Good. 不愁找不到工作。(我的理解就是底層各種原來玩的賊溜,公式隨便推)
如果你只會AI+調參+灌水。那基本就是死路一條。(我的理解灌水就是換資料集,換模型,換場景,修修補補+換個頭或者胳膊)
4樓:
深度學習會逐漸普及化、大眾化,難道不是一件好事嗎?就像線性回歸、Logistic 回歸、層次聚類、主成分分析這些統計學工具,哪個學科不在用?理科社科的人用 stata 甚至 spss 這類圖形化介面做統計演算法挖掘,可比 tensorflow 簡單多了吧,知道你們瞧不起,畢竟他們連二叉樹都未必學過,更別提凸優化,可是別人結合領域知識在切實地解決學科的問題,不見得就比起變著花樣搞複雜模型,搞一堆bound的證明,然後在選擇過的資料集證明自己比stoa好0.
1差吧?
5樓:
有一說一
作為精緻的利己主義一代,不希望大家把AI裡的人才都帶出來。
先等我在看好的領域裡坐穩了再把風口帶過來比較得勁er。
經濟過程就是如此,有供給需求差就有人來,但是早晚得飽和,飽和後得看行業本身創新能力。
學習曲線邊際效益遞減啊。最難的東西才是最簡單的東西。
6樓:張帥Daven
當年是誤打誤撞,申請到了計算機的博士。也是我唯一申請的博士專案(其他的都是申請的碩士專案)。讀博士這幾年,AI這個領域越來越火,火到AI中的乙個會議AAAI一年的投稿量可以上萬。
這是萬萬沒想到的。
AI這幾年進展確實不錯。但是研究和髮頂會這兩年是越來越難。入門門檻也是越來越低。
本科生有點程式設計基礎就可以研究一下tensorflow的教程,搞神經網路。有些本科就已經發了超級多文章了,更別提碩士了。
計算機四大博士,現在門檻差不多已經是NeurIPS,ICML這種起步了,或者是強推。基本上能申請到的大部分是top2的或者是國外學歷。華五都很少。
我覺得破裂不至於,但是會越來越理性。
7樓:Hermes777
PhD的數量是由錄取決定的。我們不要看申請有多少,而要看錄取有多少。而似乎並沒有擴招的趨勢
不過工業界許多尬吹確實過了,可能商業上會有一小波泡沫吧;大概不會影響到PhD
8樓:
對於真心想把phd當成phd讀的,喜歡什麼就做什麼吧,熱門名次學校什麼的不太重要。
肯定有泡沫,肯定會破裂,不過破不破裂和人其實沒太大關係,畢竟是個你喜歡的的事吧,主次分清楚。
9樓:在學習室
無人駕駛技術普及了嗎,通用人工智慧發展了嗎,KRR, Search, Planning已經研究到頭了嗎,中文NLP已經可以實現情感機械人了嗎?
我這說的還是傳統AI, 統計學那邊的ML DL也一定有能研究的東西。做phd的話人多不多有那麼重要嗎
10樓:Alps
我覺得AI最大的問題不在於人變多了. 在於AI自身沒有足夠突破性的進展. 參考著幾個領頭人. 都是大公司待一段時間就走了.
11樓:find goo
AI未來的空間會很大,可能超出了想象。
別的領域不說,光說圍棋人工智慧,現在離最優解還遠得很,也許永遠也算不出最優解。而且水平怎麼樣,很好判斷。
人工智慧AI相互PK一下,統計一下勝率,高下就立桿見影,這和很有多行業不能量化完全不同。有了這個PK,你的任何優化成績也是立桿見影的,評價標準很簡易。
就算那天算出了圍棋的最優解,還有程式的速度問題,如能不能實現秒級,毫秒級下棋?這個空間也是非常大的。
就算速度非常快了,可以做到毫秒級,那下一步能不能低功耗?在手機,手錶的晶元上能不能執行,usb介面供電能不能執行?
就算晶元做到了低功耗,能不能實現低成本?以一百元,幾十元,幾元的成本來實現計算呢?
