Re: [閒聊] Machine Learning的出路已刪文

看板Soft_Job作者plover (○(*￣中肯￣*)○)時間12年前 (2014/01/07 22:54)推噓4(4推 0噓 9→)

留言13則, 6人參與討論串4/4 (看更多)

: → cckk3333:台大花了很多資源在比KDD CUP，軟體、硬體、人力資源都很 12/26 14:10 : → cckk3333:多，我猜其他隊伍沒有這麼多資源，所以我其實沒有覺得多 12/26 14:11 : → cckk3333:了不起 12/26 14:12 : → cckk3333:但畢竟可以接觸實務，也可以把整個流程學一遍，解決一些 12/26 14:12 : → cckk3333:問題，我覺得算是相當不錯的訓練 12/26 14:13 : → cckk3333:自己比過Kaggle知道就個人能力而言，離頂尖的人還有一段 12/26 14:13 : → cckk3333:差距 12/26 14:13 : 推 Murasaki0110:強 12/26 14:23 : 推 johnny94:想聽你分享參加 kaggle 的心得XD 12/27 15:57 聽到 Kaggle 有這麼好玩的東西，小弟不才玩了一個禮拜左右。先說一下背景：數學研究所畢業，但學的是純數學，machine learning 知識接近零。切入正題，這是目前有的比賽，http://www.kaggle.com/competitions 剛開始絕對不要越級打怪，初期累積 machine learning 知識為主， decision tree 什麼基本的至少要會，很辛苦的看完一堆投影片，開始選題目來玩。一開始建議選： (1) Digit Recognizer (2) Titanic: Machine Learning from Disaster (3) Data Science London + Scikit-learn 因為是新手所以沒什麼壓力，有些 data files 內含 benchmark source code，抓回來研究就可以了，有感覺之後，開始深入研究 classifer 是什麼，以小弟來說，完全沒聽過 random forest, knn, svm 有聽但沒懂。 (可能需要一些 python / R 的經驗) 初期先求 submit prediction 成功，中期打敗 benchmark，後期想辦法提升排名，排名會反映知識累積的結果，不計結果，過程也能學到不少東西，至少我知道資料進 svm 之前要 normalization，影像類的資料可以 preprocessing。名次停滯不是系統有問題，而是自己技不如人，技不如人只好想點辦法進步，然後改進，接著看名次往上爬，超爽DER！！！其實國外這些資源真的很多，質量也不錯，有時間真的可以好好利用。 -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 111.241.33.168

推

singlovesong

01/07 23:11, , 1^F

01/07 23:11, 1^F

推

bxxl

01/07 23:16, , 2^F

01/07 23:16, 2^F

→

plover

01/08 01:25, , 3^F

01/08 01:25, 3^F