推 geminitw: 不懂原理卻一直coding真的心很累,像baysian NN我就自己 06/05 14:08
→ geminitw: 花了一年才算理解。 06/05 14:08
推 geminitw: 很好奇CS背景在看PRML variational inference 章節每個 06/05 14:14
→ geminitw: 字句都充份理解?我弱我不行。 06/05 14:14
推 filialpiety: 我被生物意義和數學原理困住,coding頂多是卡在bug.. 06/05 14:27
推 aidansky0989: 數學跟實作同樣重要,先檢視你的數據、目標找最適合 06/05 14:52
→ aidansky0989: 的算法 06/05 14:52
推 sa0124: 推 06/05 17:04
推 sxy67230: CS ML理解深不深還是要看教授,不過電資教授通常都是假 06/05 19:55
→ sxy67230: 設學生數理能力沒問題了,直接從物理意義上推究,真的碰 06/05 19:55
→ sxy67230: 到有興趣的部分在深入做推導就好了。至於業界真的碰到 06/05 19:55
→ sxy67230: 的都是要你去解決工程問題算法落地才是一切,那種尚待 06/05 19:55
→ sxy67230: 探索的理論不是業界需要的,除非你有能力進到最先進的 06/05 19:55
→ sxy67230: 企業實驗室,不然我真心認為不需要真的自己會推導,反 06/05 19:55
→ sxy67230: 而CS學到的工程實務才是真正需要的。灣區一堆DS現在薪 06/05 19:55
→ sxy67230: 資也走向兩極化,除非你真的超強自創ML算法模型,不然真 06/05 19:55
→ sxy67230: 的要往上爬只有靠結合工程應用。 06/05 19:55
推 sxy67230: 套一句我以前教授說的,做學術領域第一種超強是開宗闢土 06/05 20:02
→ sxy67230: ,有能力從0開始推敲出沒有人有辦法突破的公理,這種人 06/05 20:02
→ sxy67230: 十幾億人只有只千個,普通人就乖乖理解物理意義,實踐工 06/05 20:02
→ sxy67230: 程來改善前人算法的缺點就可以上很好的Journal了。 06/05 20:02
→ sxy67230: 台灣的小朋友太喜歡推導公式這件事情上了,我大學也很 06/05 20:20
→ sxy67230: 喜歡推導,那個時候寫滿滿一本在推馬克斯威爾方程,後 06/05 20:20
→ sxy67230: 來教授只是點一下物理意義馬上就通了才發現太拘泥在推 06/05 20:20
→ sxy67230: 導公式上不太有實質意義。 06/05 20:20
→ AmibaGelos: 推s大 實現比較重要 原理推導自己try不會太浪費時間 06/06 15:16
→ AmibaGelos: 不要像偶自以為coding還行浪費1年優化自刻的mcmc orz 06/06 15:16
推 bebe666666: 好奇原po大學是不是念統計系 06/06 15:53
推 acctouhou: 的確啊 現在ML領域都一堆輪子了 沒必要從頭刻吧? 除非 06/06 16:45
→ acctouhou: 是想理解概念 06/06 16:45
推 ddavid: 懂輪子怎麼跑起來的還是會有所幫助,真正頂尖的人最後都是 06/07 01:36
→ ddavid: 兩者兼具,但不是所有人都非得到那個程度才可以開始做研究 06/07 01:37
→ ddavid: ,這東西是可以漸進的,而且也可以停在自己覺得足夠的地方 06/07 01:37
推 memphis: 覺得這篇討論好多乾貨..讓我膜拜一下 06/08 09:24
→ purpleboy01: 想到我老師出國念CS碩博順便念了一個統計碩 06/08 15:30