组里面做ML路子有点野是什么体验

xiedf007 发表于 2021-8-3 22:04
之前实习的时候，supervised learning能很简单的解决的问题manager非要reinforcement learning来做，调参调 ...

AGI那是纯玄学啊。。。。。其实有的问题用bandit是个不错的方法，training简单，稳定而且大多情况都有performance guarantee。强行用rl有时候真会适得其反。。。

harrybob 发表于 2021-8-3 22:02
业界NN大部分都不大，想了解一下你们为什么需要large scale NN，多大算large scale？

主要有很多time series的data，所以数据量挺大的。

其实我也不知道large scale的定义是啥， 几百K，几百Millons, 或者几百Trillion 的row，再来几十，几百，几千的的columns?

good topic

匿名用户 发表于 2021-08-03 16:51:33
是得~我这边也有点类似5555  不按tl的方法就不满意，最后不想得罪他就只能搞下去了 TAT

same哈哈哈 最后也是硬套进去的 可太难受了

匿名者 发表于 2021-8-3 22:33
same哈哈哈 最后也是硬套进去的 可太难受了

hhh，看来intern的无奈都是相通的

michael.guo 发表于 2021-8-3 22:09
主要有很多time series的data，所以数据量挺大的。

其实我也不知道large scale的定义是啥， 几百K，几 ...

NLP我不太了解诶，做RL有Sequence data不过RL一般不用特别大的neural network, 2-3层 足矣

LZ这种背景的应该去fair或者至少是aml（现在好像改叫AI platform？）做research intern吧，怎么去prod组了。。是随机分配的么？

michael.guo 发表于 2021-08-03 19:09:40
主要有很多time series的data，所以数据量挺大的。

其实我也不知道large scale的定义是啥， 几百K，几百Millons, 或者几百Trillion 的row，再来几十，几百

大数据集不一定需要大model，大部分use case几层FC足以。scale up model的难度很大，除非能证明收益很大不然不建议无脑scale up。

匿名用户 发表于 2021-08-03 20:13:52
LZ这种背景的应该去fair或者至少是aml（现在好像改叫AI platform？）做research intern吧，怎么去prod组了。。是随机分配的么？

现在ml phd那么多要进research team实习还是需要点门路的。

匿名者 发表于 2021-8-3 23:13
LZ这种背景的应该去fair或者至少是aml（现在好像改叫AI platform？）做research intern吧，怎么去prod组了 ...

fair的话应该是去不了了，就算毕业后去了也只能从博后做起吧。。。SAD