作者查詢 / Wush978
作者 Wush978 在 PTT [ Soft_Job ] 看板的留言(推文), 共260則
限定看板:Soft_Job
看板排序:
全部Gossiping4484HatePolitics2857R_Language1255Statistics355NTUMath91294nCoV2019264Soft_Job260NTHU_STAT97238GO129LoL125Military124NTHU_STAT96118C_Chat110NTU67Philo-0364BabyMother62DataScience61CrossStrait59C_and_CPP55PHP42BoardGame39Hearthstone31NTHU_STAT9831Programming23PUBG22Tech_Job22BattleRoyale21Python18SLG15MOD14NBA13sex13Ikariam12NTUMath9210HSNU_9789joke9NCCU07_Ghis8CVS7L_TalkandCha7NTUcourse7Sub_CS7Wen-Shan7feminine_sex6PathofExile6Baseball5Hate5Steam5HSNU_9854LawBasketbal4Linux4marriage4Prob_Solve4Salary4TKU_TSPCB934W-Philosophy4Warfare4eSports3FATE_GO3FBG3Federer3PhD3PLT3Poker3StupidClown3SWhite3Tainan3Tennis3Windows3EngTalk2GossipPicket2LGS2Magic2MdnCNhistory2MenTalk2NBME_Lab2NTUHistory882PublicIssue2PublicServan2specialman2Sub_GOnline2WomenTalk2AfterPhD1B88A011XX1Boy-Girl1Broad_Band1Chan_Mou1chess1ck54th3051Cloud1CodeJob1consumer1CPU_FS7411CS92Lien1Daan1Database1dlsh-7th-3031Ecophilia1EZsoft1Fantasy1FCSH_133101FCU_EE00B1FJU1FJU-ACCR941FJU-Stat95A1FJU-STAT95B1FLAT_CLUB1Google1Haruhi1home-sale1HomeTeach1Hornets1Hsinchu1HsinYi1HSNU_11431HSNU_9861Jeremy_Lin1Ju-881KOTDFansClub1KS95-3181KS96-3141KS97-3131LAW1Management1Math1media-chaos1movie1NCCU00_Histo1NCCU_C-Baske1NCHU-Stat971NCTU-STAT98G1NCU91Finance1NSYSU1NSYSU_EE95-11NTHU-EE-CAPT1NTUCH-901NTUE-CS1021NTUE-CS1041NTUE-CS981NTUE-DC991NTUE-EPC-1001NTUEE_BL5271NTUEOE-IOL1NTUmed911NUK_AC981Orzhong97cl1Policy1PTHS95-3101RealPlaying1RS6171scu_transfer1SM04th011SM05th3xx1SorryPub1studyabroad1Taipei1toberich1TypeMoon1TYSH50-3031UTAH-JAZZ1Volunteer1YOLO1YP91-3111<< 收起看板(162)
10F推:推連結的文章,但是不推L的評論09/18 19:16
10F推:數理統計可看可不看吧,看你要不要Hack方法...09/03 00:28
1F→:很好奇,是只有我會把「」顯示成4 和5 嘛?08/24 23:12
10F推:現在學習資源很多了, coursera上有很多08/22 00:07
11F→:去挑一些如資安、大型專案管理,或是資料分析等課程來加值08/22 00:08
12F→:自己吧08/22 00:08
8F推:數學的話,推R 語言,最近也有起飛的跡象08/17 21:54
24F推:數學的話,推R 語言,最近也有起飛的跡象08/17 21:54
52F推:推這篇05/30 23:24
12F→:看你想走前端、後端,還是全端05/27 23:47
13F推:好的資料勝過多資料,但是又好又多的資料呢?05/15 00:06
20F→:為什麼好資料不能多?願聞其詳05/15 07:25
24F推:如果是to C 的領域,生意越好就越多05/15 11:58
25F→:另外個人化服務也需要高精度資料05/15 11:59
35F→:台灣有遇到big data的公司,只是不多。05/15 14:34
36F→:不過可以想見只要生意好,又有做log,未來都還是會有分析05/15 14:46
37F→:的需求。05/15 14:46
48F→:領域不同吧,我周遭有些朋友要處理的資料真的是很大很可怕05/15 18:46
