→ bab7171: 請問比較深的Ai理論是指哪一些 03/06 08:29
推 vincentman: 本來就不該期待課程能學多深的東西,光是基礎就需要 03/06 09:07
→ vincentman: 數月的時間。要學深請自己多花時間研究,或跟同好交流 03/06 09:07
→ vincentman: 。 03/06 09:07
推 bab7171: 想知道 機器學習 比較深的部分是啥 03/06 09:16
→ bab7171: 但卻沒有鄉民說出來 03/06 09:17
→ ice80712: 該領域最近幾年火紅的論文 模型結構 知道或是實作過 03/06 09:21
推 bab7171: 可以舉些例子 感謝 03/06 09:46
推 sxy67230: 比較新的就ZSL或FSL,再來就capsNet這些方法都有一些很 03/06 10:05
→ sxy67230: 新的做法,再來就是你有沒有辦法突破現有做法的頻頸,這 03/06 10:05
→ sxy67230: 些題目隨便找一個突破都夠你博畢了 03/06 10:05
推 sxy67230: CNN就有很多辨識很蠢的東西,像他識別馬就可能把馬奔跑 03/06 10:09
→ sxy67230: 的草地當作識別對象,就算準確率很高,那也只是你的data 03/06 10:09
→ sxy67230: 都有馬在草地上奔跑,其實機器學會的只是識別草地 03/06 10:09
推 sxy67230: 如果這些題目太難,那也可以試試看怎麼做dnn的視覺化, 03/06 10:11
→ sxy67230: 讓大家可以知道機器學會的東西究竟是什麼,能不能更深入 03/06 10:11
→ sxy67230: 瞭解網路運作的每一步 03/06 10:11
推 thefattiger: 工程上要做的是把已經成熟的模型套用到自己的領域上 03/06 18:30
→ thefattiger: 突破既有算法的瓶頸,那是科學家該做的是,那個才需要 03/06 18:30
→ thefattiger: 所謂很強的數學 03/06 18:30
→ thefattiger: capsNet什麼的離商用都還很遠 03/06 18:31
推 bab7171: 感謝sxy大 03/06 18:55
→ DrTech: 覺得機器學習很簡單,有兩種可能。你沒見過現實工作中真實 03/09 00:36
→ DrTech: 數據,或你不在學術界發論文。 03/09 00:36