就算做到了低成本,那能不能做到超計算?如同位元幣挖礦晶元一樣,乙個挖礦晶元可以抵n臺頂級計算機。
就算做到了超計算,那能不能實現未來計算?用量子計算機指數增長的算力,來實現程式演算法,然後再在量子計算機上重新優化上面列舉的各個可優化點。
可人工智慧可優化的地方,實在太多,未來的發展前景非常大,未來實現起為並沒有想象的那麼快,但很多關鍵點一旦突破,就可以有更大的發展空間。
乙個新興的行業,到處都是機會,而乙個研究幾百年的行業,到處都是高山,連複製都難,科技研究當然選擇新興行業。
現在只是開始,而不是結束。。。
12樓:
如果CS PhD也「畢業即失業」,那麼CS Master呢?
每年產生的Master數量遠遠多於PhD。因此,如果你仍然打算從事這個領域,那麼去追求PhD學位無疑才是乙個明智的選擇。當然,如果你打算離開AI這個領域就另當別論了。
PhD的價值不僅僅侷限在學術訓練上,也是乙個在某個小方向上建立自己聲譽(Reputation)的好機會:在PhD期間獲得的所有成果都將與你自己牢牢繫結在一起;而當你進入企業之後,這份聲譽可能會更多地落到你的上級身上。
Take-away: 本科和碩士階段偏重技能層面的訓練,而博士階段提供的將是完全不同的事物。當「供給」「扎堆」的時候,篩選變得更加困難,而在此時「聲譽」的重要性才更加得以凸顯。
如果想要在乙個過熱的領域發展,乙個博士學位在很多場合都會對你大有裨益。
13樓:
你要是了解EE,就知道AI沒有什麼所謂的泡沫,EE裡的分支無數,但在我們真正科班出身的EEer看來,無非是四種工作:寫軟體訊號處理、寫FPGA訊號處理、天線設計、IC設計。
但你隨便開啟中國電子類高校的網頁,看一看他們的EE學院裡有多少亂七八糟的專業,就知道什麼叫泡沫了。
而AI,就是CS的乙個大分支,而且是最新的乙個分支,但論其火爆程度,還不一定比得上多年前的通訊工程。EE從高薪行業,變成夕陽行業,尚且經歷了2G、3G、4G、5G的過程,AI這才剛剛開始應用,急什麼。。。現在AI火爆,是因為各行各業都有AI化的需要,等AI被充分應用了,自然會有新的熱點出現,到時AI才會變成勸退學科。
唯一可以確定的,就是CS「以人為本」的時代已經過去了,未來是以資料為本、以GPU和TPU為本的時代,人力只是整個生產線上的乙個普通零件。很多公司裡的model的引數與其說是設計出來的,不如說是測試出來的,換而言之,你的GPU越多,你的測試結果就越多,你的model就越先進,所以與其給碼農發工資,還不如花錢去買資料、買硬體。
14樓:「已登出」
不會,學AI除了AI相關的工作還可以做web前端,伺服器端,android,ios…………總之…………
不過cs有趣的領域那麼多,做一做別的啊……真喜歡AI的話做圖形學也不虧嘛
15樓:
四年前報志願時候
他們說計算機都已經爛大街了,你現在報這個畢業了肯定找不到工作結果呢,現在讀研TM的又轉計算機了
你現在說AI扎堆已經爛大街了
我信你個鬼,你個糟老頭子壞的很
16樓:念舒
不會,只是因為AI和其他行業結合沒有AI直接應用在計算機視覺等方面容易,其實AI真正的金礦還沒有被挖掘。如果八年前我做了計算機視覺,就不一樣了。我好可惜。
一步錯不不錯啊,人生啊,最重要的是先愛自己。
17樓:王友初
有幾個概念需要說明下:
(1) 扎堆申請與AI泡沫是否破裂沒有關係。
(2) AI是否有泡沫,這個目前結論無法確認。其實目前談論的AI還是非常膚淺。畢竟沒有任何理論的突破。
