推 encorek22554: 如果是學習概念與入門基礎，推薦李宏毅的課程，實 12/28 17:14
→ encorek22554: 作面你終究要碰程式碼，但一般人玩ai頂多框架疊疊 12/28 17:14
→ encorek22554: 積木應該也不是太難 12/28 17:14
推 jknm0510a: 我最近也在學DL，是看台大李宏毅的公開課，講得很好 12/28 17:15
→ jknm0510a: 但是需要程式基礎和一些數學基礎，像我不太會python 12/28 17:15
→ jknm0510a: 就寫幾句需要google看一下文法怎麼做 12/28 17:16
推 Bluexuan: 不管買哪個平台的線上課都需要花時間大量練習 12/28 17:25
推 lungger: 機器學習林軒田 看完接深度學習李宏毅 12/28 18:13
→ acgotaku: 不用專研 真的浪費時間 你直接研究人家做好的工具 12/28 18:18
→ keepxha: 學這塊要出國發展，台灣舞台太小，直接用人家研究好的模 12/28 18:24
→ keepxha: 型做延伸產品吧 12/28 18:24
→ keepxha: 中研院也是拿人家的模型來套 12/28 18:26
→ weeafterwork: 鍵深坊的課不錯，可以找Wayne，他有五年經驗教基礎 12/28 18:29
→ weeafterwork: 進階都滿OK 12/28 18:29
→ teddy: 台大李弘毅 陳縕農 12/28 20:21
推 kilala12: 市面上的課比較多前端後端的～機器學習的確實比較少 12/28 21:01
→ stepnight: 沒相關技能，有辦法靠機器學習轉職嗎 12/28 21:22
推 jigfopsda: 李弘毅看完以後去刷 Kaggle 12/28 21:27
→ jigfopsda: 更正，一邊看一邊刷，做中學進步才快 12/28 21:28
→ jigfopsda: 刷出一點心得以後看看工作上有什麼專案可以應用 12/28 21:30
→ jigfopsda: 看看能不能說服主管讓你做看看，開始做有業界經驗看要 12/28 21:31
→ jigfopsda: 內轉 ML 或外找都可以 12/28 21:31
→ jigfopsda: BTW 先把 coding 基礎學起來再學 ML 12/28 21:32
推 richardz: 題外話沒有coding基礎，直接學ML會不會很辛苦啊 12/28 22:59
推 libitum: 如果興趣學 coursera上面有很多不錯的課程跟資源 12/28 23:48
→ libitum: 如果想要學而轉職 放棄吧 ML相關職缺太少了 你競爭者不是 12/28 23:48
→ libitum: 相關科系碩士就博士 輪不到你 想轉職走前、後端實際一點 12/28 23:49
→ libitum: 沒有coding基礎 你學ML要怎麼實作？ 就是紙上談兵而已 12/28 23:50
→ bowin: ML is programming: it's part of software engineering. 12/29 03:55
推 rocking5566: 先說說你的需求吧，你想要快速用AI做出應用呢？還是 12/29 04:46
→ rocking5566: 想學習AI背後的原理 12/29 04:46
推 encorek22554: 感覺他只是做做應用而已，不太需要看到林軒田的課 12/29 08:35
推 jknm0510a: 不會coding但是很會研究很會數學也是可以拉，走模型 12/29 10:40
→ jknm0510a: 優化，但是想想你優化後的模型也是要靠coding驗證... 12/29 10:41
推 NerVGear: 不要學 而且ML吃的是Domain knowlege 12/29 12:05
→ NerVGear: 不同領域的ML天差地遠 只想轉職學好coding遠比學好ML更 12/29 12:05
→ NerVGear: 迫切 不如刷爛LC還有點機會進Google 12/29 12:06
推 DarkIllusion: 不用上課 你直接跟著Pytorch的tutorials頁面開始做 12/29 12:50
→ DarkIllusion: 看完以後自己去huggingface上找你想玩的應用 12/29 12:52
