文章、回答、音乐、视频、播客和访谈的统一归档 · 全部内容 · AI · 199 条 · 第 6 / 7 页
2017
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...
如何作大死地为创业公司招聘第一位数据科学家
文章5 分钟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 - ...
图像识别（CV）在房地产领域的应用
文章3 分钟过去两年，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...
自然语言生成（NLG）在房地产领域的应用
文章5 分钟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...
果说电台#107-最懂买房子的数据科学家
播客33:04本期果说电台邀请到知乎大 V、数据挖掘和机器学习领域答主、在美国房地产领域互联网公司工作的数据科学家陈然，聊当前硅谷稀缺的职业：数据科学家，以及房地产企业如何应用数据优化决策流程。 这一期讨论的问题包括： 数据科学家都在做哪些工作？ 为什么说有两类不同的数据科学家？ 他们的技能树构成和工作性质有什么本质上的差别？ 地产...
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...
我组招人啦，Sr. Data Scientist: CV & DL
文章4 分钟我组招人啦：Sr. Data Scientist: CV & DL 链接直接申请：Trulia - Senior Data Scientist- Computer Vision & Deep Learning 欢迎有过在图像识别和深度学习有过工作经验的工程师、科学家申请。如果你是PhD/Master毕业生，但已经有过大...
有哪些比较好的机器学习、数据挖掘、计算机视觉的订阅号、微博或者是论坛？
回答1 分钟谢邀 Data science blogs: GitHub - rushter/data-science-blogs: A curated list of data science blogs 是一个比较长的数据科学、机器学习等内容的博客列表，给了rss，会不断增加。
如何看待人工智能律师的诞生，类似Ross的人工智能律师在中国是否可行？
回答2 分钟谢邀 我在CMU硕士毕业的时候的毕业设计，做的是AI&Law相关的研究，之前也写过一点内容： AI and Law, 人工智能与法律（一）：欢迎围观 - Hello 陈然！ - 知乎专栏 希望大家看看，督促我继续写下去。 总体上我是认同 @梅林 的答案的，由于现在技术的局限性，我们关注的更多的是如何使用技术帮助律师（或...
如何看待 Pinterest 的相似视觉搜索结果？
回答1 分钟从技术难度来讲，受益于深度学习的发展，相似图片搜索几乎已经成为一个解决的问题。 在应用的领域，Pinterest 带了一个好头，是一个非常优秀的应用典范。同时，发布的论文 http://www.kevinjing.com/visualsearchatpinterest.pdf 从系统架构来讲，也非常有指导性。 从工程角...
2015
CMU硕士还有半年毕业，找工作想专注找到真正热爱的data scientist工作但又怕太冒险怎么办？
回答2 分钟谢邀 如果就是为了Data Scientist这个 Title的话，我觉得没有必要担心，现在很多公司也都知道求职者非常喜欢Title，所以也给了很多这个Title的职位的，所以只要你继续努力找，一定会找到一份叫Title叫做Data Scientist的工作。 如果所爱的并不是Title，而是实际工作内容的话，那么就需...
Docker 的应用场景在哪里？
回答1 分钟Docker for Data Science at Trulia 和一点感悟 - Hello陈然! - 知乎专栏 我们在Trulia Data Science Team 里面推行了Docker。一方面是搭建API做SOA，另一方面也在帮助每一个Data Scientist 都可以直接从最开始算法分析、开发一直做到部署...
Docker for Data Science at Trulia 和一点感悟
文章4 分钟刚刚在 Trulia 的博客上发表了我的第一篇文章：Docker for Data Science at Trulia. -How Trulia’s Data Scientists Minimized Releasing, Testing, and DevOps Efforts with Docker 文章大意，就是我...
