陈然的公开内容

谢邀 坐标三番城区，没有专门地去看日食，上班路上围观了下路人。 有眼镜的人都聚在一起在看太阳（也有个人在看我）。 没眼镜的人都在看玻璃上的反射。所有人对着玻璃门照相感觉谜之有趣，像在迎接大人物从 Salesforce 走出来。 但是不得不说从玻璃上的反射还是挺清楚的。 不过话说自古以来日食都是大凶之兆，不知道在这块神奇...

谢邀 以我在湾区面试其他公司、参加招聘会、自己招人的经历来看，如果面试的时候你穿了黑外套+衬衫+西裤+皮鞋的西装组合，可能会被人私下里吐槽为什么握手的时候都是汗，为什么要穿的跟我们都不一样，并且思考是不是没有 Culture Fit，或者是不是写代码不够强…… 如果担心不够正式的话，穿 Business Casual ...

谢邀 两者都很成功，但是 OpenAI 更擅长宣传。 星际哪怕最简单的 1v1 都需要同时控制大量单位，这与 dota 中 1v1 只需要控制一个单位难度差别很大。两者都证明了在复杂游戏中人工智能已经可以完成相对简单的任务，但暂时还无法完成整个游戏：DeepMind 在星际中已经精通挖矿，建造，控兵，但无法正常比赛。O...

人类的心里，都觉得我们这个物种，与世间的万物，是不一样的。 我们有灵魂，我们有感知，我们会思考，我们喜欢想象，我们擅长制造，我们非常特殊。哪怕说着万物平等，我们的内心中，也其实觉得人类是“神”，至少与地上的那块石头，是不一样的。 聪明的我们，正在创造另外一种“智能”，我们吃惊地发现，这一种智能也能完成我们能够完成的一切...

我很幸运，因为做 IT，毕业后在湾区的第一份工作收入就超过了父母。 也没有什么特殊的感觉。我父亲大学学的无线电，也一直搞计算机。我上小学他就在家里教我写 Pascal，而恰好我对此也颇感兴趣，一路走来如此顺理成章。 我是时代的幸运儿，我站在了父母的肩上，是他们用毕生的学识让我走的更远。 对此，我深怀感激。

我在旧金山湾区工作了几年，谈谈我的理解。 美国不仅仅是 IT 行业不加班，基本上所有行业都不加班。所以 IT 行业也没有什么特殊的，仅仅是跟其他行业一样而已。工作是工作，生活是生活，工作绝不能影响生活与家庭，这是底线，也是社会的共识。 而 IT 产业又有其特殊性，聪明的管理者们自然也有许多的办法来保证项目正常完成，因此...

谢邀 大家可能对于程序开发的发展不太了解，这种事情其实在我们日常的开发中已经很常见了。 我的程序也经常会出现一些我难以理解的行为，抛出一些我难以理解的语言。每当遇到此事，我都心烦意乱，浑身难受，毕竟这是我亲手写出来的逻辑，怎么会这么不顺从我的思路呢，而且它试图跟我交流的语言，我怎么就看不懂呢…？有时候程序的行为过于荒谬...

与 Trulia 最后一次合照，归还了工牌，挥挥手，离开了这家工作了两年半的公司。 这是我第一份全职工作，完完全全地改变了我，让我从一个 Naive 的学生状态成长了很多。 我工作的内容一直在尝试各类机器学习的应用，包括图像识别的应用，自然语言理解与生成，推荐系统等等。积累了很多的经验，特别是一些观念上的改变。 技术上...

谢邀 在数据丰富的地方当然是可以做的。比如美国的房屋买卖数据依照法律要求是公开的，每一栋房子的基本信息，购买人信息，以及购买价格都是可以被所有人查到的。因此，房屋估价在美国有不少房地产科技公司做。常见的比如 http://Zillow.com 的 Zestimate 是一个做了上十年的房屋估价算法。有的公司，比如大佬 ...

谢邀 我认为这是一个非常有意思的比赛，特别是每一轮的测试集都会用实际的数据作为评判依据，依照真实买卖房价作为结果，这与以往普遍的机器学习比赛都不同，而更像金融投资比赛。这也会让更多的机器学习的爱好者多去思考千变万化毫无道理的真实世界，而不仅仅生活在理论与代码之中。 正所谓知己知彼，百战不殆，虽然作为公司内部人士，不能参...

入口： Zillow Prize Announcing Zillow Prize, a contest designed to inspire the brightest scientific minds to compete to improve the Zestimate® home valuation algor...

谢邀 因为每个属性的值除了三个可能取值以外还有一个通配符，比如色泽的四种取值是：青绿、乌黑、浅白、通配符

机器学习对世界的改变之大，是不能忽视的。 但人们却容易低估已经被创造出来的东西的智能程度。要是十年前说自动驾驶，一定觉得那是人类智慧集大成才能发明的东西，说电脑围棋打败人类，一定是机器的掌握了一种极为先进的学习方法。突然间这些我们都做到了，但是突然间大家都觉得这些成就是 Trivial 的了。自动驾驶仅仅是图像识别的进...

谢邀 如果是想系统性地学习机器学习，我认为良好地数学基础是必不可少的，因此，可以提前把相关数学课程学完，比如微积分、离散数学、概率与统计，再开始学习机器学习比较合适。 经常有人纠结地问我大几应该学什么，我也只能纠结的回答这个跟大几没有关系。知识就像技能树，你要点高级技能，就要把低级技能点满，这个跟你何时点没有关系。 至...

前两天读了一篇文章，讲一个创业公司招收第一位数据科学家的虚构故事，充满雷坑，让人读起来妙趣横生。在数据方面工作两年，感觉深有同感，因为原文是英文，在这里简单翻译，与大家分享。有能力的还是读原文：来自 Monica Rogati 的 How not to hire your first data scientist - ...