49F→:例如影像處理相關的。05/15 18:46
50F→:我自己分析的資料量沒他們這麼大,一天數十GB而已。05/15 18:47
64F→:hadoop就是平民級的cluster呀。那種超級電腦並不普遍。05/15 23:50
65F→:資料量的大小是相對於你手上的computation power,不是絕對05/15 23:51
66F→:而且當牽涉到比較複雜的演算法時,其實現在也沒有什麼好的05/15 23:56
67F→:solution。05/15 23:57
68F→:Chih-Jen Lin老師的一個talk: http://0rz.tw/fG0sZ FYI05/15 23:59
69F→:裏面的結論:現有的分散系統或框架不適合Machine Learning05/16 00:01
80F→:@francej, 他們的solution, 對大部分的我們來說,並不一05/16 07:37
81F→:定適合05/16 07:37
82F→:另外,如果只是儲存, 那大家的確已經有solution。但是複05/16 07:45
83F→:雜分析上,就有差異了。05/16 07:45
84F→:很多模型要做最佳化,目前既有的系統要做最佳化不容易。05/16 07:47
86F→:@L, 你就當我是不懂統計,正在學習做問卷的就好。哈哈。05/16 18:34
91F→:我覺得還滿少的阿... XD05/16 21:40
92F→:我想強調資料的多和少是相對於計算量,而不是絕對值05/16 21:41
93F→:大資料並沒有絕對的說怎樣的資料是「大」,反正只要既有的05/16 21:41
94F→:資源沒有辦法在滿意的時間內處理的問題,就可以算是「大」05/16 21:42
95F→:而且大資料其實是3個V, 「量」只是其中之一...05/16 21:42
96F→:而且真正對生意有幫助的是分析能力,資料只是第1步...05/16 21:47
101F→:但是幾千年前沒有人懂data science。反正你們可以繼續不以05/17 00:59
102F→:為然,但是世界就是在往這個方向走。成功的故事只會愈來越05/17 01:00
103F→:多 :) Good Luck05/17 01:00
106F→:我沒有要回你,我是回其他版友05/17 18:26
134F推:上個月去國際研討會遇到上海交大的助理,他是說他們合作的05/19 21:04
135F→:企業一天的資料量差不多就是一天數十G。敝公司則是握有台05/19 21:05
136F→:灣大部份上網人口的行動資料,所以可以達到這個量級。05/19 21:05
137F→:某博士班學姊做雷達偵測車速的資料分析,據他所說是無法存05/19 21:06
138F→:到硬碟的量級。sensor如此便宜,攝影機如此多,若是要挖掘05/19 21:06
139F→:裏面的資訊,那要處理的資料也更多了.大資料?唬人? :)05/19 21:07
145F→:能增加營收10%的是不是好資料?05/20 15:12
147F→:那何謂有概念的好資料?你確定你是在講大數據嗎?05/20 18:54
155F→:你弄錯了。大數據需求中,不是直接使用資料,而是要從資05/20 21:33
156F→:料中挖出好的資訊。05/20 21:33
157F→:好10%的意思則是,有使用挖掘出來的資訊的策略,和沒有使05/20 21:35
158F→:用的策略相比較。05/20 21:35
159F→:如果可以簡單直接用資料,data scientist就不會是現在矽05/20 21:38
160F→:谷最熱,薪水最高的工作之一。05/20 21:38
161F→:你當年的問題的確是big data要解決的一種,只是現在的瓶頸05/20 21:41
162F→:可能在任何地方,演算法可能還包含複雜的最佳化,所以以前05/20 21:41
163F→:的解決辦法現在不能用。05/20 21:41
167F→:是你在亂扯吧。我講的就是這領域的目前的主流,你要批評這05/21 00:12
168F→:領域,又不是針對主流作法,非常的莫名其妙。05/21 00:13
169F→:當然啦,如果你要自己創造「L氏大數據」,然後說他是唬人05/21 00:14
170F→:的,我個人是沒意見的。05/21 00:14
188F→:@L, 是不是扣帽子大家心理有數。05/21 12:58
191F→:@W, 其實我認為現在big data會熱,是因為種種技術成熟所導05/21 13:28
192F→:致的,換句話說,就是水到渠成。無論是資料的收集,到資料05/21 13:29
193F→:的分析,這目前看起來有太多的潛力了。例如Kaggle上就有很05/21 13:30
194F→:多好的結果。我以為成功不成功不是問題,差別只在多賺多少05/21 13:31
201F→:@e, 我認為資料的重要性是超過分析的。05/21 18:17
202F→:有一種說法叫garbage in, garbage out。不好的資料可能會05/21 18:19
203F→:誤導決策,造成很大的損失。不可不慎。05/21 18:19
33F推:你沒有錯吧!04/18 20:00