做机器学习真是太难了

不喜欢就别干呗，我反正是研究生硬着头皮上了好几门课还当了一门ml课的TA后彻底放弃了

感觉就业市场是对熟练写SQL的更喜欢呢！

同意楼主，我这种数学不好的看个CNN的证明都头大

事实上modeling在整个ml的应用流程中是不打重要的一个环节

ml的东西，数据基本占80%的成功要素。如果数据从收集，到理清（洗数据，检查labeller之间的iaa）做到位了，在蠢的model都不会太差。剩下花点时间hpo，弄好报告就行。

你要上线新的模型，那么你至少要justify工程上相对目前已有的模型不会regress。这个得决定权不再modeling这边，而在engineering那里，他们有一票否决权到底要不要这个model。一般而言肯定是会favor已有的成熟的pipeline。

greyman 发表于 2020-06-29 21:43:24
我说的高维分析，你给我又换了个概念：optimal transport。OK我顺着你说。

虽然我不是研究这个的，但是大概的要点也知道。那我就看看你啥水平了。你是纯数的嘛，我不认为CS STAT能

optimal transport是不是跟流型上的geodesics有关啊。纯瞎猜。个人研究涉及到微分几何和PDE。

greyman 发表于 2020-06-29 21:43:24
我说的高维分析，你给我又换了个概念：optimal transport。OK我顺着你说。

虽然我不是研究这个的，但是大概的要点也知道。那我就看看你啥水平了。你是纯数的嘛，我不认为CS STAT能

高维分析当然是未来。我只是说optimal transport不太靠谱。你说的那些先修 我都略懂一点。

greyman 发表于 2020-06-29 21:43:24
我说的高维分析，你给我又换了个概念：optimal transport。OK我顺着你说。

虽然我不是研究这个的，但是大概的要点也知道。那我就看看你啥水平了。你是纯数的嘛，我不认为CS STAT能

我的意思是我觉得optimal transport 不是正确的高维分析工具

stupidguy 发表于 2020-6-30 18:01
我的意思是我觉得optimal transport 不是正确的高维分析工具

好吧。我只是applied过optimal transport的结论，不是很确定。感觉optimal transport是相当一个重要的高维分析工具呢。

kol92 发表于 2020-6-30 16:16
optimal transport是不是跟流型上的geodesics有关啊。纯瞎猜。个人研究涉及到微分几何和PDE。

我只是用过里面的工具，目前还没有概括这个学科的能力。