(引用 yueli:以后data science肯定不是单机模式的现在自己搞台电脑调个包， 跑跑参数好像就在搞machine learning了。真正到到解决实际问题的时候， 数...)同意做system optimization跟做model optimization的确是两拨人 [本文发送自华新手机Wap版] [icky (9-16 12:38, Long long ago)] [ 传统版 | sForum ][登录后回复]41楼
说一下国内的情况我在国内的互联网公司工作了4年的时间，一直在做机器学习相关的工作。很抱歉国内做算法的人通常也要有很强的工程落地能力，把算法的模型和改进通过提需求的方式让工程团队实现，本来就很不现实，沟通成本太高。百度之前广告上的深度网络，RNN等模型都是算法团队自己开发和调参的。把机器学习当成简单的调包侠绝对是对这个工种的侮辱[孤独的矿工 (9-18 10:31, Long long ago)] [ 传统版 | sForum ][登录后回复]42楼
(引用 ybhcd:还真是！最近有几个新闻得注意一下1，某paper说经过统计，根据任何一张人物照片就能判定是不是犯罪嫌疑人 2，另外某paper说，通过照片就�...)看照片就行？太水了不过真的看到过说用FB上面的参数预测的，个人资料+各式各样的上传/包括照片等[spinach (9-18 10:49, Long long ago)] [ 传统版 | sForum ][登录后回复]43楼
(引用 孤独的矿工:说一下国内的情况我在国内的互联网公司工作了4年的时间，一直在做机器学习相关的工作。很抱歉国内做算法的人通常也要有很强的工程落地能�...)多谢分享这个对实力要求真的很高啊。从渐进性和收敛性证明到编出来具体的算法，再加上数据库，并行运算以及具体工程方案落地。这基本上是要求一个人干了 数学 PHD， CS PHD 和资深程序员三个人的工作。
PS: 我为我以前说的话道歉。 我不是要贬低data science, 我也是做这行的。虽然水平不高，但绝对没有对同行有任何不敬。只是为了激发大家的讨论，用了让人通俗易懂但可能不恰当的类比。[近国 (9-18 10:55, Long long ago)]
[ 传统版 |
sForum ][登录后回复]44楼
我因为我说的那个话道歉我也为我说的那个话表示对不起，我想说的是Excel的入门难度很低，但是真正的Data Science不是这么简简单单就是能上手的。我在百度工作的时候，算法本身其实不是特别复杂。不会用到很深入优化算法。比如当时我参与的DNN项目，源头上还是BP算法，不过在模型的网格设计、Embeding的参数等方面有很多调优上面有很多技巧。同时我们处理的数据是千亿样本百亿特征，在这样的情况下单机是肯定不可能把模型训练出来。。所以需要很多分布式算法的构建，数据的分片、模型的分片。保证不同分片上的全局一致性等问题都要考虑。。。现在ICML，NIP上Google、FB、BAT都发的论文数已经和高校差不多了，原因就是深度学习是一个拼资源、拼工程的玩意。。。。。这块上面企业界要比高校强太多了[孤独的矿工 (9-18 14:00, Long long ago)] [ 传统版 | sForum ][登录后回复]45楼
(引用 孤独的矿工:我因为我说的那个话道歉我也为我说的那个话表示对不起，我想说的是Excel的入门难度很低，但是真正的Data Science不是这么简简单单就是能�...)现在拿企业跟高校比有点不公平做这些research最最重要的就是数据，但是高校没有啊！数据都在企业。长远来看，research是搞不下去了，各公司都有自己的系统，也没办法发paper互相交流，能发paper的肯定是过时的技术，所以后面高校、科学院这些地方会慢慢被企业抛弃。 [本文发送自华新手机Wap版] [icky (9-18 18:04, Long long ago)] [ 传统版 | sForum ][登录后回复]46楼
(引用 icky:现在拿企业跟高校比有点不公平做这些research最最重要的就是数据，但是高校没有啊！数据都在企业。长远来看，research是搞不下去了，各公...)我觉得不至于，业界有盈利的压力。工程性问题的确能做的好。也有巨大的数据量。
但开发新算法，还得看科研界。
[本文发送自华新iOS APP]
[近国 (9-18 19:24, Long long ago)]
[ 传统版 |
sForum ][登录后回复]47楼
(引用 icky:现在拿企业跟高校比有点不公平做这些research最最重要的就是数据，但是高校没有啊！数据都在企业。长远来看，research是搞不下去了，各公...)。。。 [本文发送自华新iOS APP] [迷途小书童 (9-18 22:14, Long long ago)] [ 传统版 | sForum ][登录后回复]48楼
一个时代的来临刚好在十多年前学的excel和计算机，最近也关心了这个热门话题。另外苹果face id令人印象深刻，建议去看下他们的demo。
短期实际效用可能不会很明显（或者如一部分人期待的大革命和大冲击），但是以更长时间看10年-20年，大概率是巨大革新。 有三个观察
