文章、回答、音乐、视频、播客和访谈的统一归档 · 全部内容 · AI · 88 条 · 第 2 / 3 页
2021
如何评价 KNN 算法？
回答1 分钟K-NN 算法好啊，特别是深度学习出来后万物皆可 Embedding，几乎啥问题都可以转换成为两者 Embedding 的相似度问题，不管是分类、回归、排序等等，Embedding + K-NN 打分简单易行。 而且 K-NN 线上服务也特别好做，简单，速度快。如果 Embedding 数量特别多，也有很多近似 K-N...
推荐系统有哪些坑？
回答4 分钟最近在团队分享了旅游网站 Booking 在 KDD 2019 年的文章150 Successful Machine Learning Models: 6 Lessons Learned at Booking.com，里面提到了一些有意思的“坑”，分享一下。 Booking.com 网站界面 线上线下结果不一致 做机器...
计算商品embedding然后平均得到用户embedding，会不会存在这种问题？
回答1 分钟因为在高维空间中的平均，会依然离原来的点特别近，离其他的点特别远？ 我们假设这样一个情形，在空间中取4个点{A1..A4}，取平均得A‘可以看作 User Embedding，再在空间中随机生成100个点{B1..B100}。我们计算A' 最近的点是在 {A1..A4} 中还是在 {B1..B100} 中。 在二维空间...
马上计算机研一，想问一下机器学习、深度学习…大家都是怎么入门的？
回答4 分钟机器学习入门真的好难，我也经常被问到这个问题，但是我并没有特别好的回答。 对于新手而言，有四座大山：数学基础、算法模型、机器学习应用、常见工具。市面上常见教材都主要关注算法模型，而很难兼顾另外几个方面，所以学习的过程中最常见的问题就是这公式是咋推的？我学这个有啥用？模型懂了咋实现？ 一本教材解决不了所有问题，机器学习的...
面试官如何判断面试者的机器学习水平？
回答5 分钟这个问题太好了！记得这大概是个三年前的问题，每年都会有新的答案让我持续学习。三年多前我作为最早的机器学习工程师之一加入 Tubi，从零开始设计招聘题目和流程，搭建团队，陆陆续续也面试了大好几百次了。这里的答案大多聊的是常见的机器学习面试题目，我提供一个不一样的角度，从业务负责人的角度聊聊如何根据业务需要设计题目，大家也...
2020
公司组建一支算法团队的隐性成本都有哪些？
回答4 分钟这个题目“隐性”一词特别精髓。作为工程师团队本身肯定有很多成本：招聘、团队维护、系统搭建、硬件支持等等，但是这都是“显性”的，所有的工程师团队都会有。而算法团队由于其独特的性质，自然会有一些其他的额外的成本。 这里的几个想法主要是针对中小型公司，以业务为主线，没有前中后台之类的架构一说。毕竟大公司资源丰富，靠堆人和砸钱...
5-10年后，你觉得哪些科技会让我们“遗忘”现在的生活？
回答6 分钟记得20年前曾经有个特别火热的“72小时网络生存测试”，要求受试者只借助互联网在72小时内生存下去。当时的互联网不发达，大部分日常吃喝都很难只通过互联网得到保障，有些选手无法保证基本的温饱而退出了比赛。仅仅20年的时间，互联网等技术的出现，使得我们的生活发生了天翻地覆的变化，已经不少人仅仅依靠互联网就可以解决衣食住行几...
2019
如何看待 2020 届校招算法工程师岗位求职人数远大于招聘岗位的现象？
回答3 分钟作为一直劝入机器学习的从业者，也分享一下我的想法。 首先，机器学习工程师也跟其他的工程师一样，有个有起有落的过程。在浪潮来的时候，各个公司疯狂投入，便会疯狂招人，而随着风口平静下来，公司回归理性，便会开始衡量 ROI。放弃不值得做的业务，把资源放在 ROI 更合适的地方。 思考浪潮，就要思考 ROI，哪些领域更难被替代...
有哪些关于机器学习的真相还鲜为人知？
回答2 分钟在不少互联网产品中，机器学习的应用，比如信息流中的排序算法、推荐系统等，已经成了最重要的产品体验。好的推荐系统对应好的产品体验，差的推荐系统对应糟糕的产品体验。 然而，哪怕作为最重要用户体验的基石，绝大多数公司对于它的开发和迭代都是一团浆糊。 由于不能直接观测一个人的对于推荐系统的喜好，而要同时观测一百万、一千万用户的...
你理想的未来 AI 时代什么样？未来 25 年内，各行业、个人生活会有哪些变化？我们该如何准备？
回答4 分钟在过去的很长一段时间，我们想象中的 AI 大多存在于科学家们的实验室里；后来作为第一个战胜人类世界围棋冠军的 AI，阿尔法围棋（AlphaGo）隆重出场，让大家对AI的概念和应用有了生动形象的认识。AI 既可以是我们的工作伙伴，也可以是我们的生活助手。现在，AI 已经渗透到我们生活的方方面面，时刻准备着为我们的衣食住行...
