做机器学习真是太难了

greyman 发表于 2020-06-30 06:20:48
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。

传统lasso有很多做高维的工具呀。现在做神经网络也有ntk。不过这些是不是正确的tool，我看也不一定。

starcroce 发表于 2020-6-30 13:17
现实工作基本是在洗数据，修pipeline，修service，跑offline eval，跑各种奇奇怪怪的sql，写doc，跟pm撕逼 ...

哈哈，赞。我不用做ab test差不多就猜到这样了，很多东西用基本的logic + business sense想想就好，感觉ab test在科技公司走火入魔了， 先证明是否符合商业逻辑更重要吧？先ab test再想story就像有了结论说男人可以生孩子，再用各种各样的办法去证明一样。
这些都是工具，基于太多假设了，假设都搞不清楚的时候用再多工具都没用啊。

stupidguy 发表于 2020-06-30 03:01:20
我的意思是我觉得optimal transport 不是正确的高维分析工具

Optimal transport 作为证明方法挺好用的啊，Wasserstein distance至少能说明某种最优性吧

lch吃吃吃 发表于 2020-06-30 06:57:03
Optimal transport 作为证明方法挺好用的啊，Wasserstein distance至少能说明某种最优性吧

optimal transport现在这么火肯定有他的道理。我的意思是我觉得optimal transport不是高维分析的未来。

看是做research 专门做ml service的公司，还是普通公司利用ml，如果是最后一个，那模型已经不重要了，

想要对每个模型都有深入了解是不可能的。我PhD的时候是研究clustering的，但是其实除了自己研究的那一小店东西，别的也只能是掌握些皮毛。正是像楼上说的，很多时候解决问题是关键，模型什么的说到底就是工具，要用的时候再仔细琢磨不迟。至于面试嘛，我感觉一个劲问这些问题的公司也不见得就真用。

A.Aurelius 发表于 2020-6-30 14:52
同意楼主，我这种数学不好的看个CNN的证明都头大

什么证明？

stupidguy 发表于 2020-6-30 21:50
传统lasso有很多做高维的工具呀。现在做神经网络也有ntk。不过这些是不是正确的tool，我看也不一定。

感觉lasso做的是统计里面的高维，并不是鄂大佬说的高维。我不太看好这个lasso的发展。

难就别做了 放着让别人做

saulgoodman 发表于 2020-6-30 09:49
严重怀疑ML从业者绝大多数也只是对个别模型有较深入的理解，不会闲到每个新出的概念都去做数学推导然后借此 ...

很同意。
为啥感觉工作中 大部分时间都花在把一个抽象问题转换成一个可以做的模型，然后是不断的找数据，撕逼，数据有问题，继续撕逼 ing，数据不行推翻之前的模型设计，然后继续。。。真正建模是很小的一部分
可能我比较弱