(3)AI的發展嚴格受限於人類對於人類自己的認知。現在人類對於自己的認知還非常有限,所以AI的道路很長遠。
(4)最關鍵也是我一直思考的問題,真正意義上的AI一定不是搞計算機的人能搞出來的。基於計算機的AI是最基礎的AI。
(5)AI的發展非常有前途,在幾代人的時間裡面,不可能有泡沫。
18樓:張白黎
一旦AI投資風潮褪去,或者變成理性市場,AI崗位變少是必然的。
然而,有能力的PhD在任何行業,都是最容易轉行的。
補充甲方知識:如風控,投資,保險,質檢等等,做專業的甲方專屬分析師。
降維打擊弱者:卯足了勁學半年,把未來所有IT行業的本來屬於本科生的工作搶來:前端、運維、拉控制項。
開培訓班教小朋友:爭取計算機加入高考,爭取把AI平民化。
真正需要擔心的,是勉強轉行,能力一般的中下層次IT就業者。AI投資風潮一過,平日裡跟你們談笑風生的PhD就瞄準你們的工作了。
沒辦法,大家都要吃飯的,僧多粥少。
結語:年輕人應該學會客觀羅列自己的features。量化自己,腳踏實地,努力學習。
19樓:「已登出」
現在搞得都是弱人工智慧,可能會有盡頭,但是還有默默搞強人工智慧的,就沒盡頭了,那個跟醫學,生命科學類科學,心理學哲學等等是並行的。不過哪天搞出來,第二天恐怕我們都得失業。
20樓:
發表一點兒潑冷水的想法。
如果你真的喜歡,下面的內容沒必要看了,朝著自己心中的方向一步步前進就好了。
如果你只是覺得AI現在是風口,AI現在是高薪,俺認為還是要慎重一下滴!
俺不評價AI將來會怎樣,以免引起不必要的爭端。講一講挖礦的事吧。
當平民玩家知道能用CPU挖礦時,高富帥在用GPU挖礦;
當平民玩家開始使用GPU挖礦時,高富帥在用FPGA挖礦;
當平民玩家在城裡挖礦時,高富帥在西部挖礦;
當平民玩家在西部挖礦時,高富帥在北歐某國家挖礦;
21樓:
想問問quantum physics+ AI 現在怎麼樣了,看最近量子機器學習做了不少有意思的成果。
物理專業的,馬上要讀研究生,不知道量子計算好不好。想做點機器學習有關的工作,但是直接跨轉CS的話難度太高。
如何看待 2019 年 JAVA 開發就業減少現象
小精靈58 現在正在實行科技興國的年代,需求怎麼會減少,只會需求越來越多,只是在技術要求上會越來越過硬,如果只靠大學學的那點基礎應該是很難就業的 mayend 答一波,最近也剛投完,在boss上投了很多,大都是業務相當或專業對口的公司回應的,其他的公司上來都是三連 做沒做過微服務,springclo...
如何看待2023年的江南?
遊浪z 算了吧,放過江南吧。算是老讀者了吧,我能想象他本著暑期三個大IP面世,像個野心家佇立在北京氣派的寫字樓裡,巨大的落地窗映出他俯視著這天下繆繆眾生的樣子,衣冠楚楚,躊躇滿志。本以為三大IP造勢能一浪高過一浪,微博熱搜榜裡長期會有他的名字,世人們也都會知道江南還可以是個人名,他書寫的還不錯。結果...
如何看待2023年CSGO柏林major決賽Avangar0 2Astralis?
沉淪 裝死半年鴿賽無數小組賽甚至能跟crazy打五個加時的火車的a隊結果進八強以後三個2 0 這有什麼好說的 開掛有什麼好說的 看來自瞄還是打不過透視啊 這個摸到天花板的隊伍讓我不禁想到丹麥的另一支隊伍於是我就想到ti 想到lgd.順便阿湯哥是真的帥並且生日快樂 魔男的馬步扎的是真的穩 6657長得...