[問卦] AI大數據分析是不是過譽了？已刪文

看板Gossiping作者 (LP哥(LP = Love & Peace))時間2年前 (2021/10/13 09:06), 編輯推噓28(35推 7噓 56→)
留言98則, 48人參與, 2年前最新討論串1/3 (看更多)
之前很多學校就喊說大數據分析怎樣的 但事實上目前唯一能夠應用的只有 google 的搜尋分析 google 就是分析大家搜尋的關鍵字推送最需要的網頁 但除此之外， 統計學家長期以來都得承認， 最困難的是如何證明兩組不同數據之間取得關聯性， 要不然就會鬧出類似 男人比出OK的手勢的圓圈大小等於他的睪丸大小 這種笑話 但是這種笑話一樣的數據分析論文到處都是， 根本沒有做到所謂的大數據分析的效果， AI大數據分析是不是過譽了？ 有沒有八卦？ -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.200.181.109 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Gossiping/M.1634087168.A.181.html
推
10/13 09:06, 2年前 , 1F
天才AI程序猿
10/13 09:06, 1F
推
10/13 09:06, 2年前 , 2F
同感
10/13 09:06, 2F
→
10/13 09:07, 2年前 , 3F
big data(x), 包裝版 data mining(o)
10/13 09:07, 3F
推
10/13 09:07, 2年前 , 4F
應用很多 真正能落地的不多
10/13 09:07, 4F
推
10/13 09:07, 2年前 , 5F
buzz word
10/13 09:07, 5F
推
10/13 09:07, 2年前 , 6F
是噱頭的成分比較高
10/13 09:07, 6F
推
10/13 09:07, 2年前 , 7F
問四趴大數據立委啊 不是很愛吹越南
10/13 09:07, 7F
→
10/13 09:07, 2年前 , 8F
樣本數不夠多，大數據就是個笑話！
10/13 09:07, 8F
→
10/13 09:08, 2年前 , 9F
爬一堆沒用的資料回來想把垃圾變黃金，
10/13 09:08, 9F
→
10/13 09:08, 2年前 , 10F
真的變狗勾黃金
10/13 09:08, 10F
推
10/13 09:08, 2年前 , 11F
應該是說拿大數據招搖撞騙的人太多了
10/13 09:08, 11F
→
10/13 09:08, 2年前 , 12F
導致你覺得他過譽
10/13 09:08, 12F
推
10/13 09:08, 2年前 , 13F
不如說用的人參差不齊吧
10/13 09:08, 13F
→
10/13 09:09, 2年前 , 14F
一堆白癡料理做的爛 也不一定是工具的錯
10/13 09:09, 14F
推
10/13 09:09, 2年前 , 15F
像半導體製程資料的大數據真的有用，其
10/13 09:09, 15F
→
10/13 09:10, 2年前 , 16F
它新創大數據，你只要看他資料來源就能
10/13 09:10, 16F
→
10/13 09:10, 2年前 , 17F
知道是不是又在賣狗勾黃金
10/13 09:10, 17F
推
10/13 09:12, 2年前 , 18F
認真回，AI不是拿來做科研的，是拿來做商
10/13 09:12, 18F
→
10/13 09:12, 2年前 , 19F
業決策用的，所以不需要證明有關聯，只要
10/13 09:12, 19F
→
10/13 09:13, 2年前 , 20F
用這個做決策能夠增加企業營收就可以
10/13 09:13, 20F
推
10/13 09:13, 2年前 , 21F
跟生科差不多
10/13 09:13, 21F
→
10/13 09:14, 2年前 , 22F
舉個例子，如果計算出來某個女性的用詞與
10/13 09:14, 22F
→
10/13 09:15, 2年前 , 23F
"極簡"高度關聯，那就可以考慮把廣告做成
10/13 09:15, 23F
→
10/13 09:15, 2年前 , 24F
女生喜歡的樣子，販售的是極簡的產品
10/13 09:15, 24F
推
10/13 09:19, 2年前 , 25F
以後就有天才AI大數據大臣了
10/13 09:19, 25F
推
10/13 09:20, 2年前 , 26F
你看Youtube推薦給你影片的時候有需要認真
10/13 09:20, 26F
→
10/13 09:20, 2年前 , 27F
考究你為什麼喜歡這些影片嗎？不需要，只
10/13 09:20, 27F
噓
10/13 09:20, 2年前 , 28F
建模懂？ 你說的內容還在敘述統計
10/13 09:20, 28F
→
