This topic has been archived. It cannot be replied.
-
枫下家园 / 望子成龙 / AI 究竟是哪个专业得技术?因为AI是新技术,原来没有完全对应得专业。大概数学系,计算机科学系,电子工程系都有一部分得只是涉及到了AI相关得部分。。。
从原理来说,本来数学系最合适。可是数学系得系统论方面比较弱,而AI其实也是一个信号系统。但是电子工程系得学生,要理解到AI,数字化和概率统计又比较弱。计算机科学系,本来和AI理论并不相关的。但是计算机科学的人研究新技术比较多。
-somepeople(不要PM我,就不改);
2023-4-1
{222}
(#15316758@0)
-
是的,现有的专业设置,没有一个完全涵盖AI的所有知识点
-hubeir(pct);
2023-4-1
(#15316770@0)
+1
-
中国现在的大学,本科阶段就开人工智能专业了。虽然课程估计教的不咋地,但该学的课都可以学到,数学、统计、计算机都给你教一点。北美仅仅在CS专业下开设人工智能方向,其实学的也都差不多。
-cfc0000(阿百川);
2023-4-1
(#15316786@0)
+1
-
统计是正牌,传统的ML就是统计模型,神经网也以线性代数和统计优化为基础的。CS负责提供数据和工具及环境。硬件就是把软件固化,不是啥新东西。当然如果用AI的成果做机器人啥的,需要些工程控制。
-guest3(星光灿烂);
2023-4-1
(#15316787@0)
+4
-
统计跟AI差了十万八千里
-robos(不错);
2023-4-2
(#15317544@0)
+1
-
你不懂
-**🥖;
2023-4-2
(#15318507@0)
-
AI本来就是一个交叉学科,属于在information science, CS中偏人文类交叉,不光要会CS,EE的一般知识,还要了解社会学知识,因为要建模
-opulus(opulus);
2023-4-1
(#15316804@0)
-
你不懂
-somepeople(不要PM我,就不改);
2023-4-1
(#15316834@0)
+7
-
个人认为属于自动控制,电子工程和计算机合体的一门学科,你如果说也包括数学,其实任何学科都需要数学知识。
-liaison01(红桃A);
2023-4-1
(#15316853@0)
-
你不懂
-somepeople(不要PM我,就不改);
2023-4-1
(#15316856@0)
+10
-
所有的AI模型都是建立在海量高算力的GPU之上的,将来会有专用的AI处理器。搞AI花在这些硬件上的钱和运行费用才是大头。
-**🦑;
2023-4-1
(#15316907@0)
-
科技发展,已经到了多学科跨界的程度了,不过,数理化这三门,至少目前还是人类一切知识和发展的基础,计算机说白了,就是纯数学,只是很多人以为自己会写代码,就是数理化都是大牛了,呵呵
-x2y(xfer);
2023-4-1
(#15316957@0)
+1
-
AI/ML是硕士项目,数学和编程是基本条件。问了下ChatGPT,回答说是加拿大也有多个专注于AI的专业:
-davidwuu(老吴);
2023-4-2
{1205}
(#15317490@0)
-
AI算法的理论基础是Math,算法实现是CS,工程实施是CE,最后还得有Marketing推广,Business融资,Finance收钱
-robos(不错);
2023-4-2
(#15317543@0)
+4
-
这个可以分成两个不同问题:1. 设计 AI ML model / 算法, 需要哪些专业知识?2. 使用已有 AI ML model,设计AI ML training pipeline,解决实际工程问题需要哪些专业知识?
