本區搜索:
Yahoo!字典
打印

[學科討論] (ENGG1002)等我話你知Electronics是什麼

回覆 135# 41200 的帖子

我係做micro system related 既野 (microfluidics), 呢飯起香港其實都幾多人做
electronic engineering, mechaincal engineering, chemical engineering, physics, medicine, etc 都有人做緊micro system.

香港research field 少好多係千真萬確, 因為香港.. 不要再說了

TOP

[隱藏]
引用:
原帖由 santos1994 於 2015-1-17 09:10 PM 發表
我係做micro system related 既野 (microfluidics), 呢飯起香港其實都幾多人做
electronic engineering, mechaincal engineering, chemical engineering, physics, medicine, etc 都有人做緊micro system.

香港r ...
microfluidic 係幾多既...
應用係biomedical 個邊真係幾多..
拎黎做cell trapping, sorting 又有..

我見nano system eng 都分左幾多sub field ..
其中都有Bio-mems(microfludics system) ....
但真係做nano-robotic/nano control 個邊好似唔多..(可能其實有,只係無show 係出黎) 我都係好general 咁google 下-.-


另外biometrics /soft robotics都好少見到

TOP

引用:
原帖由 41200 於 2015-1-17 08:20 PM 發表
nano-micro system/ control engineering 算係narrow 既field ?



有關control我可以講幾句
首先, 你要弄清楚, control engineering,如果你有Read過我之前的post, 會發現我講過一句話
"control engineering是最數學的一個sub-field"

的確,相比communication這些hot field,  control個field 相對地"冷"和"narrow"
但那不是事情的全貌
首先control engineering可以分較theoretical的control theory和較applied的control system
如果是applied control 的research, 通常會在一些"具體事物"上去apply那些control theory
例如power engineering, 根本就一定要有control

應該講, 地球上什麼system都要有control
petroleum engineering, chemical plant engineering, nuclear plant engineering, ocean engineering, space engineering, 全部都要用到control

問題是, 在香港, 你都知, 沒有大型工業, 不可能有chemical plant
power plant是有, 但不多
但在外國, chemical plant 一大堆, 如果你有chemical engineering的sense就會知道, 要mass produce 某一些chemical的過程是多麼complicated, 絕對不是chemistry level的那些 "在實驗室搞到出一Gram" 就OK的level, 是要求是可以"mass produce", 當中是有一大堆physics的計算, 而且多數都是不可能人手計, 因為個scale太大, 一定要用computer計
一個如此complicated 的process, 如果沒有process control(一個good algorithm), 就100%會waste money
所以control engineering, 很大程度上依賴大形工業

而香港, 大形工業根本就不多 (不是沒有, 但是少), 結果香港control 界的research 一定是
1. theoretical, 講白點即是玩數學, 全部都是數學paper
2. robotics related, 和robot有關的control, 與computer vision, pattern recognition等等field有overlap
問題是香港專研究robotics的也不算多(香港robotics的research population不算大)
那麼, 你看到的, 當然就只會是control的theoretical的一面, 因為香港搞control research大部份都是搞theory
所以你會感到control很narrow
這正確, 不過你要知道那只是香港的情況
如果你去UK or Europe讀control, 我可以話你知, 很大可能會去公司"讀個degree"
即是說你去大學讀PhD, 其實不會在大學campus讀, 而是在公司的R&D部門讀
當你個new theory能夠令個yield production rate上升, variance 下跌, process time 減少, risk 下跌等等
你份PhD thesis就會過關
引用:
原帖由 41200 於 2015-1-17 09:24 PM 發表
另外biometrics /soft robotics都好少見到.
我要提提你, 研究biometrics的人不一定要在他的research profile寫"我研究biometrics"
biometrics的研究, 其實更多是在EE, CS, 和Statistics的人搞的
因為biometrics很大部份都是machine learning的東西
如果是搞hardware, 那麼搞biometrics的人就更多是EE人, 因為ultra-low power device / ultra-small device根本就是EE的area
所以可以和你講, directly 搞biometrics的人, 你見不到有幾多個
不過indirectly搞biometrics的人, 分分鐘仲多到爆
世界很大 沒你想像中那麼簡單
夢想沒便宜到只靠熱誠便能實現
等我話你知Engineering是什麼

現在開始本人極少上LS Forum

TOP

Post主 我睇完之後真係火都黎
你讚engine就讚啦 做咩野彈science
你甘講搞到鍾意science都比你嚇怕
沒science 你engine 既application 做鬼到

我相信好多人想讀science5係因為你講個d**原因走去讀。係因為對世界既好奇 求真 真心鍾意science 先讀。engine係可以去到好深既physics 又有教application 但邊有science去到甘廣甘深甘多
讀science5係得你講個幾種人。
而係重有對科學真誠 對宇宙既事產生興趣先去讀。
係 你認識好多大學既野。但你介紹還介紹
你咪去呼籲人5好讀science.