→ DarkIllusion: 還有你最好能寫點Python 不會很難 12/29 12:58
→ JCyao: 推鍵深坊 課程淺顯易懂 小白也適合 一天花個一兩個小時練 12/29 14:55
→ JCyao: 習長期下來會進步很多 12/29 14:55
推 whatzup1124: 其實現在有low code或是no code的模型訓練平台耶，有 12/29 17:37
→ whatzup1124: 概念也能訓練自己的模型 12/29 17:37
推 patrick2dot0: 可以去datascience板問 12/29 17:51
推 DarkIllusion: datascience板討論風氣很糟 不推 12/29 18:12
→ Iversonshao: 大金老師 作業一定要寫 會變強的 12/29 21:28
推 drajan: 還記得十年前在板上談ML一堆人根本連聽都沒聽過 真是十年 12/30 09:03
→ drajan: 河東十年河西啊 不禁有點感慨 12/30 09:04
推 kevin190: Coding不是最重要的，因為現在太多工具太方便開發，建 12/30 11:13
→ kevin190: 議要先學好線型代數跟機率 12/30 11:13
推 bear1414: 沒經驗要自學轉職會比較辛苦 從應用開始比較實在 12/30 17:09
推 unmolk: 李宏毅+林軒田 12/30 23:21
推 waldo870: 沒code基礎，有沒有統計或資料基礎？ 12/31 02:28
推 waldo870: 深入瞭解還需要計算基礎跟英文能力，跑雲端的也要有雲的 12/31 02:36
→ waldo870: 基礎 12/31 02:36
推 paul123: 推薦李宏毅 不錯 12/31 15:56
推 swear01: 不要陳縕儂 本人112在學 千萬不要 12/31 17:29
推 daniel021477: 過來人建議你，先不要看李宏毅課程，因為你根本看 01/01 02:05
→ daniel021477: 不懂，懂了你也不會用，先去買Udemy課程，python一 01/01 02:05
→ daniel021477: 定要熟，不然你要怎麼套模型？啊如果只是hugging 01/01 02:05
→ daniel021477: face 或是線上玩一玩那就算了 01/01 02:05
→ daniel021477: 另外，沒有統計線性代數基礎，你看李宏毅課程就是 01/01 02:06
→ daniel021477: 自找苦吃了 01/01 02:06
推 bomb1000: 推爆Daniel，要無負擔的看李洪毅還是要有基本微積分統 01/01 13:26
→ bomb1000: 計跟線代基礎，不要什麼都沒有傻傻去看，會浪費時間 01/01 13:26
推 mcps5601: 我覺得李宏毅講的很棒啊，有些比較難的部分YT下方留言 01/01 22:21
→ mcps5601: 可能有人補充了 01/01 22:21
→ mcps5601: 要系統性學習的話，我覺得需要先確定大方向，像是CV, 01/01 22:24
→ mcps5601: NLP,或speech 01/01 22:24
推 jknm0510a: 李弘毅的課是看了一堂後要自己找好幾堂的課來補裡面的 01/02 11:04
→ jknm0510a: 知識，不是補線性代數微積分就是補以前才講到的模型 01/02 11:05
→ jknm0510a: 一個transformer作業裡有用到RNN就要回頭去找幾年前講 01/02 11:06
→ jknm0510a: 的RNN課程，我都想現在大學生這樣修一門要花那麼多時間 01/02 11:07
→ brucetu: 很多知名模型的論文也沒有線代跟統計啊 -.- 01/02 20:21
推 chaxxene: 機器學習應該主要是python？python滿好上手的，加油 01/03 15:14
推 kidtoo: 自學真的要有很大的自制力 01/03 15:25
→ aria0520: 先看李宏毅 01/16 10:00
→ aria0520: 覺得有興趣後再去補軒田 01/16 10:00
推 miku3920: 李宏毅影片先看，覺得自己會了就去挑戰他的作業，然後 01/16 12:41
→ miku3920: 你就會開始懷疑人生，繼續查資料刷影片 01/16 12:41