-xmlhttprequest(build5381);
2023-4-2
{1653}
(#15317706@0)
-
请问公司招聘时前者和后者职位名称有什么不同?还是说名称类似,具体做什么看招聘广告写的工作内容?谢谢。
-freyah(Freya);
2023-4-2
(#15317748@0)
-
一般公司招第二类的,叫 Machine Learning Engineer 之类的。第一类往往不是公司招人,而是一帮博士或教授发论文发表个新算法/模型 --- 火了以后可能继续当大学教授,或直接成为公司创始人。
-xmlhttprequest(build5381);
2023-4-2
(#15317800@0)
+1
-
公司没有模型和算法招第二类做啥?还是说去大学实验室收购模型或算法,再招第二类。
-freyah(Freya);
2023-4-2
(#15317819@0)
-
一般的算法发表出来你就可以用了啊,就好比 CS 里各种排序算法 --- 随便用,你只需要 figure out 怎么用它们解决你的业务问题。不过对于 AI ML,就算有了基本模型/算法,customization 也还需要很多 ML / computer vision 之类专业知识,这是为什么需要第二类人。
-xmlhttprequest(build5381);
2023-4-2
(#15317869@0)
-
难的不就是第一类吗?还有人机的连接,让机器识别人的语言或其他指令,还要有较高的准确度
-winonca(小温);
2023-4-2
(#15317898@0)
-
简单讲,绝大部分人都做不了第一类,想做也做不了。不是一个选什么专业和怎么努力的问题。
-kittywhy(kittywhy);
2023-4-2
(#15317908@0)
-
更虐心的是,第一类人的父母多半从来没推过 🤣🤣🤣
-xmlhttprequest(build5381);
2023-4-2
(#15317926@0)
-
也有不少人做,你查查那几个大科技公司的AI部门和一些中小型AI公司,像openAI, 谷歌买它Amazon微软等都有专门做AI的组。这些人大部分是CS数学类出身。
-winonca(小温);
2023-4-2
(#15318329@0)
-
相对而言吧。比如 “根据 OpenAI 官网显示,为 ChatGPT 项目做出贡献的人员共 87 人” 而全球每年几百万 CS 毕业生。
-xmlhttprequest(build5381);
2023-4-2
(#15318383@0)
-
openAI 雇员应该有几百人,只是做chatgpt 的组这么多而已,google brain就几千人,他家还有DeepMind, 再有其他公司的AI组,人数不少呢,至少不会都在wiki上
-winonca(小温);
2023-4-2
(#15318417@0)
-
里面分工不同。这里面做第二类的也不是少数。amazon,msft,google, meta, apple这些公司都会抢这个赛道,这些都是要盈利的,要做产品。产品就是应用的问题。
-kittywhy(kittywhy);
2023-4-2
(#15318817@0)
-
没看懂你想说什么。当然有人做。当然有数学cs专业的。难道我说的做ai都不是是学数学和cs的?
-kittywhy(kittywhy);
2023-4-2
(#15318810@0)
-
😅抱歉可能我跟错了,误解了,好像谁在说做AI第一类的人少,这些人都有自己的wiki.
-winonca(小温);
2023-4-2
(#15318848@0)
-
第一类人往往有自己的 wiki page。
-xmlhttprequest(build5381);
2023-4-2
(#15317914@0)
-
不用拿么夸张,openAI, 谷歌买它Amazon微软等都有专门做AI的组,不少员工呢
-winonca(小温);
2023-4-2
(#15318340@0)
-
数学,计算机,Machine Learning
-otter(pistachio);
2023-4-2
(#15317879@0)
-
首先更正一下楼主,AI不是新技术,是属于标准的老CS范畴,CS从50年前开始搞,其中的深度学习的理论基础也有30多年的历史了,这是标准的CS学科,其他都是来蹭流量的。
-ff2021(ff2021);
2023-4-2
(#15318447@0)
+1
-
深度学习直到2010年以后才逐渐进入主流,之前的主流是decision tree, random forest, svm 等等都是统计。统计ML现在仍广泛应用,因为是可控的白盒子。当然啦,80年代就有AI学位,但那时候的AI跟现在是完全不同的东西
-**🥖;
2023-4-2
(#15318535@0)
+2
-
之前算力不行,也没有大数据的支撑,但是AI一直是CS的范畴,应该是没有异议吧。
-ff2021(ff2021);
2023-4-2
(#15318545@0)
+1
-
80-90年代的AI更接近自控,中科院自动化所有这个学位,基本是EE
-**🥖;
2023-4-2
(#15318558@0)
+2
-
做自动控制的人,鼓吹的是模糊数学。这个可以说是非学习的神经网络。但是,其幼稚程度可以说是3个月的小孩。而其数学理论更是负贡献,乱七八糟。
-somepeople(不要PM我,就不改);
2023-4-2
(#15318855@0)
-
自动控制常用方法有 PID,自适应,模糊控制,专家系统,神经网络等等等等。神经网络和现在流行的深度学习有一定关系,但 80-90 年代基于硬件算力,自动控制领域多采用 PID 这类经典控制方式。
-xmlhttprequest(build5381);
2023-4-2
(#15318921@0)
-
30年前,学计算机科学的人的数学是在理工科里面输入最少的,那时候神经网络和计算机科学一点关系都没有,数学统计和金融建模支撑着神经网络的继续发展。而计算机科学家们鼓吹的专家系统对人工智能起到极大的负作用,让人工智能迟到了起码20年。
为什么计算机科学的人鼓吹专家系统?因为那是数学要求最少的解决方案。人工智能的头号理论贡献要来自于统计学家和概率论,然后是金融投资。
而做自动控制的人,鼓吹的是模糊数学。这个可以说是非学习的神经网络。但是,其幼稚程度可以说是3个月的小孩。而其数学理论更是负贡献,乱七八糟。
-somepeople(不要PM我,就不改);
2023-4-2
{271}
(#15318837@0)