[討論] AutoML都出來了,以後還需要ML專家嗎?

看板Tech_Job作者 (tomwhat)時間5年前 (2019/01/17 11:29), 編輯推噓9(12316)
留言31則, 18人參與, 5年前最新討論串1/1
ML的架構傳統上還是需要有經驗的人來設計,現在連人都不需要了,直接連架構都可以tr ain出來,那還要ML專家幹嘛?會不會以後大家都負責準備data就好了? ---- 抱歉簡體字,我找不到繁體字的資料 https://zhuanlan.zhihu.com/p/42924585 在开发神经网络的过程中,架构工程事关重大,架构先天不足,再怎么训练也难以得到优 秀的结果。 设计神经网络架构,能称得上机器学习过程中门槛最高的一项任务了。想要设计出好架构 ,需要专业的知识技能,还要大量试错。 深度学习新方法AutoML 很多人将AutoML称为深度学习的新方式,认为它改变了整个系统。有了AutoML,我们就不 再需要设计复杂的深度学习网络,只需运行一个预先设置好的NAS算法。 最近,Google提供的Cloud AutoML将这种理念发挥到了极致。只要你上传自己的数据,Go ogle的NAS算法就会为你找到一个架构,用起来又快又简单。 AutoML的理念就是把深度学习里那些复杂的部分都拿出去,你只需要提供数据,随后就让 AutoML在神经网络设计上尽情发挥吧。这样,深度学习就变得像插件一样方便,只要有数 据,就能自动创建出由复杂神经网络驱动的决策功能。 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 175.97.3.214 ※ 文章網址: https://www.ptt.cc/bbs/Tech_Job/M.1547695786.A.B59.html

01/17 11:32, 5年前 , 1F
youtube有介绍影片,下面推文都是Google kill ml j
01/17 11:32, 1F

01/17 11:32, 5年前 , 2F
ob
01/17 11:32, 2F

01/17 11:33, 5年前 , 3F
有人用過效果好嗎
01/17 11:33, 3F

01/17 11:43, 5年前 , 4F
其實早就可以預料得到 模型方法工具化 跟BI一樣
01/17 11:43, 4F

01/17 11:49, 5年前 , 5F
你應該不是這行的
01/17 11:49, 5F

01/17 11:55, 5年前 , 6F
我沒有,但是光想就覺得人怎麼可能贏?這可是人力搜索
01/17 11:55, 6F

01/17 11:55, 5年前 , 7F
對上機器搜索的戰爭,人必敗啊
01/17 11:55, 7F

01/17 12:13, 5年前 , 8F
無聊的事情交給機器去做,專家才有時間研究更複雜的架
01/17 12:13, 8F

01/17 12:13, 5年前 , 9F
01/17 12:13, 9F

01/17 12:43, 5年前 , 10F
什麼人力搜索 在沒autoML前 參數也是讓機器自己調阿
01/17 12:43, 10F

01/17 12:45, 5年前 , 11F
應該說這是特指google的NAS模型 但以前就有很多autoML
01/17 12:45, 11F

01/17 12:45, 5年前 , 12F
的應用和算法了
01/17 12:45, 12F

01/17 12:47, 5年前 , 13F
ML專家也是70%時間在整理研究資料 之後可能變90%吧
01/17 12:47, 13F

01/17 13:02, 5年前 , 14F
趨勢
01/17 13:02, 14F

01/17 13:27, 5年前 , 15F
講的 ML 只有 NN 一樣....
01/17 13:27, 15F

01/17 13:28, 5年前 , 16F
最簡單,你丟股票 data 上去,train 完的結果
01/17 13:28, 16F

01/17 13:29, 5年前 , 17F
你去下單,看效果如何
01/17 13:29, 17F

01/17 13:30, 5年前 , 18F
GOOGLE自己也養一堆 data scientist
01/17 13:30, 18F

01/17 13:30, 5年前 , 19F
是不是全部 fire
01/17 13:30, 19F

01/17 14:04, 5年前 , 20F
這種東西就跟UML 一樣,沒那麼好用。
01/17 14:04, 20F

01/17 15:04, 5年前 , 21F
你把資料處理的前端放哪,PCA LDA 正規化 Feature Selecti
01/17 15:04, 21F

01/17 15:05, 5年前 , 22F
on,這個沒做你喂給ML拿的不過也是坨屎
01/17 15:05, 22F

01/17 16:16, 5年前 , 23F
未來趨勢應該就是要有平台(如Google)的才賺得了錢
01/17 16:16, 23F

01/17 16:18, 5年前 , 24F
ML沒機器、沒資料基本上就是斷了兩隻腳 變成只能靠演算法
01/17 16:18, 24F

01/17 16:19, 5年前 , 25F
跟Google等大廠一較高下...比輸了,只能殺價競爭囉
01/17 16:19, 25F

01/17 17:14, 5年前 , 26F
教ML比做ML賺的還多
01/17 17:14, 26F

01/17 18:02, 5年前 , 27F
太理想化
01/17 18:02, 27F

01/17 23:51, 5年前 , 28F
看一篇文章就下結論 這是記者在做的事
01/17 23:51, 28F

01/18 01:30, 5年前 , 29F
我比較想知道autokeras 跟AutoML的差別在哪裡
01/18 01:30, 29F

01/18 18:28, 5年前 , 30F
AutoML總要有人維護跟改進吧
01/18 18:28, 30F

01/18 19:43, 5年前 , 31F
你是記者?
01/18 19:43, 31F
文章代碼(AID): #1SF_QgjP (Tech_Job)