2018
2019秋招，有什么事情是让你感到绝望的？
回答1 分钟作为招聘方，绝望的是到现在为止一位应届机器学习工程师都没有招到…… 说出来你们可能不信，哪怕经过简单的简历筛选过后，还是至少有一半的人算不出简单的概率题，回答不出来基本的机器学习概念，甚至哪怕在 Google 的帮助下也写不出一个简单机器学习的训练验证流程。还有人说的出“我主要做深度学习，所以不太了解训练集和测试集的区...
如何向人类同伴证明自己不是一个人工智能？
回答6 分钟我在美国卡内基梅隆大学的计算机专业就读研究生时，导师是名在美国最受欢迎的问答节目《危险边缘（Jeopardy）》里大放异彩打败人类选手的IBM Watson的科学家。我曾经也问过他一个类似的问题：「你觉得将来有一天Watson会用人类的方式来思考回答问题，或者变成人类吗？」 教授的回答缓慢而深刻，但是也出乎我的意料，「...
如何看待字节跳动招聘收到的算法工程师简历的数量远超需求？
回答2 分钟过热是产业蓬勃发展的常态，互联网的兴起过程中我们已经见证了太多不同职业突然爆火，供不应求，再到疯狂涌入，又趋近于慢慢平静，回归真实价值。 比如产品经理大概是最早爆炸的职位，自从人人都是产品经理的口号一出，大家都疯狂涌入，候选人质量良莠不齐，槽点众多。但随着时间的发展，产品经理一职依然是企业产品的核心。 而后也出现了比如...
2017
为什么硅谷对算法和 AI 方向的人才需求远远没有国内这么大？
回答3 分钟谢邀 看到问题详情中贴出来了我当年毕业的艰辛求职经历，还是一定要来回答一下避免误导大家。 先说结论：硅谷大小公司状态不同，两者对于机器学习相关人才的需求都极大：大公司体系成熟门槛高，优先招资深工程师，New Grad 以优秀 PhD 为主；而小公司往往机器学习业务刚刚开始，组都不大，主要招能够独当一面的资深工程师，对于...
如何评价 Uber Head of Finance 加入 Opendoor？这是家什么样的公司？
回答3 分钟来给 Opendoor 大佬 @Rorschach 站台，我来讲讲这个行业从业者的感受。 2015年2月，我从 CMU 毕业，加入房地产搜索公司 Trulia （Zillow Group）做机器学习应用。因为我深信未来5到10年，机器学习等高新技术的大爆炸，一定会从纯互联网领域，快速延伸到各个传统的行业中，而房地产行业...
如何评价 DeepMind 在星际中的失利，以及 OpenAI 在 Dota 上的成功？
回答1 分钟谢邀 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...
人类害怕人工智能的哪一点？
回答1 分钟人类的心里，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...
能否训练一个AI模型来预测房价，寻找投资机会挖掘价值洼地？
回答1 分钟谢邀 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 ...
如何看待 Kaggle 发布的 Zillow 房价预测比赛?
回答3 分钟谢邀 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...
机器学习 假设空间问题？
回答1 分钟谢邀 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
如何评价王垠的文章《我为什么不在乎人工智能》？
回答2 分钟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...
大一计算机学生如何学习机器学习？
回答1 分钟谢邀 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...
如果有第谷的数据，现在的机器学习，深度学习有办法学出开普勒三定律吗？
回答2 分钟简单来说是不能，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...
这一波人工智能泡沫将会怎么破灭？
回答4 分钟谢邀 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...
2016
做底层 AI 框架和做上层 AI 应用，哪个对自己的学术水平（或综合能力）促进更大？
回答4 分钟谢邀 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...
如何评价谷歌的「人工智能先行」（AI First）战略？
回答2 分钟谷歌提出 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...
Amazon Mechanical Turk 前景如何？
回答3 分钟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...
2016~20 年硅谷需求量最大的是什么方向的技术人才？
回答4 分钟谢邀 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...
美国机器学习方向的 master 找工作前景如何？
回答1 分钟谢邀 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...
截至 2016 年 3 月，机器学习、数据挖掘、计算机视觉等的泡沫有多大？
回答2 分钟谢邀 现在，2016年6月，机器学习、数据挖掘、计算机视觉等应用毫无泡沫，甚至远远没有发挥算法应有的潜力。 从我在 Trulia: Real Estate Listings, Homes For Sale, Housing Data 工作的经验来看，公司几乎每一个产品线都有可以算法化的地方。同时，不少新的算法可以带来全...