10/13 09:20, 2年前 , 29F
範疇
10/13 09:20, 29F
→
10/13 09:21, 2年前 , 30F
要你點擊下去，他增加點擊率就夠了
10/13 09:21, 30F
推
10/13 09:23, 2年前 , 31F
數據量跟品質有到一定程度才有辦法
10/13 09:23, 31F
→
10/13 09:23, 2年前 , 32F
以你說的睪丸的例子也是一樣，"假設"手比o
10/13 09:23, 32F
→
10/13 09:23, 2年前 , 33F
精準，大數據是輔助決策跟改善效能
10/13 09:23, 33F
→
10/13 09:23, 2年前 , 34F
的利器
10/13 09:23, 34F
→
10/13 09:23, 2年前 , 35F
k的大小跟睪丸大小有正相關，我針對比出來
10/13 09:23, 35F
→
10/13 09:23, 2年前 , 36F
但..youtube推薦影片常常都不是我要的
10/13 09:23, 36F
推
10/13 09:23, 2年前 , 37F
你只有在EDA 可是你要建模 參數估計 選
10/13 09:23, 37F
→
10/13 09:24, 2年前 , 38F
模 診斷模型 一堆步驟之後 才能做出合
10/13 09:24, 38F
→
10/13 09:24, 2年前 , 39F
很小的人全部投放壯陽藥，而且70%都買單了
10/13 09:24, 39F
→
10/13 09:24, 2年前 , 40F
理推論==
10/13 09:24, 40F
→
10/13 09:24, 2年前 , 41F
那為什麼還需要去證明兩者的關連性呢？
10/13 09:24, 41F
推
10/13 09:25, 2年前 , 42F
AI現在還是智障，大數據現在還要人過濾
10/13 09:25, 42F
→
10/13 09:25, 2年前 , 43F
垃圾
10/13 09:25, 43F
噓
10/13 09:26, 2年前 , 44F
AI數據(X) 不懂的人掛名用(O)
10/13 09:26, 44F
推
10/13 09:26, 2年前 , 45F
講到這個就火,我覺得手機真的雞巴,新手
10/13 09:26, 45F
→
10/13 09:26, 2年前 , 46F
機我自拍沒幾次,最近就有禿頭救星、找回
10/13 09:26, 46F
→
10/13 09:26, 2年前 , 47F
頭髮的廣告,我根本沒搜索過關鍵字,只憑
10/13 09:26, 47F
→
10/13 09:26, 2年前 , 48F
我的自拍就跑出這種廣告,這侵犯隱私惹吧
10/13 09:26, 48F
推
10/13 09:29, 2年前 , 49F
你講的都是基礎統計啊…特斯拉的
10/13 09:29, 49F
→
10/13 09:29, 2年前 , 50F
自駕不就是一個很好的範例嗎-.-
10/13 09:29, 50F
推
10/13 09:30, 2年前 , 51F
只要有打字過手機就會自動推薦給你了-.-
10/13 09:30, 51F
→
10/13 09:30, 2年前 , 52F
45樓好笑
10/13 09:30, 52F
推
10/13 09:32, 2年前 , 53F
你說的是overfit 概念 超好笑的
10/13 09:32, 53F
推
10/13 09:34, 2年前 , 54F
噱頭而已，很久以前就有了，只是201x創造
10/13 09:34, 54F
→
10/13 09:34, 2年前 , 55F
個大數據名詞，聽起來好像很厲害
10/13 09:34, 55F
→
10/13 09:36, 2年前 , 56F
大數據超猛好嗎 那是智障太多
10/13 09:36, 56F
推
10/13 09:37, 2年前 , 57F
最明顯在視覺科技運用上有極大的突
10/13 09:37, 57F
→
10/13 09:37, 2年前 , 58F
破
10/13 09:37, 58F
推
10/13 09:38, 2年前 , 59F
10/13 09:38, 59F
→
10/13 09:38, 2年前 , 60F
還有阿法狗圍棋可以下贏最強人類
10/13 09:38, 60F
→
10/13 09:38, 2年前 , 61F
這在阿法狗贏之前都認為不可能
10/13 09:38, 61F
推
10/13 09:45, 2年前 , 62F
以前是算力跟不上 玩不起來
10/13 09:45, 62F
噓
10/13 09:45, 2年前 , 63F
你文組的或有去業界工作嗎? 業界現在很
10/13 09:45, 63F
→
10/13 09:45, 2年前 , 64F
多輔助分析判斷都是靠內部建的資料庫再
10/13 09:45, 64F
→
10/13 09:46, 2年前 , 65F
搭配大數據分析阿
10/13 09:46, 65F
