前院大，后院小，如何充分利用前院？ - 未名空间MITBBS历史存档

前院大，后院小，如何充分利用前院？# Living

z*m2013-02-02 08:02

1 楼

最近看了下machine learning，感觉很多idea挺有意思，虽然也不是很新。感觉搞
machine learning研究的，主要都用概率统计，比如Beyesian information 和EE那些
搞信息论，detection and estimation的用的东西很像。
classifer一定程度上，也可以理解成多元检测。
还有EE里搞compressed sensing，在ML里也看到搞dimension reduction用到。
neural network里的back propagation还有点像EE里coding的，都用message passing。
当然了，convex optimization在EE的信号处理和ML里都用到不少。
搞ML是不是很多东西可以借鉴EE里现成的啊？ML里最前沿的研究都是做什么啊？听说
data scientist也不怎么像马工那样写code。
EE（通信理论方向的）转ML，当data scientist是不是也比较自然啊？

t*z2013-02-02 08:02

2 楼

感觉前院是给别人看的，吃亏了
如何给自己用一点？这里的“用”指私有空间，你们懂的

d*e2013-02-02 08:02

3 楼

狗狗的无人汽车？

passing。

【在 z***m 的大作中提到】

: 最近看了下machine learning，感觉很多idea挺有意思，虽然也不是很新。感觉搞
: machine learning研究的，主要都用概率统计，比如Beyesian information 和EE那些
: 搞信息论，detection and estimation的用的东西很像。
: classifer一定程度上，也可以理解成多元检测。
: 还有EE里搞compressed sensing，在ML里也看到搞dimension reduction用到。
: neural network里的back propagation还有点像EE里coding的，都用message passing。
: 当然了，convex optimization在EE的信号处理和ML里都用到不少。
: 搞ML是不是很多东西可以借鉴EE里现成的啊？ML里最前沿的研究都是做什么啊？听说
: data scientist也不怎么像马工那样写code。
: EE（通信理论方向的）转ML，当data scientist是不是也比较自然啊？