1）AI和ML并非新技术， 而是一个技术积累后的厚积薄发，以及实用性/应用性和性价比的提高。 有很多类似的例子 - touch 屏幕最先Nokia就有，Apple手中发扬； PC机80年代就有，直到90年代后爆发；太阳能技术60年到就有，直到21世纪才爆发； 90年代末的生物科学发现，在10-20年后开始很多药理应用。
2）条件已经具备。 Excel/VBA的普及和跨越离不开硬件；同样AI/ML的硬件已然具备。 就像下面有同学说的，计算机能力提高， 各种sensor带来的数据，移动云能力（随时随地access 同一个数据库），这些让AI 和ML普及奠定了必须基础。
3）科技进步是指数发展的。 我以前曾认为AI短期可能是10甚至20年没有大影响。考虑到当今技术革新的速度（比如，手机CPU比1一年前高25%性能，5G速度对4G宽带倍数提高），很有可能5-10年就会有很明显的影响（注），而一些行业会更早，如上面提到的金融。
其实这个结论似乎是显然的。 对于年级稍大的人来说， 最大的挑战是如何调整应对AI 和ML的挑战。
注： 这个明显的影响是主观的一个指标，见仁见智，比如uber和自动驾驶来说，我认为10-20年内AI都无法在中国大规模出现自动驾驶；但是AI和大数据能够优化驾驶员体验，乃至在小部分其他条件合适的地区达到一定程度普及。
[box (9-21 18:53, Long long ago)]
[ 传统版 |
sForum ][登录后回复]49楼
(引用 box:一个时代的来临刚好在十多年前学的excel和计算机，最近也关心了这个热门话题。另外苹果face id令人印象深刻，建议去看下他们的demo。 短...)另外，如果回搂主的问题，我觉得是的，另一次热潮。阳光之下无新事。祝大家成为弄潮儿。[box (9-21 18:56, Long long ago)] [ 传统版 | sForum ][登录后回复]50楼
(引用 box:一个时代的来临刚好在十多年前学的excel和计算机，最近也关心了这个热门话题。另外苹果face id令人印象深刻，建议去看下他们的demo。
短...)多谢过来人的高质量回帖
正好以前辈的回帖为契机，来表达一下还没表达清楚的观点。顺便小结一下这个帖子。
1） 工业界和学术界在大潮之中的定位
大数据时代，数据成了最重要的资源。学术界没有像工业界那样拥有第一手的数据，表面上看起来，的确处于劣势。但不要忘记，统计这门科学，本来就是在数据稀缺的时代被发明的。统计的本质就是从有限甚至少量的数据中推断出普遍的规律。只要人或者机器不能达到全知全能，统计这门科学就有意义。
而且，machine learning 能够 work 的两个基本前提是数据有代表性和Chebyshev's Inequality。（当然，大部分数据从业者可能认为自己搞出来的东西能 work 的原因是自己吊。）现实中，数据量不满足Chebyshev's Inequality的情况比比皆是。比如说金融数据，数据量不足和heteroskedasticity 给 machine learning 在金融中的应用带来了巨大的挑战。在这种情况下，开发新的，数据需要量小的/收敛速度快的模型就变得非常有必要。而这种活，一般都是学术界干的比较好。
2）数据科学的前景
大部分人都不会否认，数据科学前景巨大。但到底是什么样的前景，有多巨大，每个人可能都有自己的理解。不管怎么理解，祝大家在新的浪潮中弄潮愉快。
[近国 (9-21 21:08, Long long ago)]
[ 传统版 |
sForum ][登录后回复]51楼
(引用 近国:多谢过来人的高质量回帖 正好以前辈的回帖为契机，来表达一下还没表达清楚的观点。顺便小结一下这个帖子。 1） 工业界和学术界在大潮� ...)你是统计出身啊heteroscedasticity [本文发送自华新手机Wap版] [icky (9-21 23:26, Long long ago)] [ 传统版 | sForum ][登录后回复]52楼
(引用 icky:你是统计出身啊heteroscedasticity)不是统计出身的，搞time series 都会知道这个heteroskedasticity[近国 (9-22 14:28, Long long ago)] [ 传统版 | sForum ][登录后回复]53楼
大家可能都忽略了python的一个优点就是语法，python的语法个人认为是我用过的语言里(c, c++, c#, java, scala, r, matlab, sas, javascript, php, asp, shell等等)最好的。
简单讲，就是写起来爽。
[本文发送自华新手机Wap版]
[凶鼠 (9-22 20:52, Long long ago)]
[ 传统版 |
sForum ][登录后回复]54楼
(引用 凶鼠:大家可能都忽略了python的一个优点就是语法，python的语法个人认为是我用过的语言里(c, c++, c#, java, scala, r, matlab, sas, javascri...)我好像回错贴了，但是找不到我想回的帖子了。。[凶鼠 (9-22 21:08, Long long ago)] [ 传统版 | sForum ][登录后回复]55楼