📣 黑五价提前开抢|VIP一年通行证5折,蓝莓、Offer多多同步特惠
楼主: Jing666
跳转到指定楼层
上一主题 下一主题
收起左侧

越做ML/NLP research越想转行

   
🔗
yangshao 2018-6-6 04:33:45 | 只看该作者
全局:
酱油王 发表于 2018-6-4 15:16
非常同意LZ的说话,现在deep learning就是个死胡同,根本没有太大发展潜力了。这几年所谓的研究,就是把各 ...

同意楼主现在ai尤其是dl存在泡沫的说法,但是个人觉得恰恰相反, nlp落地的应用远远比cv多的多: 因为nlp的的很多应用都是间接的,而且nlp在很多task上的performance都是接近实用价值的。而对于cv来说, dl时代之前的cv基本都是玩具。 dl时代的cv目前开来最有希望的是简单的分类,基本稍微需要点high level semantics的基本性能都离实用还遥遥无期。
回复

使用道具 举报

🔗
superjackson 2018-6-6 05:29:05 | 只看该作者
全局:
酱油王 发表于 2018-6-4 15:16
非常同意LZ的说话,现在deep learning就是个死胡同,根本没有太大发展潜力了。这几年所谓的研究,就是把各 ...

首先,光是nlp这块儿业界就不是像你说的只有mt, 事实上mt偏门不好找工作。你是完全不了解。
其次,要做码农,为什么要准备好几年做SDE?最多一年就够了。
回复

使用道具 举报

🔗
DreamBoy 2018-6-6 05:38:56 | 只看该作者
全局:
谁能说得好10年后的事情。。如果去mitbbs看10年前的帖子大家还都觉得data mining,ml没啥用难找工作呢。。
回复

使用道具 举报

🔗
 楼主| Jing666 2018-6-6 06:51:05 | 只看该作者
全局:
DreamBoy 发表于 2018-6-6 05:38
谁能说得好10年后的事情。。如果去mitbbs看10年前的帖子大家还都觉得data mining,ml没啥用难找工作呢。。

但是有的行业是只要有社会就有需求的。。。比如律师/banker这些偏社会的
回复

使用道具 举报

🔗
 楼主| Jing666 2018-6-6 06:53:59 | 只看该作者
全局:
yangshao 发表于 2018-6-6 04:33
同意楼主现在ai尤其是dl存在泡沫的说法,但是个人觉得恰恰相反, nlp落地的应用远远比cv多的多: 因为nlp ...

其实dl在NLP上很多东西应用是提高不了多少performance的,能有显著提升的也是少数。。。ASR/classification啥的容易提升产品质量,但比如summarization之类和linguistic更相关的就不行了(我们有的task,rule based system并不比neural的差多少)
现在尝试解释dl的paper也有,MILA就有做这个的,还有开发新的model,比如Capsule Net。。但是个人觉得dl真的没有很多人想的那么神
回复

使用道具 举报

🔗
xiiicyw0 2018-6-6 07:25:14 | 只看该作者
全局:
《选择,未来和其他》......不知道lz在troll还是在什么.........
回复

使用道具 举报

🔗
LeeYYY 2018-6-6 08:14:50 | 只看该作者
全局:
Jing666 发表于 2018-6-6 06:53
其实dl在NLP上很多东西应用是提高不了多少performance的,能有显著提升的也是少数。。。ASR/classificati ...

只想多说一句,过去五年来,DL对NLP的变化是极其的翻天覆地的,对各种NLP task性能的巨大改进我看楼主是完全没概念。。。

机器翻译从14年开始深度学习给传统机器翻译带来了巨大的改进,由此变成工业界标配。Jacob Devlin的那篇经典论文上所有作者被各大Tech公司从BBN挖走,直接说明问题。

现在所有NLP项目DL是整个工业界直接标配,从FANG到小startup全部在用,什么叫落地?这就是AI落地。对相关经验的人需求极其旺盛。

楼主,选择未来一定要慎重。不要因为一点挫折导致对事物判断出现严重偏差。路还长啊。。
回复

使用道具 举报

🔗
 楼主| Jing666 2018-6-6 08:19:11 | 只看该作者
全局:
xiiicyw0 发表于 2018-6-6 07:25
《选择,未来和其他》......不知道lz在troll还是在什么.........

主要是。。。那本书名的梗我印象太深刻了。。。
回复

使用道具 举报

🔗
 楼主| Jing666 2018-6-6 08:28:38 | 只看该作者
全局:
LeeYYY 发表于 2018-6-6 08:14
只想多说一句,过去五年来,DL对NLP的变化是极其的翻天覆地的,对各种NLP task性能的巨大改进我看楼主是 ...

不可否认MT是非常得益于deep neural model,但是很多比如summarization, winograd schema etc (现在abstractive的STOA也就跑过Lead稍微多一点,ICLR2017有篇deep reinforcement的应该基本是STOA了, winograd questions准确率大概稍比random好一些)。尤其是现在很多文章就是各种layer叠加在一起apply各类trick灌水让我觉得很失望。并不是说apply right tricks就是非常容易的,很多trick我觉得也很genius,但总觉得少点什么(也可能这才是research本来的样子)。

如果继续CS的话,我可能以后会选择做SDE但是主攻ML的implementation,而不是读博然后在AI lab做pure research吧。(我lab的学长学姐们有不少是工作就做research,而且大公司/银行/金融机构给了很多funding,但是我觉得如果维持现在这个进军ML/nlp phd的队伍,十年后还会是这样的现状)

(何况AI方向的master好像除了CMU的MSML也没别的program了,phd我目前还没这个觉悟)

补充内容 (2018-6-6 08:29):
十年后还会是这样的现状吗?* (最后两个char被电脑吃掉了。。)
回复

使用道具 举报

全局:
Jing666 发表于 2018-6-6 08:28
不可否认MT是非常得益于deep neural model,但是很多比如summarization, winograd schema etc (现在abst ...

NWU有一个新开的AI master
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 注册账号
隐私提醒:
  • ☑ 禁止发布广告,拉群,贴个人联系方式:找人请去🔗同学同事飞友,拉群请去🔗拉群结伴,广告请去🔗跳蚤市场,和 🔗租房广告|找室友
  • ☑ 论坛内容在发帖 30 分钟内可以编辑,过后则不能删帖。为防止被骚扰甚至人肉,不要公开留微信等联系方式,如有需求请以论坛私信方式发送。
  • ☑ 干货版块可免费使用 🔗超级匿名:面经(美国面经、中国面经、数科面经、PM面经),抖包袱(美国、中国)和录取汇报、定位选校版
  • ☑ 查阅全站 🔗各种匿名方法

本版积分规则

>
快速回复 返回顶部 返回列表