→ shomingchang: 我覺得會數學跟甚麼頂會、比賽是兩碼子事吧 11/11 01:31
→ shomingchang: 如果要去看別人論文實作,不懂數學會連符號都看不懂 11/11 01:32
→ DrTech: 對,我也覺得兩碼子的事情。文中有錯可多指正。 11/11 01:33
→ shomingchang: 跟設計演算法也是兩碼子事,只是單純讀得懂的而已 11/11 01:34
→ DrTech: 看論文實作或復現的工作在台灣也很少。多數不需要。 11/11 01:35
→ shomingchang: 嵌入式環境需要吧 可沒有python的一堆套件可以用 11/11 01:38
推 clothg34569: 數學 頂會 KAGGLE這三樣沒甚麼關係吧 11/11 02:23
推 labbat: 重造輪子的工作比你想得多了,需要數學的 11/11 02:51
推 min86615: 有啦ECCV 會在Kaggle辦比賽,請第一名去會議上分享 11/11 08:10
推 frouscy: 要在業界做applied ML軟工比數學重要太多了QQ 11/11 08:34
推 stmilk: 其實依照你的前提“只是要糊口飯吃”,不要說ai了,所有 11/11 09:39
→ stmilk: 行業都不需要數學了,沒什麼討論點吧。再來,你提到模型 11/11 09:39
→ stmilk: 的部分不就說了數學的重要性,還是你其實是想告誡大家不 11/11 09:39
→ stmilk: 要妄想跟世界名校數學人競爭而不是數學的重要性?最後, 11/11 09:39
→ stmilk: 你提到的部份把前提假設的這麼美好當然就不用數學,來聊 11/11 09:39
→ stmilk: 聊推薦系統好了,今天老闆給你一行為人的一堆網頁點擊資 11/11 09:39
→ stmilk: 料,跟一堆他看過的文本圖片,而且都還稀疏各種缺漏,接 11/11 09:39
→ stmilk: 著就什麼都沒有了,叫你弄推薦系統,你是打算現在流行方 11/11 09:39
→ stmilk: 法套一套然後交差然後說抱歉我盡力了嗎?還是或嘗試用統 11/11 09:39
→ stmilk: 計方法處理一下資料? 11/11 09:39
推 stmilk: 或是股市資料,今天老闆就給你開高低收量,叫你寫策略, 11/11 09:44
→ stmilk: 你一樣是會用現行流行方法套一套然後說沒辦法,還是嘗試 11/11 09:44
→ stmilk: 去機率建模分析? 11/11 09:44
推 mmonkeyboyy: 樓上 你確定現在推薦系統是這樣做的? XD 從數學做 11/11 10:00
→ mmonkeyboyy: 老板會叫你回家吃自己.... 別人都上市了 你在那刻 11/11 10:00
推 mmonkeyboyy: 更別提還有很多美麗的數學解不了的工程問題 11/11 10:03
推 stmilk: 再提一下模型的部分,模型越小越好除了成本考量,最重要 11/11 10:07
→ stmilk: 的是降低capacity導致的overtraining的問題,深入研發的 11/11 10:07
→ stmilk: 部分有一大派就是在想辦法降低這個部分,但你只有兩條路 11/11 10:07
→ stmilk: ,一是改變模型架構這也是,純學術在做的事,因為不用考 11/11 10:07
→ stmilk: 慮有的沒的只要專注降低capacity跟訓練成本就好,像tran 11/11 10:07
→ stmilk: sformer極大程度降低了capacity跟能夠平行運算,另一條路 11/11 10:07
→ stmilk: 就是想辦法丟進模型的資訊少一點,因為根據Universal ap 11/11 10:07
推 mmonkeyboyy: 真覺得這麼厲害也有用 可以去對岸試試 11/11 10:07
→ stmilk: proximation theorem能在模型上幹的事有限,結果不管怎麼 11/11 10:07
