創新不如突破...
語音辨識、多人視訊聊天房、人工智慧、管理系統.
這四個都是方向~
其中我認為語音辨識比較有前瞻性，台灣有好多人肢體障礙，多做一些有用的軟體，幫助弱勢的人吧.
一堆研究生弄個嘴砲論文or四不像作品，意義到底在哪=.=

小弟受教!謝謝各位前輩指點!

我是資管所的
不過不太走技術方面的
我不是一個用功的學生
我念過財務也唸過醫療

這已經是老問題了
資管本來就是一個四不像的學科
管理與技術通通混在一起
資管注定是一個讓人越讀越不知道方向的科系

樓上許多先進都認為一定要走技術
我倒是持持平看法
畢竟現在職場上我想不太可能只靠技術就可以走天下
真的要懂技術我覺得不該唸資管
當然唸資管或多或少要對技術了解
但是技術之外的其他東西也一定要懂

拿使用者需求來說好了
使用者需求不是了解許多技術
能夠寫出漂亮的程式就可以得到
是要跟使用者不斷的溝通
什麼是不斷的溝通
這時候就是管理的學問了

樓主大概正在唸研究所吧?
我想與其考慮要念哪個方向
不如仔細想想除了在唸書研究之外
還有什麼東西需要再加強
是語文能力呢?或是溝通協調能力?或是做人處事方面的能力?
我認為這些東西比懂一堆大量的技術來的更重要

我也是唸資管的,唸了快三年,還是對CS的東西比較有興趣....

有一部分原因是我們學校沒有什麼其他的課程可以學,

財管會管我也不太有興趣,

仔細想想CS技術算是基層必備,至少是一種能力上的保證..

如果還精通其他管理方面的專長,那就是加分了 :flash:



我老爹是唸工管出身的,在大同呆了20年左右,現在在大陸做了,

擅長的領域是生產管理財務管理還有風險管理(搞不懂總經理秘書為什麼要會這麼多,拿來當什麼操去了? :stupefy: )

前一陣子有討論到之後出路的問題,我老爹的看法跟我在高中休學時考量的一樣,

資訊管理或者是資訊工程,只能當做剛進入業界時的跳板,35歲前沒辦法轉成重要的

管理職以後會很難再往上爬,人不會一直年輕,技術職也不是可以捧到退休的飯碗...

想了想衡量一下自己有興趣對自己幫助最大的領域,我想是生產管理還有流程控制吧



最近在研究我老爹那20年份的企劃書,報告書,會議檢討,工作手札,

我那老實的老爹把所有東西都整理留下來了 :flash:

五大箱的文件我連20分之一都還沒看完 :jolin: ,就管理上面的知識與經驗來說,

我覺得比教科書來的具體有建設性,實務上的操作與控管真的有難度,

但是這方面的KNOW HOW小弟認為可以當做一種優勢,這才是往上爬的真正武器



唸資管或CS....研究所繼續唸上去也無所謂,就當作是自己的專業背景,

但是要加強其他方面的素養,這個才是將來的關鍵....

樓上遊俠大的看法小弟也很認同 :agree:

請問 人工智慧除了用於資料開採(data mining), 電腦遊戲與網頁搜索外
它還有那些應用方向呢?

請問 你指的管理系統是什麼?
它有那些應用方向呢?

謝謝.

資料開採...聽起來有點奇怪,我們都講資料挖掘 :ase 比較接近意義上的翻譯

AI也可以用在由關聯式資料庫建構起來的專家系統,可以用在知識管理(KM)上

作為Problem Solver

人工智慧方面，我也沒有實作經驗.台灣這邊，資管教授也都還好...感覺都是嘴砲而已.或許這塊餅輪不到我們吃.... :jolin: ，重點是你要實體化就要有電子的技術.

管理系統方面，最典型的應該是中醫醫療系統，就是點症狀，出現配方..
不過學生來說，要做到有人肯用，也是有點難.
或許做個多方向整合性的系統，反正資料是用戶Key的...

衷心建議你做以下這兩種~
1.語音辨識..台灣太多有障礙的人.我想需要這個
2.多人視訊..色情網站應該需要這個(我是說認真的..這是大餅)

AI的話,我這邊到不至於很悲觀,目前我的專題就在朝這個方向走,我們系主任是資工出身,

DATABASE的大老,資工系不少老師都是他的學生 :laugh:

不是太複雜,作為查詢跟比對用可以自我擴充的AI,有自信可以寫的出來,

我有看過類似的成品,當然跟我想要的東西不一樣,不過我覺得有參考價值

如果是就資訊系統來說,只要做成授權USER 在授權的範圍內access database

並不需要什麼額外的硬體或是電子技術,這也是一種AI. :)


我剛剛就在想,您所說的管理系統,應該是指"資訊系統"吧? :ase

以下為我做過的題目你可以參考看看,先以實際案例應用開始朝向方法論
1. 應用決策樹與約略集合理論昇心臟病判斷
2. 利用倒傳遞類神經網路及約略集合理論提升入侵偵測封包比對效能
3. 利用資料探勘技術提升專利文件分類
4. 應用資料探勘技術於理財促銷-以國內某金控銀行為例
5. Optimization of Back-Propagation Network Using Simulated Annealing
Approach
6. A SA-Based Feature Selection and Parameter Optimization Approach for
Support Vector Machine

我對3.4.6.的題目有印象,打到一半突然想起來了,之前專題演講有請業界人士過來指導過... :)