l******0
发帖数: 244 | 1 基本上都有现成的算法实现，比如 SVM, ME, Bayes。在公司做应用，就是使用相应的
open source ML 包，比如 libsvm, 或斯坦福的 ME. 公司搞机器学习的主要任务就是
收集，采样，和标注数据，确定并提取特征，建立模型，evaluation.
很多机器学习 paper 里面提到的一些模型和算法，基本都用不上。是不是这样？ | c***z
发帖数: 6348 | | t*d
发帖数: 1290 | 3 http://www.mitbbs.com/article_t/DataSciences/75.html
【在 l******0 的大作中提到】
: 基本上都有现成的算法实现，比如 SVM, ME, Bayes。在公司做应用，就是使用相应的
: open source ML 包，比如 libsvm, 或斯坦福的 ME. 公司搞机器学习的主要任务就是
: 收集，采样，和标注数据，确定并提取特征，建立模型，evaluation.
: 很多机器学习 paper 里面提到的一些模型和算法，基本都用不上。是不是这样？
| l*******s
发帖数: 1258 | 4 如果能自己动手实现一些算法 会很有帮助理解模型和如何优化
当年我手动从头实现过7、8个常用的ML模型，比如NB、Decision Tree、HMM、SVM、
MaxEnt之类的，感觉挺有意思，对其中的细节，尤其是engineering方面，理解加深了
不少。 | l**********e
发帖数: 336 | 5 1. only know how to use available package, this is the level of ten
thousands or more ppl with college/MS level education
2. familiar the details (implement the prototype, e.g., SVM) is the level of
ppl with PhD background in ML
3. can improve the algorithms for certain application (e.g., customized
random forest for object detection) is the level of machine learning expert,
e.g., Andrew Fitzgibbon in Microsoft Research
4. improve basic algorithms in general (can be used for many applications),
e.g., new DL networks, this is the level of Geoffrey Hinton (UT and Google),
Yann LeCun (NYU and Facebook), etc
if u do not familiar these names and methods, do not claim u know ML, u just
know how to use some available tools
【在 l******0 的大作中提到】
: 基本上都有现成的算法实现，比如 SVM, ME, Bayes。在公司做应用，就是使用相应的
: open source ML 包，比如 libsvm, 或斯坦福的 ME. 公司搞机器学习的主要任务就是
: 收集，采样，和标注数据，确定并提取特征，建立模型，evaluation.
: 很多机器学习 paper 里面提到的一些模型和算法，基本都用不上。是不是这样？
| r*****d
发帖数: 346 | 6 很有启发，而且很有意思，谢谢！：）
of
expert,
,
),
【在 l**********e 的大作中提到】
: 1. only know how to use available package, this is the level of ten
: thousands or more ppl with college/MS level education
: 2. familiar the details (implement the prototype, e.g., SVM) is the level of
: ppl with PhD background in ML
: 3. can improve the algorithms for certain application (e.g., customized
: random forest for object detection) is the level of machine learning expert,
: e.g., Andrew Fitzgibbon in Microsoft Research
: 4. improve basic algorithms in general (can be used for many applications),
: e.g., new DL networks, this is the level of Geoffrey Hinton (UT and Google),
: Yann LeCun (NYU and Facebook), etc
| r*****d
发帖数: 346 | 7 耳濡大牛们的讨论，我越发认为ML算法与“Leetcode 45分钟无bug 2-3道题”的common
ground actually非常小。各路大神怎么看？ | l**********e
发帖数: 336 | 8 yes, agree
(1) Google, Facebook, etc, these firms use different policy to recruit top
ML/DM/IR/NLP experts, domain exps & projects & icml papers, etc
(2) usually for these top ML experts (e.g., CMU ML PhD), they are good at
programming & algorithms, so there is no problem for Leetcode/etc
common
【在 r*****d 的大作中提到】
: 耳濡大牛们的讨论，我越发认为ML算法与“Leetcode 45分钟无bug 2-3道题”的common
: ground actually非常小。各路大神怎么看？
| r*****d
发帖数: 346 | 9 ：）
in (2) there should be no problem and, no necessity for Leetcode..
【在 l**********e 的大作中提到】
: yes, agree
: (1) Google, Facebook, etc, these firms use different policy to recruit top
: ML/DM/IR/NLP experts, domain exps & projects & icml papers, etc
: (2) usually for these top ML experts (e.g., CMU ML PhD), they are good at
: programming & algorithms, so there is no problem for Leetcode/etc
:
: common
| s*********e
发帖数: 1051 | 10 其实有很多复杂的模型并没有可以直接用的包。
【在 l******0 的大作中提到】
: 基本上都有现成的算法实现，比如 SVM, ME, Bayes。在公司做应用，就是使用相应的
: open source ML 包，比如 libsvm, 或斯坦福的 ME. 公司搞机器学习的主要任务就是
: 收集，采样，和标注数据，确定并提取特征，建立模型，evaluation.
: 很多机器学习 paper 里面提到的一些模型和算法，基本都用不上。是不是这样？
|
|
