文章、回答、音乐、视频、播客和访谈的统一归档 · 知乎 · AI · 163 条 · 第 6 / 6 页
2014
从现实角度出发，股票价格被假设为服从马尔科夫过程（Markov Process）是否合理？
回答1 分钟题主的困惑其实很简单唉，为何大家都这么能说。 隐式马尔科夫模型是假定当前t时刻的状态只和t-1时刻的状态有关，与t-2和再往前的状态无关。而题主最困惑的地方，是这里所谓的“状态”，并不一定是1秒或者1天的股票价格，还可以是1年的，10年的，全看你自己怎么定义。所以当然参考过去1年或者10年的股价都是符合这个模型的。 至...
数学专业转机器学习，需要哪些计算机和编程方面的积累？
回答1 分钟The Open Source Data Science Masters by datasciencemasters 对照相关课程查缺补漏？
机器学习，数据挖掘在研究生阶段大概要学些什么？
回答1 分钟The Open Source Data Science Masters by datasciencemasters 看到一个不错的网站，是一个Stanford的CS学生维护的，上面列出了这个方向相关的课程和相应的资源，我觉得很不错。
物理专业自学计算机应该学些什么？
回答2 分钟每个人站的角度不同，现在的答案基本都是从图形学的角度建议，我换个角度。 从研究生计算机科学做研究的角度来讲，我认为本科最适合的专业首先是物理，其次是数学，再次才是计算机。数学学的太抽象，抽象层次太高，研究现实问题的人往往处在鄙视链的底端。计算机学的太底层，对于概率论、随机过程、线性代数等学科学的太少，不了解建模分析的那...
微软有哪些语音识别技术积累，Cortana 能否跟 Siri 和 Google Now 抗衡？
回答1 分钟语音识别做的再好也快到瓶颈了。 难得还是在语义识别，以及和具体业务的结合，这一点上Siri和Google Now也都没有什么惊喜。
概率图模型（PGM）有必要系统地学习一下吗？
回答1 分钟PGM 有必要系统地学习 PGM 的原理经过若干大牛的归纳后已经并不那么复杂，看看怎么建模，怎么 Learn，怎么 Inference，就能掌握原理的精髓。但是，PGM 可以把这几年机器学习的主流发展方向串起来，会讲很多正在流行的模型，这为这门不是那么系统的学科搭了一个框架，又讲可以讲理论，又可以讲在图像、语音的应用，...
大二本科生，怎样入门机器学习和算法？
回答1 分钟去Cousera上把Stanford的Machine Learing课上了 把概率统计和高等代数再学几遍 就差不多入门了
2013
现在有音乐电台类网站使用基于音乐创作人及制作人的音乐推荐算法吗？它与主流算法相比有哪些优势和劣势？
回答1 分钟常见的推荐算法有item-based 也有user-based(协同过滤)。 考虑到对于音乐本身feature的描述并不理想，所以通过计算音乐和音乐之间的相似性来进行推荐恐怕并不那么靠谱，无论是用音乐的歌手、“风格”、还是制作人。 使用协同过滤进行音乐推荐应该更佳。
为什么 Deep Learning 最先在语音识别和图像处理领域取得突破？
回答1 分钟我觉得主要是因为搞Machine Learning的人大部分集中在这个领域
郑宇博士与他的Urban Computing
文章4 分钟2013年8月，MIT Technology Review颁布了他们评比的35 Innovators under 35，也即35个35岁以下的创新者。毫无疑问，这些人的所在从事的研究或者项目，都是当前所热门的研究方向，是对于未来可能有重大影响的项目。在其中有一位，是微软亚洲研究院的郑宇博士，他所进行的研究方向，叫 Ur...
智能推荐、猜喜欢，这一类的功能有没有一种一般化的算法模型？
回答3 分钟推荐算法最常见的是协同过滤和基于内容的推荐 一下内容来自互动百科： 推荐算法互动百科 推荐算法就是利用用户的一些行为，通过一些数学算法，推测出用户可能喜欢的东西。推荐算法主要分为两种。 推荐算法互动百科推荐算法 - 基于内容的推荐基于内容的信息推荐方法的理论依据主要来自于信息检索和信息过滤，所谓的基于内容的推荐方法就是...
2012
如何在自己计算机上以图搜图？
回答2 分钟。。。。。。。。。 想了想，没有想到有类似的软件，要不我给你讲讲如何自己写一个吧 几个关键的步骤： 1. 搜索本地所有图片 2. 为所有图片抽取特征，建立索引 3. 抽取所要查询图片的特征 4. 搜索 稍微详细一点的解释： 图片，太复杂了，所以我们的思路是把它转化为一个更简单的东西来搜索——向量。 我们只使用颜色特征。...
究竟豆瓣是机器驱动还是人工驱动？是算法控制还是人工控制？
回答1 分钟通常来说我们正确的逻辑方式是 本质-表象 但是我们只能观测到表象，进而推测本质，这个中间，是会有问题的。 事实上，你的逻辑是： 数据(机器)驱动-排名不可能大幅变动 人工驱动-排名可能大幅变动 于是你从排名大幅变动中推测豆瓣是人工驱动的 但是！！()这个逻辑是有问题的，因为事实上 数据驱动-排名大幅变动 的可能性远远大...