b*c2013-02-02 08:02

4 楼

你想怎么用啊？我家后院分半亩地给你家算了，我家好像没啥用。

【在 t*****z 的大作中提到】

: 感觉前院是给别人看的，吃亏了
: 如何给自己用一点？这里的“用”指私有空间，你们懂的

g*e2013-02-02 08:02

5 楼

tuning分类器的参数

p*92013-02-02 08:02

6 楼

种点果树？

【在 t*****z 的大作中提到】

: 感觉前院是给别人看的，吃亏了
: 如何给自己用一点？这里的“用”指私有空间，你们懂的

z*m2013-02-02 08:02

7 楼

我是说ML的理论前沿。还是说他们都在做实现。

t*z2013-02-02 08:02

8 楼

以前种过，都是为为别人种。被邻居小孩吃了，自己一个都没吃到

【在 p**********9 的大作中提到】

: 种点果树？

c*b2013-02-02 08:02

9 楼

现在ML最热的是啥deep learning吧

【在 z***m 的大作中提到】

: 我是说ML的理论前沿。还是说他们都在做实现。

b*c2013-02-02 08:02

10 楼

我家前院的果子掉一地都没人摘

【在 t*****z 的大作中提到】

: 以前种过，都是为为别人种。被邻居小孩吃了，自己一个都没吃到

z*m2013-02-02 08:02

11 楼

工业界用得多吗？还是只是在理论圈里热闹？

【在 c*b 的大作中提到】

: 现在ML最热的是啥deep learning吧

w*t2013-02-02 08:02

12 楼

围栏。

【在 t*****z 的大作中提到】

: 感觉前院是给别人看的，吃亏了
: 如何给自己用一点？这里的“用”指私有空间，你们懂的

v*k2013-02-02 08:02

13 楼

用。这年头啥都可以上云，算法复杂不要紧

【在 z***m 的大作中提到】

: 工业界用得多吗？还是只是在理论圈里热闹？

p*92013-02-02 08:02

14 楼

这。。。你就在他们下手之前吃掉。。。或者搞过牌子，说刚打药了。
要么搞个小花小草。。。种很多玫瑰，自己也欣赏。他们不至于吃花草。。。

【在 t*****z 的大作中提到】

: 以前种过，都是为为别人种。被邻居小孩吃了，自己一个都没吃到

l*n2013-02-02 08:02

15 楼

ML理论方面一般都是证bound，uniform convergence这些。用到的方法主要有
Statistical Learning Theory和Bayesian Statistics以及Traditional Statistics。
应用方面，主要是设计各种general的算法。比如如何从billion级别的graph中有效找
到cluster。Google的无人汽车很大程度依赖ML，另外搜索引擎是ML的重度用户，基本
上大大小小的预测分析都用ML。
另外，要纠正一点。EE虽然很大，但是还不至于是ML的上层学科。最多两者算是平行的
，Dimension Reduction都研究好几十年了，compressed sensing才十几年。另外，BP
也是快30年的东西了，而神经网络都研究50年了。如果要分，ML上面应该是统计和应用
数学，泛函分析。肯定不是EE！
在Top4 CS里面，EE和CS基本不分家，所以你如果是想着比较“简单”的从EE里面搬一
些现有的东西来ML这边做出一些好工作，难度有点大，现在ML的人估计有30%的是EE的
。但是如果你想转行，EE转ML应该不难，至少可以转去做computer vision里的ML。

passing。

【在 z***m 的大作中提到】

: 最近看了下machine learning，感觉很多idea挺有意思，虽然也不是很新。感觉搞
: machine learning研究的，主要都用概率统计，比如Beyesian information 和EE那些
: 搞信息论，detection and estimation的用的东西很像。
: classifer一定程度上，也可以理解成多元检测。
: 还有EE里搞compressed sensing，在ML里也看到搞dimension reduction用到。
: neural network里的back propagation还有点像EE里coding的，都用message passing。
: 当然了，convex optimization在EE的信号处理和ML里都用到不少。
: 搞ML是不是很多东西可以借鉴EE里现成的啊？ML里最前沿的研究都是做什么啊？听说
: data scientist也不怎么像马工那样写code。
: EE（通信理论方向的）转ML，当data scientist是不是也比较自然啊？

z*m2013-02-02 08:02

16 楼

嗯，这样就比较清楚了。
我的意思就是说ML所用到的工具和EE里面的搞通信的很像。通信里搞信息论也是证明
bound之类的，搞convex optimziation那些就是去证convergence.
1.有没有用ML的思想去做signal processing的呢？2.有没有用signal processing的思
想去做ML的呢？

BP

【在 l********n 的大作中提到】

: ML理论方面一般都是证bound，uniform convergence这些。用到的方法主要有
: Statistical Learning Theory和Bayesian Statistics以及Traditional Statistics。
: 应用方面，主要是设计各种general的算法。比如如何从billion级别的graph中有效找
: 到cluster。Google的无人汽车很大程度依赖ML，另外搜索引擎是ML的重度用户，基本
: 上大大小小的预测分析都用ML。
: 另外，要纠正一点。EE虽然很大，但是还不至于是ML的上层学科。最多两者算是平行的
: ，Dimension Reduction都研究好几十年了，compressed sensing才十几年。另外，BP
: 也是快30年的东西了，而神经网络都研究50年了。如果要分，ML上面应该是统计和应用
: 数学，泛函分析。肯定不是EE！
: 在Top4 CS里面，EE和CS基本不分家，所以你如果是想着比较“简单”的从EE里面搬一

s*t2013-02-02 08:02

17 楼

google的车里面没多少machine learning的东西，倒是robotics的一些问题比如
localization，mapping，sensor fusion，vision，planning会多一些，当然近些年的
这些算法也都用到了贝叶斯的东西，也可以讲和ML有相通的东西。google car更像是一
个很大很复杂的系统，最新的技术、算法应用不多。

BP

【在 l********n 的大作中提到】

: ML理论方面一般都是证bound，uniform convergence这些。用到的方法主要有
: Statistical Learning Theory和Bayesian Statistics以及Traditional Statistics。
: 应用方面，主要是设计各种general的算法。比如如何从billion级别的graph中有效找
: 到cluster。Google的无人汽车很大程度依赖ML，另外搜索引擎是ML的重度用户，基本
: 上大大小小的预测分析都用ML。
: 另外，要纠正一点。EE虽然很大，但是还不至于是ML的上层学科。最多两者算是平行的
: ，Dimension Reduction都研究好几十年了，compressed sensing才十几年。另外，BP
: 也是快30年的东西了，而神经网络都研究50年了。如果要分，ML上面应该是统计和应用
: 数学，泛函分析。肯定不是EE！
: 在Top4 CS里面，EE和CS基本不分家，所以你如果是想着比较“简单”的从EE里面搬一