过去两年，我们 Trulia Data Science Team 探索了大量图像识别（Computer Vision）在房地产相关的应用，在 Trulia 上线了一些，并发布了一些博客，在这里一并总结一下。 相关博客： Image Recognition Technology What Makes a Photo Cl...

最近在公司的博客发了一篇技术文章，关于我们组在2015~2016年期间完成的一个自然语言生成的项目，生成的内容是地区的描述（Location Description），要覆盖美国大概十万个城市（City）、小区（Neighborhood）和邮政编码（Zip Code）。博客本身更多是公关与宣传，而不是学术交流，所以细节...

父母这辈子见了成千上万的人，沉淀了几十年，交了这么些朋友，他们经历类似，三观相近，能够相互理解，要说不相信这些人，那早就连朋友都做不成了。 要我说，很多时候你也宁愿相信你朋友，而不愿相信你父母了吧。 有时候也不是个谁更好谁更坏，而就是个心安。

简单来说是不能，但只是不能明确表达出这种形式，但我们并不知道它是不是已经学会了。因为现在机器学习的主流方向主要是解决明确的问题，比如人脸识别、机器翻译、推荐系统等等，在如何理解模型的方面的研究并不足够火热。倘若有一天这些问题人类都解决了，下一步的大热研究方向，可能就是去理解，机器学习到底学习了什么。 对于机器智能一直有...

与之相反，我从知乎获得的信息质量越来越高，我非常欣喜地看到知乎核心信息流算法的开发进展很大，也祝愿知乎早日发布精准的广告平台。 早期邀请制，因为社区小，人与人之间都熟，所以好控制，质量高。 中期有段时间知乎的内容质量是差强人意的，核心原因是，信息传播主要依赖用户的点赞行为，导致大V控制了网站的内容走向，热点内容充斥，群...

谢邀 泡沫的破灭是商业周期的变化，是人类金融社会机制的正常现象，但泡沫的出现与否都不能掩盖机器智能快速发展的事实。因此，与其关注金融现象，不如多思考如何理解机器智能发展的规律，加以利用，把握先机。 人类对于机器智能的发展，有一个非常大的局限性，就是把人类的思考方式，作为衡量是否智能的标准，导致容易错误地估计机器智能的发...

谢邀 这个问题下的答案都说的很全面了，还有一个类似的问题：CMU的MCDS(VLIS)项目值得去吗？ - 留学 - 知乎 也有不少好的答案，可以结合起来。 我说一点我非常喜欢这个项目的地方。我是 Analytics Track 13 Fall 的，我认为毕业设计的安排非常合理。 一是毕业设计横跨两个学期，如果有机会可以...

谢邀 据我了解，清华毕业的哪怕低 GPA，去美帝 TOP 50 CS Professional Master 一般没问题。如果专业课成绩还不错的话，加上有别的闪光点，去好的项目也是有可能，但也只能尽人事看天命了。如果考虑比如香港的学校，那几率大很多，找院系的老师询问一下可能托福考个80+就直接去读书了。 工作几年再申请...

谢邀 对能力促进的程度是一个非常主观的判断，这取决你你对自己的定位，以及对于大趋势的理解。我在这里分享一下我思考的过程，希望有所帮助。 我一直在尝试做机器学习在各个领域的应用，特别是小众领域的应用。在 CMU 的时候我花了大概一年的时间研究机器学习和法律领域的结合，并发表了论文，积累了不少如何踏入陌生领域的经验。我在之...

谷歌提出 AI First 是一个非常有魄力的决定，我非常认同这个大战略。 虽然 AI 的定义非常模糊，但是广义来讲，也包括各种流行词汇，比如 Big Data, Machine Learning, Data Mining, Deep Learning 等等。无论是对内应用各类 AI 算法，还是对外提供基于 AI 的服...

希望知乎早日招募到足够多、足够优秀的人才做精准算法，开放广告平台。 我见过很多人特别喜欢 Facebook 上的广告，因为精准。只要算法做得好，广告本身就可以是内容的一部分。

Amazon Mechanical Turk (MTurk) 是一个并不被大众所了解，严重被低估的平台。它提供了一种标准化的向人类发布任务并收集数据的方式，而且完全由价格驱动，你可以把它想象成一个 Human As a Service。MTurk 继承了 Amazon 一贯不重视 UI 但是重视 API 的策略，对于入...

谢邀 可以说任何时代，最需要的人，都一样，就是那些既懂得最新的技术，也懂得现在的商业环境，并且有能力把最新的技术应用到目前的市场上的人。每个时代大潮的技术不同，但是这样的趋势是没有变化的。 曾经的“互联网、信息高速公路”时代塑造了一批优秀企业，带来了一个全新的产业；一个充满“云计算、移动互联网”改变了不少企业的经营模式...

谢邀 机器学习的应用在工业界需求很高，有过工作经验的人可以很轻松的找到工作，供给远远小于需求，而且需求越来越大。 但是招 New Grad (PhD 可以考虑) 相对较少。原因很多，简单来说，就是 New Grad 往往工程经验不够，学术能力也不够。工业界的现状不复杂：大公司搞机器学习的组大、人多、要求高，PhD 是进...

我司 Trulia 最近出了一个新功能：Rent Near Transit 。一言以蔽之，就是帮你找到在地铁附近的租房。 同时，为了帮助大家了解各个站点附近的房价，我们也做了各个站点房价中位数的地图。 这里是几个大城市的地铁系统租房地图： San Francisco, Bay Area （旧金山地区 Bart）附近的租...