→
10/13 09:47, 2年前 , 66F
你舉的例子就更進階了 但也不能說沒用
10/13 09:47, 66F
推
10/13 09:48, 2年前 , 67F
大數據模擬”習慣 ” 還蠻厲害的
10/13 09:48, 67F
噓
10/13 09:49, 2年前 , 68F
文組嗎
10/13 09:49, 68F
→
10/13 09:51, 2年前 , 69F
Garbage in garbage out
10/13 09:51, 69F
推
10/13 09:55, 2年前 , 70F
差不多 雖然應用面很廣 但噱頭其實還好
10/13 09:55, 70F
→
10/13 09:56, 2年前 , 71F
在未來應該會變成類似excel的工具而已
10/13 09:56, 71F
推
10/13 10:12, 2年前 , 72F
現在各種市場交易越來越多機器人、程
10/13 10:12, 72F
→
10/13 10:12, 2年前 , 73F
式控盤，收集數據分析出機器人的設定
10/13 10:12, 73F
→
10/13 10:12, 2年前 , 74F
參數，再運算出獲利方法，懂得就知道
10/13 10:12, 74F
→
10/13 10:12, 2年前 , 75F
我在說啥，雖然現階段還需人工二次篩
10/13 10:12, 75F
→
10/13 10:12, 2年前 , 76F
選項目
10/13 10:12, 76F
→
10/13 10:15, 2年前 , 77F
是在故意釣文組？
10/13 10:15, 77F
推
10/13 10:17, 2年前 , 78F
AI就像讀書一樣 懂的人可以如何運用 廢
10/13 10:17, 78F
→
10/13 10:17, 2年前 , 79F
的人只會說讀書無用
10/13 10:17, 79F
→
10/13 10:19, 2年前 , 80F
你把bias拿掉 ok手勢與蛋蛋大小的var
10/13 10:19, 80F
→
10/13 10:19, 2年前 , 81F
足夠小 就說明兩者相關啊 哪裡好笑0.0
10/13 10:19, 81F
→
10/13 10:20, 2年前 , 82F
垃圾進垃圾出，這誰都懂的
10/13 10:20, 82F
推
10/13 10:20, 2年前 , 83F
Trash in trash out 不是Ai問題是data mi
10/13 10:20, 83F
推
10/13 10:20, 2年前 , 84F
蠻有用的啊，各行各業都需要
10/13 10:20, 84F
推
10/13 11:32, 2年前 , 85F
還有5G跟雲端，這幾年瘋炒作的名詞，拿
10/13 11:32, 85F
→
10/13 11:32, 2年前 , 86F
來騙預算最好用
10/13 11:32, 86F
→
10/13 11:33, 2年前 , 87F
樣本數再多，垃圾數據終究只是垃圾數據
10/13 11:33, 87F
→
10/13 11:35, 2年前 , 88F
幻想A領域的垃圾能變成B領域的黃金
10/13 11:35, 88F
噓
10/13 12:14, 2年前 , 89F
問題就錯了 為何要證明關聯？
10/13 12:14, 89F
→
10/13 12:14, 2年前 , 90F
模型做完找到趨勢就可以應用了
10/13 12:14, 90F
推
10/13 12:14, 2年前 , 91F
練重訓，增加肌肉量
10/13 12:14, 91F
推
10/13 12:57, 2年前 , 92F
有用，但是套名，招搖撞騙玩虛的太多
10/13 12:57, 92F
噓
10/13 14:01, 2年前 , 93F
你媽知道你在網路上發這種不懂裝懂的
10/13 14:01, 93F
→
10/13 14:01, 2年前 , 94F
文給人笑一定很難過QQ
10/13 14:01, 94F
噓
10/13 14:29, 2年前 , 95F
這篇不懂裝懂 嘻嘻
10/13 14:29, 95F
推
10/13 18:00, 2年前 , 96F
嘻嘻 你講這麼白學界要怎麼撈錢
10/13 18:00, 96F
推
10/13 18:18, 2年前 , 97F
你只要用到手機電腦谷歌yt跟打字，大數
10/13 18:18, 97F
→
10/13 18:19, 2年前 , 98F
據跟廣告就就已經綁架你了，這就是餅乾
10/13 18:19, 98F
‣ 更多 lpbrother 的文章
文章代碼(AID): #1XPZ4061 (Gossiping)
討論串 (同標題文章)
以下文章回應了本文 (最舊先)：
完整討論串 (本文為第 1 之 3 篇)：
排序： 最舊先 | 最新先 | 留言數
在新視窗開啟完整討論串 (共3篇)
‣ 更多 lpbrother 的文章
文章代碼(AID): #1XPZ4061 (Gossiping)