作者查詢 / ddavid

總覽項目：發文 | 留言 | 暱稱

作者 ddavid 在 PTT [ DataScience ] 看板的留言(推文), 共231則

限定看板：DataScience

看板排序：

全部TypeMoon9289H-GAME4300GO3873GameDesign2664FATE_GO2575JinYong2090FBG1867AC_In1774nobunyaga1708LoL1533Wrestle1251StarCraft879Poker815Python767Detective650CGI-Game645C_Chat531Steam414Old-Games345Magic338DMM_GAMES336OverWatch317Little-Games303C_and_CPP266historia256Inference253DataScience231WorldCup222RealPlaying221Programming196TRPG182ToS118Olympics_ISG114Expansion07109Prob_Solve90PathofExile85Salary53eSports47marvel41BattleRoyale35PUBG33C_Sharp30BlizzHeroes26NDS26SLG26NTUCCG25Palmar_Drama23politics23LeafKey18basketballTW17KanColle16Web_Design15ck51st31614Gossiping14PhD14NTU-Fantasy11mud10AndroidDev6Baseball6CS_IGO6KS92-3196AHQ4Ahqwestdoor4MATLAB4Toy4b885060xx3cat3CVS3HotBloodYuan3joke3LGS3NTUEE108HW3NTUVGC3SuperIdol3XiangSheng32nd_NTUCCC2AC_Music2b90902xxx2ck55th3332CLHS-50-142DummyHistory2FJU-ACC90a2FJU-AM-902GAMEMUSIC2japanavgirls2JD_Lover2KS93-3042NBA2NCCU08_SW2NTUST-DT92-12OrangeRoad2SC-91-3012SCU_Talk2tabletennis2talk2Viator94Ding2About_Clubs1AngelPray1b89902xxx1b92902xxx1C_GameBoard1CCU_COMM_ANT1cksh83rd3031CMWang1CSMU-MED901Dynasty1G-REX1HatePolitics1Hunter1KS94-3101Mabinogi1MobileComm1NDHU-His961PuzzleDragon1sex1SOFTSTAR1specialman1Sportcenter1SYSOP1WomenTalk1<< 收起看板(120)

首頁

尾頁

[問題] AI CNN每一層是如何想出來的?

[ DataScience ]37 留言, 推噓總分: +8

作者: arfa0711 - 發表於 2020/09/16 23:40(5年前)

7^F推ddavid: DL也是AI會用到的技術，並沒有太大問題09/17 15:32

8^F→ddavid: 然後其實是先理解每一種層能做到什麼效果，理解自己要解的09/17 15:33

9^F→ddavid: 問題應該需要哪些效果，先有個預想以後才去猜想可以怎麼建09/17 15:33

10^F→ddavid: 構，提出一些可能的模型，初步測試後發現結果在什麼方面有09/17 15:34

11^F→ddavid: 不足跟缺失，才去修改或重建09/17 15:35

12^F→ddavid: 不是一開始就try try try，問題隨便大一點try一次可能就一09/17 15:35

13^F→ddavid: 星期以上，不可能沒有任何預想就從try開始的09/17 15:36

14^F→ddavid: 至於Paper沒詳細說明，有時是篇幅不夠，有時是有些組合本09/17 15:37

15^F→ddavid: 來就已經為人熟知09/17 15:37

16^F推ddavid: 去看以前的相關reference就解釋過了，所以他就只側重在自09/17 15:40

17^F→ddavid: 己有進一步改進的地方09/17 15:40

18^F→ddavid: 像是為何Conv->ReLU->Conv->ReLU->Pooling而不是09/17 15:41

19^F→ddavid: Conv->ReLU->Pooling循環兩次之類的，有些其實自己慢慢推09/17 15:42

20^F→ddavid: 敲每層的效果與副作用也可以得到概念09/17 15:43

[問題] 關於傳統ML的評估良劣標準

[ DataScience ]36 留言, 推噓總分: +4

作者: filialpiety - 發表於 2020/07/03 12:56(5年前)

