[問題] 請問老闆要我變更進行的方法的意思是?

看板DataScience作者 (我是無敵的K)時間2年前 (2021/11/25 17:07), 編輯推噓9(9027)
留言36則, 12人參與, 2年前最新討論串1/1
作業系統:(ex:mac,win10,win8,win7,linux,etc...) linux 問題類別:(ex:ML,SVM,RL,DL,RNN,CNN,NLP,BD,Vis,etc...) ML,DL 使用工具:(ex:python,Java,C++,tensorflow,keras,MATLAB,etc...) python 問題內容: 老闆(指導教授)今天咪聽時跟我說, 不要直接從深度模型開始做實驗, 要從"下而上"開始進行研究工作. 因為他好像正在生氣中, 所以我不敢繼續問"下而上"的意思和細節. 請問大家能幫忙詳細解釋一下嗎? 感恩~ -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.174.200 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1637831258.A.FC7.html

11/25 19:01, 2年前 , 1F
資訊太少 不好通靈@@
11/25 19:01, 1F

11/25 19:24, 2年前 , 2F
樓上需要超占事略决
11/25 19:24, 2F

11/25 19:37, 2年前 , 3F
先跟老闆要水晶球...
11/25 19:37, 3F

11/25 19:56, 2年前 , 4F
我看起來像你老闆嗎
11/25 19:56, 4F

11/25 20:58, 2年前 , 5F
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, 5F

11/25 20:58, 2年前 , 6F
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, 6F

11/25 20:58, 2年前 , 7F
驗,畢竟train model很貴QQ
11/25 20:58, 7F

11/25 21:25, 2年前 , 8F
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, 8F

11/25 21:25, 2年前 , 9F
較好而且很難分析。傳統ML的linear model如logistic regres
11/25 21:25, 9F

11/25 21:25, 2年前 , 10F
sion, linear SVM,以及tree-based如decision tree, random
11/25 21:25, 10F

11/25 21:25, 2年前 , 11F
forest都有更多可解釋性。 詳情請上youtube搜尋林軒田mach
11/25 21:25, 11F

11/25 21:25, 2年前 , 12F
ine learning。
11/25 21:25, 12F

11/25 21:54, 2年前 , 13F
先從rule-based開始吧,加油
11/25 21:54, 13F

11/26 04:22, 2年前 , 14F
從傳統方法開始 先survey過去這題目是如何用數學
11/26 04:22, 14F

11/26 04:22, 2年前 , 15F
或演算法來解的吧
11/26 04:22, 15F

11/26 09:46, 2年前 , 16F
反觀我同事一開始就從深度學習下手…
11/26 09:46, 16F

11/27 15:25, 2年前 , 17F
現在基本上都是直接丟DL Model 跑吧
11/27 15:25, 17F

11/27 15:26, 2年前 , 18F
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, 18F

11/27 15:26, 2年前 , 19F
看就關聯性很低的雜訊一起丟進去跑 DL
11/27 15:26, 19F

11/27 15:27, 2年前 , 20F
比較重要的參數反而因為簡易性沒有考慮到
11/27 15:27, 20F

11/28 16:39, 2年前 , 21F
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, 21F

11/28 16:39, 2年前 , 22F
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, 22F

11/28 16:39, 2年前 , 23F
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, 23F

11/28 16:39, 2年前 , 24F
,再來做夢優化你的模型,不然只是浪費時間。
11/28 16:39, 24F

11/28 16:45, 2年前 , 25F
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, 25F

11/28 16:45, 2年前 , 26F
料品質當作沒看見,很容易偷工時XD
11/28 16:45, 26F

11/28 17:25, 2年前 , 27F
樓上都想太多,說不定原po的題目其實跟deep learnin
11/28 17:25, 27F

11/28 17:25, 2年前 , 28F
g無關XD
11/28 17:25, 28F

11/29 05:26, 2年前 , 29F
你這問問題的方式有待加強
11/29 05:26, 29F

11/29 05:27, 2年前 , 30F
我猜你遇到的問題不是現有 paper 找得到解法的
11/29 05:27, 30F

11/29 05:28, 2年前 , 31F
所以連要不要用 DL 下去做都能不確定
11/29 05:28, 31F

11/29 05:29, 2年前 , 32F
解決問題的方法有分 rule-based 和 data-driven
11/29 05:29, 32F

11/29 05:31, 2年前 , 33F
不是什麼問題都應該用 data 硬幹
11/29 05:31, 33F

11/29 23:24, 2年前 , 34F
深度學習就很難分析why it works
11/29 23:24, 34F

11/29 23:24, 2年前 , 35F
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, 35F

11/29 23:24, 2年前 , 36F
能瓶頸 未來你才有方向改動深度學習的架構
11/29 23:24, 36F
文章代碼(AID): #1Xdr9Q_7 (DataScience)