TOP

你現在是不是超火的?
幫你火上加油, 燒得更旺!
引用:
原帖由 harry147 於 2015-2-14 01:23 AM 發表
但邊有science去到甘廣甘深甘多
這句不就正正給我講中?

告訴你
最初的興趣 來自於才能, 後來的興趣 來自於成就感
如果不是成就感, 那麼是怎麼樣的動力去推動你去願意去花無數心力精力去看書過千頁,做數過萬條,lab做通頂?
引用:
原帖由 harry147 於 2015-2-14 01:23 AM 發表
我相信好多人想讀science5係因為你講個d**原因走去讀。係因為對世界既好奇 求真 真心鍾意science 先讀。engine係可以去到好深既physics 又有教application 但邊有science去到甘廣甘深甘多
讀science5係得你講個幾種人。
而係重有對科學真誠 對宇宙既事產生興趣先去讀。 ...
請不要假大空地講這些漂亮的偉大的大話
很噁心

如果你真的非Science不嫁, 那就證明給我看吧
讀好書,上大學,明白了真理之後(應該4,5年後),再大大力打我一巴掌吧
千萬不要只有三分鐘熱度喔
要天天都很努力喔


[ 本帖最後由 Automaton 於 2015-2-14 09:58 AM 編輯 ]
世界很大 沒你想像中那麼簡單
夢想沒便宜到只靠熱誠便能實現
等我話你知Engineering是什麼

現在開始本人極少上LS Forum

TOP

多謝樓主詳細分享!!!!

TOP

想問下practical 野..
如果想接220V 落變壓器...係咪一定要先直接接個2頭既2腳插頭, 再用"惡魚夾接入火牛既circuit?
咁接會唔會唔太安全? 有無D 更安全既方法?

[ 本帖最後由 41200 於 2015-3-13 10:18 PM 編輯 ]

TOP

引用:
原帖由 41200 於 2015-3-13 10:16 PM 發表
想問下practical 野..
如果想接220V 落變壓器...係咪一定要先直接接個2頭既2腳插頭, 再用"惡魚夾接入火牛既circuit?
咁接會唔會唔太安全? 有無D 更安全既方法?
買個有開關的electric socket
世界很大 沒你想像中那麼簡單
夢想沒便宜到只靠熱誠便能實現
等我話你知Engineering是什麼

現在開始本人極少上LS Forum

TOP

玩220V, 幾時都要做好 insulation 啦, 想死咩

TOP

想問下d **問題..
依家發展A.I 最大既阻礙係咩??
以依家既科技, 有無可能發展到 ironman 入面既jarvis 系統出黎?
同埋想問下點樣將learning system 變到learn 到任何野呢-.-?
好似face recognition , 咁你都話可以program 去計某D 野..
點樣可以好似人腦咁將無program 度既野 都learn 到?
可以講得比較模糊, EG 我地細個咪有男女呢個concept ..
咁我地個腦就會自己create 一個algorithm 去分...
想問下係A.I , 電腦有無可能比個input 同output 佢..
中間既algorithm 由佢地自己create?

TOP

引用:
原帖由 41200 於 2015-5-4 12:38 PM 發表
想問下d **問題..
依家發展A.I 最大既阻礙係咩??
沒人統一大局還沒有革命性的大統一理論
引用:
原帖由 41200 於 2015-5-4 12:38 PM 發表
以依家既科技, 有無可能發展到 ironman 入面既jarvis 系統出黎?
Jarvis是幾十件東西的混合物
以voice recognition來講, 現有科技都還未夠好 (你有試過用口去google嗎)
引用:
原帖由 41200 於 2015-5-4 12:38 PM 發表
想問下點樣將learning system 變到learn 到任何野呢-.-?
想問下係A.I , 電腦有無可能比個input 同output 佢..
中間既algorithm 由佢地自己create?
Artificial Neural Network
所有parameters由佢地自己計
有個人用整個YouTube的video作為input去train個learning algorithm
結果個network可以learn到如何分辨S和狗 (without human specification)
引用:
原帖由 41200 於 2015-5-4 12:38 PM 發表
好似face recognition , 咁你都話可以program 去計某D 野..
點樣可以好似人腦咁將無program 度既野 都learn 到?
EG 我地細個咪有男女呢個concept ..
咁我地個腦就會自己create 一個algorithm 去分...
哈哈, 其實什麼都可以program
你認為 "不能program去計" 是因為, 你暫時不知道用什麼parameters 去quantify那個事物
找尋一個數學的function去描述一件事物, 那個領域叫feature extraction / machine learning
face recognition, 其實做到爛
可能你用/學過的algorithm不夠多
你當一個input face image是X, 是個3XNXM的tensor
有2類的input, 例如男人的face叫 type 1, 女人的face叫type 2
其實你要找的是一個function f, 這個f 可以把這2類的X, 理過這個function之後, 個value有那麼遠隔那麼遠
即是distance between f(X1) and f(X2) 要愈大愈好:


find



我知你有face recognition的經驗
那麼我問下你
如果我突然叫你去做 "dog-cat recognition"
你點做

因為face-recognition是"text-book level" (已經講到爛), 所以有"較完善"的knowledge
你可以用一些其他人常用的 " f " (即你所講的 "program")

如果我突然給你 一千張 牛 和 一千張羊的相片 , 叫你做recognition
你點落手???


