想轉職機器學習工程師的問題，要怎麼獲得敲門磚，需要證照嗎？
Hi 各位前輩, 機器學習百日馬拉松我已進行到尾聲，剛好也年底了，想請教若想轉職該怎麼準備會比較容易錄取機器學習工程師呢？ 我現職是機構工程師(剛滿3年)，機器學習的專案經驗0，主要是網路自學和AI共學社群 今年7~8月因為疫情的關係讓我思考職涯規劃，有什麼工作是我能不被距離、空間侷限，同時我又有興趣的呢？ 我想到的是AI領域(資料科學家、機器學習工程師、AI工程師等） 研究所時的論文是：「 」幾乎不像是機械工程所會寫的論文XD當時的教授算是我的AI啟蒙導師吧!疫情時又把這熱情重燃，決定趁年輕踏出舒適圈，雖然轉職真的不容易，但不試試看怎麼會知道呢？就先從學習開始，8月開始到現在4個月，幾乎每天都上課練習，目前希望年後可以轉職，但真的不知怎麼開始，在此請教各位大神前輩們，感謝！！！
回答列表
-
2021/12/15 上午 11:38Felix Pei贊同數：2不贊同數：0留言數：0
同學您好， 以同學您目前的狀況分析，您過往的碩論以及在這段時間自學的毅力與經驗，對面試官/HR來說而言是很不錯的加分項目, 比較欠缺的可能是實務的經驗，由於AI類型的職業絕大多數都有高度跨領域的性質，面試主管與人資最關心的問題不外乎是求職者解決問題的能力，如何能在單位時間內找到解題的方向以及找出較有可行性的解進方案是企業主管們最關心的問題，而最能證明自己具備解決問題能力的方式，就是拿出曾經解決過的問題。但要真正接觸到產業的實務問題並不容易，因為知識和技術可以學，但是產業的Domain Knowledge和產業實際的資料集是企業的資產，一般不會公開流通。所以就比較尷尬.....。 短期來說，你可以先試著投看看，也許從AI工程師(資料工程師)開始，先不要一開始就挑戰資料科學家。也許年後職場大風吹會有機會的 (因為你的底子是OK的) Cupoy近期將推出 AI TOPGUN產學實務培訓計畫，與各種具代表性的企業進行深度合作，由企業提供實務上的真實需求與資料集，並搭配Cupoy的AI專家與助教進行最小可行性產品(MVP)分析實作，學成後你將獲得企業與Cupoy聯盟頒發的專案執行證明，並且你也可以將MVP的專案程式碼帶走，作為發展你未來工作的基礎。這部分之後我們會再請同事通知您。
-
2021/12/16 下午 02:11王健安贊同數：5不贊同數：0留言數：0
Howard_Hsu您好， 我想我也來分享一下自己的簡短經驗， 上個月資策會有舉辦「2021企業數據競賽」， 當時其中一個出題方「PChome」在開幕式時直接開宗明義想要招募數據分析師與資料科學家， 那時我其實在思考：「在現代與數據分析、AI自學平台、教材、影片甚至是補教業都在教AI與數據分析，甚至到了氾濫的地步，為何企業還會招不到擁有數據分析專長的人才呢？」 我想您也可以趁這機會思考屬於您的答案。 經過思考後，我初步得出屬於自己的答案， 就是「要對數據有敏感度，同時要擁有改變方法的創新能力」， 近一、兩年興起的課程我覺得靠它們的課程內容， 還沒辦法直接進入AI領域相關職缺或產業， 因為課程內容都會著重在基礎的機器學習、深度學習或者AI的簡介與簡單的實作， 像是常見的模型如何建置、基本的模型好壞如何評估、常見的優化方法或前處理技巧等等， 但在「自動化建模」的技術興起，諸如：python中的autosklearn、autogluon、autokeras、autopytorch等套件都已經可以幫助人在建模上不需要花太多心思在參數調整上， 以及在AI需求越來越精準，但資料也會容易越來越小， 進而導致「不平衡資料」、「小樣本資料」的案例越來越常見， 這也是目前研究領域一直想克服的缺陷， 因此我覺得單純上完課程、自學教材內容是不夠的， 最起碼一定要去「比賽」， 像是Kaggle平台、AIdea平台、AI CUP計畫都是台灣常見典型的比賽來源， 選擇一個您有興趣的題目後，先從您會的方法開始， 然後根據題目本身的問題，上網查詢文獻或社群網站，找出解決方法， 接著最重要的是，一定要定期紀錄並寫成報告， 儘管競賽最後沒有得到好的名次， 但可以分享競賽期間做了哪些嘗試、遇到什麼問題， 讓面試官直接知道您遇到問題是會怎麼解決， 我想，這就是公司想要的AI人才了。 綜上所述， 透過競賽、或是專案實作， 累積自身對資料分析、AI建模的經驗與感覺， 相信對您的轉職一定有幫助。