為什麼這篇kaggle競賽攻頂秘笈鄉民發文收入到精華區：因為在kaggle競賽攻頂秘笈這個討論話題中，有許多相關的文章在討論，這篇最有參考價值！作者moodoa3583 (金牌台灣啤酒)看板Tech_Job標題[請益] 有Kaggle成績在台灣...
嗨，大家好
我平常是在做網頁前端
但工作之餘也常不務正業寫寫python
寫著寫著也對ML產生興趣
有空時會玩kaggle
目前做的都是監督式學習比較多
最佳成績約莫是並列前8%
而最近年末公司改組
因此興起想轉職的念頭
我想知道的是在台灣
類似kaggle這種用features做predict的工作大概有哪些職位
如果要找intern的話是好找的嗎？
或是還有什麼得準備的呢？
感謝各位
先預祝各位新年快樂 萬事如意
-----
Sent from JPTT on my HTC_D10i.
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.137.59.46
※ 文章網址: https://www.ptt.cc/bbs/Tech_Job/M.1548860194.A.23F.html
→ bellman: 你哪間大學 01/30 23:04
推 j0958322080: 可以啊，不過kaggle的東西大概只能在電腦上用吧，在 01/30 23:43
→ j0958322080: 一些需要影像的會太吃效能 01/30 23:43
→ wrt: 半年前好找，現在還在在意kaggle的公司大部分應該都還沒找到 01/30 23:54
→ wrt: 自己的商業產品。代表公司薪水不會高或是撐不久。 01/30 23:54
→ wrt: 現在已經有方向的公司應該都是準備要收前後端比較多 01/30 23:54
→ wrt: 大部分已經有產品的公司都已經認清ml價值不在類似kaggle做pre 01/30 23:58
→ wrt: dict，那個隨便做都可以。價值是怎麼跟消費者接上，還有怎麼 01/30 23:58
→ wrt: 取得更廣泛全面的data。所以現在價值比較在領域專業而不在ml 01/30 23:58
→ wrt: 理論，你如何利用自己的領域專業讓少少的資料有更廣泛的代表 01/30 23:58
→ wrt: 性可以產生好的模型 01/30 23:58
推 a78998042a: 有幫助，但kaggle許多提升準確率的技巧在實務沒用，有 01/31 00:13
→ a78998042a: 實習機會就多去刷，會更有代表性。 01/31 00:14
推 purpleboy01: 去年年底找資料相關工作時 有些面試官說履歷放Kaggle 01/31 00:43
→ purpleboy01: 經歷會讓他們有興趣看 01/31 00:43
推 w60904max: 看你想找什麼 kaggle前10% 只是剛好勾上本系的入門 01/31 01:45
→ w60904max: 你用網頁前端技術 去自己爬資料做個ML網頁應用放git 01/31 01:46
→ w60904max: 更有用 比起千篇一律的 pd.read_csv~confusion_matrix 01/31 01:48
推 hotbeat: wrt內行的 01/31 09:06
推 jboys75: 應該很好找，大公司會在意這個的 01/31 09:16
→ yolasiku: 北科的可以嗎? 01/31 09:30
→ a038998: 推wrt 01/31 09:41
→ Murasaki0110: 前8名可以，8%太容易 01/31 09:50
→ qmqmqm: Kaggle可以證明 但領域知識是重點 不過我得說這其實是公司 01/31 11:05
→ qmqmqm: 自己對於商業模式的設計問題 如果公司沒摸索到那前段班來 01/31 11:05
→ qmqmqm: 也沒用 所以就變成這樣 而不是想說找一堆高手來就會賺錢 01/31 11:06
推 a3294814: 如果做房價預測 或 鐵達尼號那種比較久的 或是 你講不出 01/31 12:20
→ a3294814: 你用什麼特別方法 可能就沒什麼用了 01/31 12:20
推 Morphee: 8% 就要拿去秀？ 01/31 13:12
推 AndyCheng1: 房價/鐵達尼這種knowledge類的鑑別度不高吧 01/31 13:36
推 Linlosehow: 8%說的出口嗎？ 01/31 19:32
推 wxtn: 推wrt 講到重點了 02/02 02:31