文章、回答、音乐、视频、播客和访谈的统一归档 · 全部内容 · 机器学习与数据科学 · 73 条 · 第 1 / 3 页
2025
2024
如果想从事人工智能方向，本科应该选择计算机还是数学？
回答2 分钟分享一下我的观察。建议选择计算机专业，原因有这么几个： 首先是基础课程的完整性。计算机专业会学习编程、数据结构、操作系统、计算机网络等等基础课程。这些看似和机器学习关系不大，但当你真正在业界做 AI 应用的时候，这些基础知识反而成了最重要的部分。我见过太多数学专业转行的同学，在处理工程问题时非常吃力，因为缺乏这些基础知...
编程的难点在于哪里？是逻辑、数学、算法，还是模块、框架、接口的掌握？
回答2 分钟编程最大的难点其实都不在这些技术层面上，而是在于如何把一个复杂的现实问题转化为计算机可以理解和执行的形式。 我之前中提到过一个观点："部署、运维等工具的逐渐标准化使得重复造轮子的需求越来越弱，越来越多的工程师核心任务并不是研发，而是整合（Integration）。"这背后的深意是：现在的编程工作，难点已经从"如何实现"...
2021
有哪些方法可以帮助AB测试显著更快一些？
回答3 分钟方法是有不少的，比较常见的一个方向是做方差缩减（Variance Reduction[1]）。这里分享一篇来自 Netflix KDD 2016 年的文章 Improving the Sensitivity of Online Controlled Experiments: Case Studies at Netfli...
支持向量机（SVM）是什么意思？
回答2 分钟大部分答案都在写公式，我来聊聊直觉上的东西。 设想一下你要做一个分类器，区分狗和炸鸡。首先假定我们只有两个数据，那么这条线会很容易画，自然而然就会画在正中间。 这个时候，我们加入一个新的数据，这个狗跟现有的数据差别很大。这个时候，分类线应该画在哪里？ 这就是 SVM 跟其他线性模型很不一样的地方了，SVM 这条分类线不...
如何看待深度学习中不分验证集？
回答1 分钟这就是典型的 overfitting 嘛，自欺欺人地刷数据。有限数据，天赋异禀，看着训练集，靠着随机函数丢硬币丢出完美符合的测试集的 if-else，拿到完美指标。刷就是了。 不过这是所有公开数据集都难以避免的，毕竟所有的数据都开放了，只要数据有限，不管怎么分，总有可能过拟合。所以刷数据的论文主要是看个 insight...
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...
Tubi TV是一家什么样的公司？
回答2 分钟哈哈，看到了不少同学都提到了我们常年“招人”，这确实是 Tubi 的现状，太缺人了。 不管是国内还是美国的程序员，都不是 Tubi TV 典型的用户，所以对 Tubi 的规模其实不太了解: 我们在2019年6月宣布了两千万的月活用户[1]（MAU），根据 The Verge 2019年1月的文章[2]，Hulu 有两千...
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...
2018
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...
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...
如何评价知乎用户『大盗贼霍老爷』的微信公众号文章《知乎作了什么恶》？
回答2 分钟与之相反，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...
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...