→ stmilk: 搞就是那樣,所以要嘛像你說的伸手牌去跟需求端要更好的 11/11 10:07
→ stmilk: 特徵,要嘛就是自己搞,對就是用數學,就算是那些常見手 11/11 10:07
→ stmilk: 法你不會就不能用 11/11 10:07
→ mmonkeyboyy: 實務上就一堆數學搞不定的 就是叫工程的搞破壞搞定 11/11 10:09
→ mmonkeyboyy: 你也就講 那數學哩 你看過一堆暴力pruning? 11/11 10:11
→ mmonkeyboyy: 至今這幫人也還沒給出啥解釋 但人家超好用啊 11/11 10:11
推 stmilk: 你總有上線後要優化吧,真的就要放上去就不管喔那我也沒 11/11 10:12
→ stmilk: 話說啦 11/11 10:12
→ mmonkeyboyy: 你只是上線後優化....很多時候跟數學沒關啊.... 11/11 10:12
→ mmonkeyboyy: 優化界跟數學沒關的更多了 = =" 很多都是後來再套數 11/11 10:13
→ mmonkeyboyy: 學上去的 後面來的人傻傻以為人家是這樣想出來的 11/11 10:13
→ mmonkeyboyy: 現實情況是 如果有數學可以解真好 但多的是沒有 11/11 10:14
推 stmilk: 我的優化不是優化速度有的沒的,是優化準確率啦 11/11 10:14
→ stmilk: 你不能沒有就不做阿=_= 11/11 10:15
→ mmonkeyboyy: 但還是得優化....囧> 11/11 10:15
→ mmonkeyboyy: 優化準確率 然後你去做數學 結果花一堆時間做出來 11/11 10:15
→ mmonkeyboyy: 更爛....你老板不立馬開了你 不然你以為大家大部份 11/11 10:16
→ mmonkeyboyy: 都是從別的地方開始是為啥.... 11/11 10:16
→ mmonkeyboyy: 就拿cnn類來說 自從出來後 真有意義的改良也就幾個 11/11 10:17
推 stmilk: 你知道平台端的廣告投放商競價系統要做的事嗎? 11/11 10:17
→ mmonkeyboyy: 一年大拜拜就出那個位數篇 也就幾年而已 11/11 10:18
→ stmilk: 優化那個機率真的不是你暴力法去搞就好 11/11 10:18
→ mmonkeyboyy: 我沒跟 平台端做過 到是不知道 11/11 10:19
→ mmonkeyboyy: 我跟你的上面出推薦的人做過 最後他們用我們暴力方 11/11 10:19
→ mmonkeyboyy: 案....用空間換 11/11 10:20
→ mmonkeyboyy: 他們自己算過成本 對方也一堆數學家+AI理論專家 11/11 10:21
→ mmonkeyboyy: 最後各種比完之後拿下來的是工程硬解上RAM 11/11 10:22
→ mmonkeyboyy: 後面商家我沒做過 抱歉 也許那端是吧 11/11 10:22
→ mmonkeyboyy: 數學那麼美麗 我每個都用f32不更美 剛好回家吃自己 11/11 10:24
→ mmonkeyboyy: 還不如int8/16 混合先撐撐過了再說 11/11 10:24
→ mmonkeyboyy: 當然我不是說數學不好 只是說要久一點 要多久就是 11/11 10:25
→ mmonkeyboyy: 比投資人的耐心了....學術界就是要比有沒有人比你更 11/11 10:26
→ mmonkeyboyy: 快想到.... 11/11 10:26
→ mmonkeyboyy: 說到數學家 一堆都在研究blis/blas/smm-mul 11/11 10:33
→ mmonkeyboyy: 純數還沒有遇到幾個 還真不知道他們在幹嘛 11/11 10:35
→ mmonkeyboyy: 但我知道沒有很常在做網路就是了 11/11 10:35
推 alpe: 四類寫後端又念資管碩寫AI論,非相關科系根本不懂那數學符號 11/11 11:50