如果你感到好 迷茫, 不知如何下手, 那表示你沒有 Feature Extraction 和 Dimension Reduction 的認識

如簡單, 不需要知道任何事的情況下

你強行把那個 幾千 幾萬個的data point 塞晒入個learning algorithm, 都可以
但是那樣做會高機會會 "overfitting"

而且, 不是"愈多variable就愈多information content就愈好"
有一件事叫 "Curse of Dimensionality"

當data的variable 數量愈多
learning 就愈難 (我assume你知道這個"learning"是指 machine learning這個field的learning, 而不是指"人學習")


所以一定要 "降維" Dimension Reduction
例如把5-dimension的vector用一個3-dimension的vector去represent
而2者之間的distance要極小

very interesting, recall 之前要找的 "f"



而現在要找的是 g



為什麼要搞dimension reduction

其實Data Compression是其中一個application
如果你要load 個5-variable的 data, 如果要load 100個, 一共要500個memory-space
如果你現在只需要load 3-variable的data, 那麼現在只需要300個memory-space

當然data compression不是主要原因
因為現時hardware科技發展好
一般人的memory space 不會不夠 (除非store video of drama/ film, 否則1TB space根本用不了多少)

要dimension reduction 主要是for learning algorithm


例如你要把個5-dimensional vector 變做1-dimension




最simple的方法就是 Linear Regression



即是說, 如果你知道 那些 unknown a, 你就知道了這個  轉換的關係
Machine Learning就是要去"learn"這些a

那麼什麼是Neural Network
就是multi- linear regression





你當input是x, output 是y
如果用linear model, 那麼 layer-i , node -j 的 output 就是

即是說 要learn的是個matrix


那麼就會有幾百個幾千個 unknown a要去learn

如果dimension再大, number of unknown就會超大
當number of unknowns 愈大, number of training samples就要 更加大
Curse of Dimensionality 指, 當dimension大過一定值, number of training sample就要 基本上要 無限個
即是learning 是impossible

而Feature Extraction, Dimension reduction就要要化解這個問題


所以, 其實machine learning, 雖然沒那麼簡單
不過可以用一條rule generalize




如果是dimension reduction, q<p
如果是feature extraction , 就什麼q都可以
世界很大 沒你想像中那麼簡單
夢想沒便宜到只靠熱誠便能實現
等我話你知Engineering是什麼

現在開始本人極少上LS Forum

TOP

竟然without human specification 都可以分到..
咁最後佢自己都會係每張Image 計某D features 去分dog and human beings,right?
咁姐係個個ai system 識programming ?
我指個AI system識自己去搵方法去計呢D feature 再做comparsion

但係感覺上AI 都好難同到人腦做比較..
人有imagination, AI 唔似會做到呢D 野..
I mean 人可以無啦啦諗野, 但AI 唔得...

TOP

引用:
原帖由 41200 於 2015-5-6 01:39 AM 發表
竟然without human specification 都可以分到..
咁最後佢自己都會係每張Image 計某D features 去分dog and human beings,right?
咁姐係個個ai system 識programming ?
what do you mean "programming"
if your "programming" means "computer programming language"
the answer is not yet

if your "programming" means "mathematical programming (optimization)"
the answer is yes

p.s. please do more research before you ask a "vague" question
世界很大 沒你想像中那麼簡單
夢想沒便宜到只靠熱誠便能實現
等我話你知Engineering是什麼

現在開始本人極少上LS Forum

TOP

其實mac比window hit得多除左因為桌面外
仲有冇其他原因
而家window都好多輕身電腦
但mac熱潮不退

TOP

引用:
原帖由 ds111018 於 2015-9-10 19:04 發表
其實mac比window hit得多除左因為桌面外
仲有冇其他原因
而家window都好多輕身電腦
但mac熱潮不退
you can refer to #16

another reason : MacOS

呢個可以講一日

一講OS就講唔完

你想討論OS??

(大學OS科野可以fail好多人 )
世界很大 沒你想像中那麼簡單
夢想沒便宜到只靠熱誠便能實現
等我話你知Engineering是什麼

現在開始本人極少上LS Forum

TOP

重要聲明:小卒資訊論壇 是一個公開的學術交流及分享平台。 論壇內所有檔案及內容 都只可作學術交流之用,絕不能用商業用途。 所有會員均須對自己所發表的言論而引起的法律責任負責(包括上傳檔案或連結), 本壇並不擔保該等資料之準確性及可靠性,且概不會就因有關資料之任何不確或遺漏而引致之任何損失或 損害承擔任何責任(不論是否與侵權行為、訂立契約或其他方面有關 ) 。