3^F推ddavid: 這跟需求有關，標準不是唯一的07/03 13:55

4^F→ddavid: 你很惜字如金，猜得少沒關係，重視凡猜必中，就要重視07/03 13:57

5^F→ddavid: precision07/03 13:57

6^F→ddavid: 你要把所有嫌疑犯找出來，力求涵蓋真兇在內，找太多也沒關07/03 13:58

7^F→ddavid: 係，那就會看重Recall07/03 13:58

8^F→ddavid: 你覺得兩種都要並重就會選F1，並重卻又不等重就會選擇某個07/03 14:00

9^F→ddavid: 某個不平衡的F-score07/03 14:07

10^F→ddavid: 如果是Multi-label，花樣更多了XD07/03 14:08

11^F→ddavid: 然後這非常data/task dependant，你頂多實踐了以後，回頭07/03 14:10

12^F→ddavid: 用結果反向評估說「我們過度重視precision，結果在此資料07/03 14:11

13^F→ddavid: 下因為太難正確分類，導致Model過度偏向幾乎全部猜False」07/03 14:12

14^F→ddavid: 「太重視recall導致Model做了過多True猜測，結果篩除的07/03 14:14

15^F→ddavid: False instance過少，沒有實用價值」，這才去調整measure07/03 14:14

16^F→ddavid: 的比重07/03 14:15

27^F推ddavid: 新手從Overview那篇看起應該很OK，不過我懷疑你會不會連基07/05 20:19

28^F→ddavid: 礎的single-label classification都還不夠熟悉，看情況可07/05 20:20

29^F→ddavid: 以加減先補一下。因為multi-label的版本有很多是從single07/05 20:21

30^F→ddavid: -label的版本延伸而來的07/05 20:22

31^F推ddavid: 一些學校的ML上課投影片應該都可以翻翻吧，然後我隨手翻了07/06 16:25

32^F→ddavid: 一下：07/06 16:25

33^F→ddavid: https://bit.ly/2NVOLbr07/06 16:26

34^F→ddavid: 這篇整理該提到的基礎方法大致都有提到啦，但是對於各項評07/06 16:26

35^F→ddavid: 估標準沒太多著墨是個缺點，不過基礎的那些課程投影片裡面07/06 16:28

36^F→ddavid: 應該都有吧07/06 16:28

Re: [問題] 統計與資工在資料科學的差異

[ DataScience ]36 留言, 推噓總分: +12

作者: fsuhcikt1003 - 發表於 2020/06/05 13:32(5年前)

31^F推ddavid: 懂輪子怎麼跑起來的還是會有所幫助，真正頂尖的人最後都是06/07 01:36

32^F→ddavid: 兩者兼具，但不是所有人都非得到那個程度才可以開始做研究06/07 01:37

33^F→ddavid: ，這東西是可以漸進的，而且也可以停在自己覺得足夠的地方06/07 01:37

[問題] 怎麼確保資料分布跟真實世界相近 ?

[ DataScience ]11 留言, 推噓總分: +5

作者: sssh - 發表於 2020/05/27 10:14(5年前)

2^F推ddavid: 基本上這是一個有點弔詭的問題，如果你能驗證你的資料是否05/27 17:52

3^F→ddavid: 跟真實世界相同或相近，那表示你已經能夠知道真實世界資料05/27 17:53

4^F→ddavid: 的分佈了，那哪還需要Learning一個model來學習呢XD05/27 17:54

5^F→ddavid: 基本上你只能盡可能讓你收集資料的手段合理公平均勻，但是05/27 17:55

6^F→ddavid: 談不到什麼驗證05/27 17:55

[問題]評分的文字探勘模型

[ DataScience ]20 留言, 推噓總分: +6

作者: empireisme - 發表於 2020/03/07 17:55(6年前)

3^F推ddavid: 我怎麼覺得這問題定義就很奇怪03/08 04:08

4^F→ddavid: App的評分是評功能而不是評說明文字啊XD03/08 04:08

5^F→ddavid: 兩個App可以有超級接近的關鍵字集，因為做的是同一個功能03/08 04:09

6^F→ddavid: ，但是使用者評分可以天差地遠，因為實際用起來的好壞03/08 04:09

7^F→ddavid: 如果你要硬套說明文字 -> 使用者評分去做預測模型，可以03/08 04:10

8^F→ddavid: 當然是可以，但我只覺得會garbage in garbage out03/08 04:11

9^F→ddavid: 自己邏輯想想就知道，你用App會因為它的介紹文字寫比較好03/08 04:12

10^F→ddavid: 或者用了特定字眼就給它評比較高分嗎，不會吧。03/08 04:12

13^F推ddavid: 一般的text mining就做得到了吧，Bag-of-words做完套個合03/08 23:30

14^F→ddavid: 理的分類器就可以做個基本架構了03/08 23:31

15^F→ddavid: 但是你如果連Bag-of-words都還不知道，表示連text mining03/08 23:32

16^F→ddavid: 的基礎根本都還沒開始看，你要做的不是找model，是Google03/08 23:32

17^F→ddavid: text mining然後把基礎看一看03/08 23:32

[問題] 強AI的嚴謹定義？

[ DataScience ]33 留言, 推噓總分: +4

作者: dharma - 發表於 2020/03/04 16:44(6年前)

2^F→ddavid: 沒有，這東西本來就是從科學吵到哲學的問題，你只能說有些03/04 18:26

3^F→ddavid: 定義是比較多人拿來共同溝通使用，但沒有所謂唯一標準03/04 18:28

4^F→ddavid: 或者我這麼說吧：人類連自己的智慧到底是怎麼運作的都還沒03/04 18:29

5^F→ddavid: 真正全盤理解，那怎麼能絕對地定義一個人工智慧多接近智慧03/04 18:30

6^F→ddavid: 呢XD03/04 18:30

首頁

尾頁