Re: [問卦] 大數據big data是不是過譽了消失

看板Gossiping作者時間8年前 (2017/04/04 22:38), 編輯推噓7(817)
留言16則, 7人參與, 最新討論串7/15 (看更多)
難就難在專業的分析 研究data science 的人專心搞數學、演算法 如果要運用在商業上,他們不懂商業 要運用在醫學上,他們也不懂醫學 他們管的是資料 要他們跟其他領域的人溝通是很困難的 要怎麼解釋deep learning中間發生什麼事? 今天老闆要你找方法提高收益 你跟老闆講方程式? 但是不講方程式怎麼解釋人事成本和研發成本解釋了87%的收益變異量 除非以後每個專業都把data science加入必修 不然data science 現在就是別人有我也要有 但是有了後不知道幹嘛的雞肋 所以data science是文組反攻理組的最好機會 反正也沒人真正知道deep learning中間在幹嘛(By Andrew Ng) 模型建好後理組就閉嘴了 社會科學、藝術、文學等等 都已經大量使用相關技術了 為了建立一個文組、理組沒有隔閡的世界 data science真的必須成為各領域必修 ※ 引述《allbs (喵嗚)》之銘言: : ※ 引述《rainyday1908 (宜蘭東河馬)》之銘言: : : 有人說未來是大數據分析的時代 : : 而且是未來的趨勢 : : 但也有人持反對意見 覺得是在譁眾取寵 : : 大數據是不是在劃大餅呢? 真的有這麼神嗎 : : 大數據是不是過譽了? : 大數據必須數字夠大加上專業分析才有用 : 如果隨便抓上千個數字就開始做分析,那只是搞笑而已 : 之前有討論過一件事 : 台灣最賺公車路線307要不要拆開的問題 : http://275.tw/image/307.gif
: 要不要以台北車站為中間拆成2截,減短路線距離,增加周轉率 : 這時候就需要台北車站東西邊乘客行為模式的比例 : 如果台北車站兩邊的乘客很少利用307到台北車站另一邊 : 那307拆成2條路線就有科學根據 : 如果數字做出來,台北車站東西邊的乘客靠307來往比例很高 : 307不拆的科學根據也就出來了 : 大概是這樣 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 35.22.118.242 ※ 文章網址: https://www.ptt.cc/bbs/Gossiping/M.1491316714.A.044.html

04/04 22:44, , 1F
沒人推我先
04/04 22:44, 1F

04/04 22:48, , 2F
反串
04/04 22:48, 2F

04/04 22:50, , 3F
大量資訊的收集才是問題 還要看公司規模大小
04/04 22:50, 3F

04/04 22:53, , 4F
有時候花了一堆成本分析了一堆 結果成本效益考量後還是放
04/04 22:53, 4F

04/04 22:53, , 5F
棄 根本就浪費時間了啊.....
04/04 22:53, 5F

04/04 22:53, , 6F
知道分析這些可能某部分要改變 但是結果發現大家都知道XD
04/04 22:53, 6F

04/04 22:54, , 7F
現在沒幾個人會用DL啦 更別提文組的了
04/04 22:54, 7F

04/04 23:00, , 8F
04/04 23:00, 8F

04/04 23:01, , 9F
文組只要會insight就可以賺大錢 反觀CS辛苦加班刻工具QQ
04/04 23:01, 9F

04/04 23:18, , 10F
這 不是這樣喇
04/04 23:18, 10F

04/04 23:19, , 11F
cloud之後沒多久就喊big data 資料的意義是一回事
04/04 23:19, 11F

04/04 23:19, , 12F
那些資料儲存讀寫運算就是純技術惹
04/04 23:19, 12F

04/04 23:20, , 13F
矽谷還是一堆大大小小公司在搞這葛
04/04 23:20, 13F

04/04 23:22, , 14F
是說這幾年linkedin冒出一堆人自稱data scientist
04/04 23:22, 14F

04/04 23:22, , 15F
有些其實是理組背景der
04/04 23:22, 15F

04/04 23:43, , 16F
釣到樓上惹ㄦ 不re一篇ㄇ?
04/04 23:43, 16F
文章代碼(AID): #1Ouw_g14 (Gossiping)
討論串 (同標題文章)
本文引述了以下文章的的內容:
完整討論串 (本文為第 7 之 15 篇):
文章代碼(AID): #1Ouw_g14 (Gossiping)