s*r2013-02-02 08:02

18 楼

Bayesian Network,decision tree, Neural Network 这些东西，10 年前在国内高校已
经火锅一阵了。
理论界不是什么前沿的玩意儿，镇不住人。酷爱推数学公式的人可以玩玩。
Machine Learning 可以搞得很虚，只有做成实际能用的东西，才有价值。

v*k2013-02-02 08:02

19 楼

光思想没用，细节搞死你。哥两个都做过，思维方式还是不一样的

【在 z***m 的大作中提到】

: 嗯，这样就比较清楚了。
: 我的意思就是说ML所用到的工具和EE里面的搞通信的很像。通信里搞信息论也是证明
: bound之类的，搞convex optimziation那些就是去证convergence.
: 1.有没有用ML的思想去做signal processing的呢？2.有没有用signal processing的思
: 想去做ML的呢？
:
: BP

r*n2013-02-02 08:02

20 楼

我一个搞neural network的朋友（PhD in CS， BS，MS in EE）说EE里面搞什么都是不
管三七二十一，直接就来一堆数学公式，而CS里面更注重实现，先搭一个working
system再说。

m*h2013-02-02 08:02

21 楼

呵呵，这个看从哪个方面来看了
CS关注的是does it work?
EE关注的是why does it work?
做networking的更明显，CS和EE是totally different

【在 r*********n 的大作中提到】

: 我一个搞neural network的朋友（PhD in CS， BS，MS in EE）说EE里面搞什么都是不
: 管三七二十一，直接就来一堆数学公式，而CS里面更注重实现，先搭一个working
: system再说。

z*m2013-02-02 08:02

22 楼

确实，EE现在有点误入歧途了，搞一堆公式，一堆假设，就是为了结果好看。

【在 r*********n 的大作中提到】

: 我一个搞neural network的朋友（PhD in CS， BS，MS in EE）说EE里面搞什么都是不
: 管三七二十一，直接就来一堆数学公式，而CS里面更注重实现，先搭一个working
: system再说。

z*m2013-02-02 08:02

23 楼

感觉最近几年ML业界市场比较火，哪儿都在找data analyst，data scientist,从CS的
，到金融的。而EE一直不温不火的, 我觉得学EE的，尤其是通信理论和信息论之类的同
学，其实可以考虑转ML方向，难度比转纯码工容易一些，不知道这想法是不是正确。

v*k2013-02-02 08:02

24 楼

搞EE的普遍需要补一点统计的思维。

【在 z***m 的大作中提到】

: 感觉最近几年ML业界市场比较火，哪儿都在找data analyst，data scientist,从CS的
: ，到金融的。而EE一直不温不火的, 我觉得学EE的，尤其是通信理论和信息论之类的同
: 学，其实可以考虑转ML方向，难度比转纯码工容易一些，不知道这想法是不是正确。

m*h2013-02-02 08:02

25 楼

搞通信理论和信息论的统计都是必修课吧。。。

【在 v*****k 的大作中提到】

: 搞EE的普遍需要补一点统计的思维。

r*n2013-02-02 08:02

26 楼

我觉得类似why does it work这种问题，最好还是留给数学家去解决。

【在 m*****h 的大作中提到】

: 呵呵，这个看从哪个方面来看了
: CS关注的是does it work?
: EE关注的是why does it work?
: 做networking的更明显，CS和EE是totally different

m*h2013-02-02 08:02

27 楼

可数学家们又不屑于做这种问题，不是pure mathematics的东西他们不care
能解决why does it work这种问题的是Newton，Einstein，Shannon这样的人

【在 r*********n 的大作中提到】

:
: 我觉得类似why does it work这种问题，最好还是留给数学家去解决。

l*m2013-02-02 08:02

28 楼

重点还是coding.

【在 z***m 的大作中提到】

: 感觉最近几年ML业界市场比较火，哪儿都在找data analyst，data scientist,从CS的
: ，到金融的。而EE一直不温不火的, 我觉得学EE的，尤其是通信理论和信息论之类的同
: 学，其实可以考虑转ML方向，难度比转纯码工容易一些，不知道这想法是不是正确。

z*m2013-02-02 08:02

29 楼

确实，统计和随机是必须的。有时候选课都是和统计系一起上的

【在 m*****h 的大作中提到】

: 搞通信理论和信息论的统计都是必修课吧。。。