工业界做AI急功近利现象

uniwander 发表于 2020-12-16 04:58
也是啊

话说回来，要不狗家等等把泡沫弄的这么大，很多工作职位也没有啊。

是啊，我没有说这样不好，只是尽可能客观地点出了事实而已

实话实话  七分吹 三分干活 不然哪里都混不开

职场正常操作

groundzyy1 发表于 2020-12-16 05:06
几年前还是这样，但是当现在baseline都是mlp的时候，这么说已经不那么合适了

有点夸张了吧  mlp也不是放哪里都香的   baseline还是要简单有效可解释的算法    最好是传统的

匿名用户 发表于 2020-12-12 08:52:18
楼主，我在狗家也遇到和你类似的情况。我们的model只实现prototype，吹model时候用的是projected impact，有了prototype就丢给别的PA上线，很多新model最后不了

求问是哪个组或者PA？

lifeiswonderful 发表于 2020-12-12 00:51:21
这不错了 起码还有实际应用效果 真正的问题是 为什么学术界的AI一点用都没有呢 ICML/NIPS每天证明搞些有的没的 一点实际价值没有！

那说明你眼界太窄

myonlysunshine 发表于 2020-12-15 13:33:58
有点夸张了吧  mlp也不是放哪里都香的   baseline还是要简单有效可解释的算法    最好是传统的

很大程度上看公司和看问题吧，本来就没有适用所有问题的解法。

如果是个传统问题，那么传统ml挺合适。但是现在做ai的大公司应该都主要是dl了，面试问的也都是大数据的问题。

至少最近自己参与的ml面试和team match有感，如果用lr当baseline，然后上xgboost/random forest/nn这条路线的，绝大多数(小样本下是所有)稍微deepdive下就挂了，并且一般对dl的常规用法和常见dl model不是很熟悉。另外一个pattern是，如果问image数据怎么处理，一般都是objection detection这个方向的解法。

groundzyy1 发表于 2020-12-15 14:55:51
很大程度上看公司和看问题吧，本来就没有适用所有问题的解法。

如果是个传统问题，那么传统ml挺合适。但是现在做ai的大公司应该都主要是dl了，面试问的也都是大数据的问题。

面试造火箭  工作拧螺丝

你面试有遇到需要推导公式的么？

myonlysunshine 发表于 2020-12-16 06:58
面试造火箭  工作拧螺丝

你面试有遇到需要推导公式的么？

没碰过推正统公式的，碰到过狗家让推一个优化公式的

不知道其他公司如何，我司的ML面试现在基本大家都是用实际的project简化下/原题来问，所以应该刚好介于火箭和螺丝之间了

nihuo 发表于 2020-12-12 22:09
AI说了这么久，to b 端利润薄，推销难。to c 端也就是广告，电商，和征信能变现，推荐人系统能带带流量。
...

这么说c3.ai还有的跌了吗