→ yoyololicon: 資訊太少 不好通靈@@ 11/25 19:01
推 lycantrope: 樓上需要超占事略决 11/25 19:24
推 wtchen: 先跟老闆要水晶球... 11/25 19:37
→ yiche: 我看起來像你老闆嗎 11/25 19:56
推 EEQQ102938: 我主管也常這樣說,應該是叫你先從題目定義下手吧,像 11/25 20:58
→ EEQQ102938: 是傳統方法怎麼解之類的,來探討ML有沒有優勢再開始實 11/25 20:58
→ EEQQ102938: 驗,畢竟train model很貴QQ 11/25 20:58
推 skgg: 同樓上,就是請你從單純的模型開始試,複雜的模型不一定比 11/25 21:25
→ skgg: 較好而且很難分析。傳統ML的linear model如logistic regres 11/25 21:25
→ skgg: sion, linear SVM,以及tree-based如decision tree, random 11/25 21:25
→ skgg: forest都有更多可解釋性。 詳情請上youtube搜尋林軒田mach 11/25 21:25
→ skgg: ine learning。 11/25 21:25
推 EEQQ102938: 先從rule-based開始吧,加油 11/25 21:54
推 cowbadma5566: 從傳統方法開始 先survey過去這題目是如何用數學 11/26 04:22
→ cowbadma5566: 或演算法來解的吧 11/26 04:22
推 JustInn: 反觀我同事一開始就從深度學習下手… 11/26 09:46
→ yoche2000: 現在基本上都是直接丟DL Model 跑吧 11/27 15:25
→ yoche2000: 我猜跟五樓一樣 看過很多 paper 都無腦的把一堆用直覺 11/27 15:26
→ yoche2000: 看就關聯性很低的雜訊一起丟進去跑 DL 11/27 15:26
→ yoche2000: 比較重要的參數反而因為簡易性沒有考慮到 11/27 15:27
推 Bujo: 很多AI菜鳥都從演算法或是模型開始研究,真正影響模型品質的 11/28 16:39
→ Bujo: 是資料,先學會資料的處理並建立pipeline,再來就是如何有效 11/28 16:39
→ Bujo: 利用現有資源建置本地端或是雲端的最大算力,等這些處理好了 11/28 16:39
→ Bujo: ,再來做夢優化你的模型,不然只是浪費時間。 11/28 16:39
→ Bujo: 從下而上,就是先從資料開始,太多人說的一口演算法,結果資 11/28 16:45
→ Bujo: 料品質當作沒看見,很容易偷工時XD 11/28 16:45
→ yoyololicon: 樓上都想太多,說不定原po的題目其實跟deep learnin 11/28 17:25
→ yoyololicon: g無關XD 11/28 17:25
→ RumiManiac: 你這問問題的方式有待加強 11/29 05:26
→ RumiManiac: 我猜你遇到的問題不是現有 paper 找得到解法的 11/29 05:27
→ RumiManiac: 所以連要不要用 DL 下去做都能不確定 11/29 05:28
→ RumiManiac: 解決問題的方法有分 rule-based 和 data-driven 11/29 05:29
→ RumiManiac: 不是什麼問題都應該用 data 硬幹 11/29 05:31
推 aa871220: 深度學習就很難分析why it works 11/29 23:24
→ aa871220: 一定要從簡單model開始處理才知道原資料哪個環節造成效 11/29 23:24
→ aa871220: 能瓶頸 未來你才有方向改動深度學習的架構 11/29 23:24
推 tonyrao: 從下而上,不就是要你先找資料在去決定跑什麼演算法嗎 07/21 22:18