→ alpe: 我寫完論文我還是不懂, 問幾個中階的問題我就死了 11/11 11:52
推 aria0520: 我在業界AI到現在的確是沒什麼碰到數學 11/11 15:56
→ aria0520: 頂會workshop倒是有個一篇 11/11 15:56
→ odahawk: 我在IC設計公司用過濾波器數學 11/11 16:14
推 solitude6060: 回上面的:你確定現在推薦系統是這樣做+1(好啦我沒 11/11 17:05
→ solitude6060: 有要參戰XD 11/11 17:05
推 leptoneta: 應該說在台灣 不是職稱有AI就以為自己在搞AI 11/11 17:38
→ leptoneta: 寫作人工智慧 讀作工人智慧 11/11 17:39
→ aria0520: 不過現在台灣業界對AI的定義就是這樣沒錯 11/11 20:24
→ aria0520: 台灣的純軟公司體量沒有大到像國外可以真的搞研究 11/11 20:25
→ aria0520: 發paper 台灣業界就是要速成有效和部署 11/11 20:25
推 mmonkeyboyy: 囧> 我也沒有要參戰啊 只是覺得事必有因 這樣XD 11/12 02:02
→ mmonkeyboyy: 再看幾個回應 嗯 果然不出所料XD 11/12 02:03
→ mmonkeyboyy: 其實全世界真做nn研究的真的很少 每年做出來的都可 11/12 02:04
→ mmonkeyboyy: 以用手指數的@_@~ cv來說過去幾年也就某一派大殺四方 11/12 02:04
→ mmonkeyboyy: 說實話我自認智商不足 還是去一邊畫圈好了XD 11/12 02:05
→ mmonkeyboyy: 我覺得有效部署不是錯事 因為更多ai都是紙上談兵 11/12 02:06
推 mmonkeyboyy: 而且要有資金才有新研究 還是要能有錢才轉得動啊 11/12 02:08
→ mmonkeyboyy: 幾乎所有公司都是拿別的養ai部門 沒有別的搶上市先 11/12 02:11
→ mmonkeyboyy: 賺一波也不是壞事啊 11/12 02:11
推 world4jason: 現在推薦系統複雜多了 都是pipeline組合 基本上是工 11/12 12:35
→ world4jason: 程問題 只是每個環節上有不同model針對該環節指標優 11/12 12:35
→ world4jason: 化 但說實在看起來很work的論文 套用到在家data上根 11/12 12:35
→ world4jason: 本不一定work 對資料的研究 前處理 這些工程事情才真 11/12 12:35
→ world4jason: 的是關鍵 另外像是推薦系統這種雖然有指標但每個人體 11/12 12:35
→ world4jason: 感大不相同的東西 為了幾%的指標提升從ML改DL 然後每 11/12 12:35
→ world4jason: 個月燒的數字多一個0 這方案絕對不會被採用的 11/12 12:35
→ DrTech: 推薦系統,或人的行為紀錄,現在根本沒有好的數學可以提升 11/12 12:44
→ DrTech: 點擊效果,購買效果。也是考大力出奇蹟。實務上真的沒機會 11/12 12:44
→ DrTech: 給你用數學去提升。 11/12 12:44
推 aiueokaki: 這篇才接近現實 11/12 12:57
推 aria0520: 基本上你公司誰算力大誰就贏一半了 11/12 23:32
→ aria0520: 不用算數學 積木設計好丟下去NAS搞定 11/12 23:34
推 world4jason: 同意原po說的 看起來是業內人XD 推薦系統跟數學完全 11/14 00:09
→ world4jason: 無關 完全是domain knowledge跟工程 有時候抓到key f 11/14 00:09
→ world4jason: eature就吊打千千萬萬模型了 11/14 00:09
→ world4jason: 不行的話就是大力出奇蹟XD 11/14 00:09