抛弃幻想，谈谈现实中的数据科学家
文章7 分钟Data Scientist，数据科学家，太火了，已经成为新一代改变世界的职业，引得每一个人都想往这个方向转。 学CS的觉得做码农太底层，给人打工，要转数据科学家，完美。 学统计的觉得这个不需要过多的 Coding，适合自己，要转数据科学家，完美。 学商科的觉得终于自己也可以成为科学家了，要转数据科学家，完美。 似乎每...
data scientist 有什么常见 machine learning 相关的面试问题？
回答2 分钟谢邀 适合面试ML的题目可借鉴性并不大，因为很多时候你懂了就是懂了，不懂就是不懂，刷题并没有很大的帮助。努力啃课本，看论文，看公开课，才是王道。 要说题目哪里多的话，其实可以参考各大经典教材的习题，比如PRML的课后习题。 另一方面，我在我之前面试的过程中也被问了不少ML的题目，原文可参考： Data Scientis...
申请卡耐基梅隆Machine Learning硕士难度有多大？
回答1 分钟谢邀 听说申请难度非常大，不知道是不是CMU 申请难度最大的硕士项目，毕竟招的人太少。 建议自己看现在的学生列表： Masters Students-Machine Learning Department 注：其中不少人是CMU的PhD辅修MLD的Master，注意分辨。 感觉没有在顶会发过若干一作还是很难的。
该不该坚持学习Machine Learning？
回答2 分钟谢邀 一个技能学与不学，肯定有千万种理由，然而并没有一种理由叫做‘因为赶不上最牛的人，所以不学了’。如果你真有这样的观点，为何要继续‘老老实实做开发’呢？别人做开发了几十年了，你赶的的上最牛的人吗？为何要‘多看看系统设计类的东西’呢？别人系统设计也做了几十年了，你赶得上最牛的人吗？既然什么东西都赶不上最牛的人，还继续学...
Kaggle 的比赛在 Machine Learning 领域中属于什么地位？
回答1 分钟在主流科研界可能影响已经不大了，但是在工业界中依然很受用。如果你有一些特别亮点的成绩，还是很有说服力的。也正如 @lau phunter 中提到的答案一样。 如果要在Kaggle比赛里面获得一个好的成绩，免不了要做大量的实验：关于参数选择，模型选择，以及特征工程等等。而为了高效地完成这些实验，即要有良好的实验思想，又要...
CVPR 2015 有什么值得关注的亮点？
回答3 分钟本人并非CV专业科研人员，只是最近在Trulia ( Trulia: Real Estate Listings, Homes For Sale, Housing Data )做和图像相关的科研项目，所以老大一挥手就把我和同事按排到Boston来围观CVPR了……总体上除了食物非常差，订不到旅馆以外，其他的收获都非常大。...
AI and Law, 人工智能与法律（一）：欢迎围观
文章5 分钟有人曾经提过这么一个问题：法律是否可能被代码化？ - 计算机 引发了不少的讨论。从开始时的戾气颇重的清一色的“当然不行”类回答，到慢慢的终于出现了“有的行，有的不行”的更为客观的回答。虽然有不少真知灼见，然而并没有看到有资深的专家出来，做出更详尽的回答。 这其实是一个非常好的问题，这背后是一股无法阻挡的新算法、新模型、...
Data Scientist 面试都面了哪些题？
文章3 分钟在之前的文章 CMU-CS硕士北美码农求职小记：Data Scientist 中，我简略叙述了我求职的经历，这里我也记录一下我面试过哪些类型的题目。面试的职位包括：Data Scientist，Data Engineer，Software Engineer in Machine Learning，Data Analys...
参加MLSS (Machine Learning Summer School) 是怎样的体验？
回答1 分钟谢邀 我并没有完整地参加过MLSS，但是去围观了2014暑假在CMU的MLSS。 都是偷偷混进去的，听了几个讲座，拿了一件衣服…… 讲的人都是比较牛的，Topic也是比较热门的，当然，感觉并不是给初学者听的，再加上各路大神的英语口音也非常丰富，估计很多人都是听得一头雾水…… Anyway，这个答案并没有什么实际内容……...