Çaylaktan en iyi uzman tanıtım kılavuzuna kadar özel Büyük veri yapay zeka alanı
Bu makalenin uzunluğu 5600 kelime , Okumanız tavsiye edilir 10 dakika
Bu makale, sizin için mevcut çağın arka planını analiz edecek ve büyük veri alanında çalışanlara yükseltme önerileri sunacaktır.
Biz bir "Teknoloji Patlaması" ile "Paylaşılan, açık kaynak" Çağda, ileri teknolojilerin güncelleme yineleme oranı tarihin herhangi bir dönemini aşmıştır ve bu teknolojiler artık engellenmemektedir ve herkes iletişim kurabilir ve öğrenebilir. Yaşam boyu öğrenme, her birimizin yüzleşmek zorunda olduğu bir sorundur.Bu, özellikle büyük veri / yapay zeka alanında belirgindir: Sonsuz yeni teknolojiler bir yandan bize kolaylık sağlar, aynı zamanda verimli olmamızı da zorlaştırır. Öğrenme ve seçim ikilemi. Bu nedenle, bu çağın arka planında büyük veri bilgisini öğrenmek, uygun mantık ve yöntemleri gerektirir.
Bu makale okuyuculara yardımcı olmaya çalışır Çeşitli "paylaşılan ve açık kaynak" öğrenme araçlarından ve öğrenim kanallarından en iyi şekilde yararlanın Her türden aceminin kolayca girdiği "derin çukur" dan kaçmak, Minimum zaman maliyeti ve ekonomik maliyet ile Hedef teknolojinin öğrenmesini ve ustalığını yüksek kalitede tamamlayın.
Bu makale önce zamanın arka planını analiz ediyor, ardından büyük veri alanındaki mevcut yetenek kademesini ayırıyor ve son olarak çaylaklardan ustalara kadar büyük veri / yapay zeka yetenekleri için gelişmiş bir rehber sunuyor.
1. Arkaplan
"Teknoloji patlaması" ve "paylaşılan açık kaynak" bu çağın en ayırt edici etiketleridir.Yazar, ikisinin karşılıklı nedensel ve yakından ilişkili olduğuna inanmaktadır. Her şeyden önce, teknolojik gelişmenin ön saflarında yer alan araştırma ekibi için "teknoloji patlaması" çağında. Söyle, "Teknolojiden para kazanmanın" en iyi yolu "açık kaynak paylaşmaktır" . Öte yandan, İnternet ve mobil İnternetin gelişmesi olgunlaşmadan önce bilgi çok engellenir.Belirli bir teknolojik yenilik ortaya çıktığında, derhal bir patent kaydettirmesi gerekir.Teknolojinin devlet tarafından korunması gerekir ve teknolojiyi gerçekleştirmenin tek yolu, patenti satmak veya bir ürün oluşturmak için üretimi organize etmektir. .
Artık İnternet ve mobil İnternet çok olgun bir şekilde geliştiğine göre, yeni bilgiler çok kısa sürede dünyanın her köşesine çok düşük bir maliyetle yayılacaktır.Bu nedenle, teknolojinin ön saflarında bulunan bir araştırma ekibinin sadece güncellemeye ihtiyacı vardır. Çalışma sonuçlarınızı tarafsız paylaşım ve "arxiv" veya "github" gibi açık kaynak web sitelerine yükleyin ve hemen alın. Küresel kamuoyunun ortak korunması Böyle bir güç, belirli bir ülkenin patent korumasından çok daha güçlüdür.
Daha sonra, yeni teknolojinin uygulama değeri veya akademik değeri olduğu sürece, her türden sermaye devi, teknoloji avcısı ve ilgili kuruluşlar cömert teklifler göndermek için sıraya girecek. Sınır ekipleri için, Teknolojinin gerçekleştirilmesinin zaman noktası, teknoloji üretiminin zaman noktasından çok daha erken .
İkinci olarak, "teknik patlama" her zaman sınır ekiplerinin araştırmasını ve keşfetmesini bekleyen yeni teknolojilere sahip olduğundan, sınır ekiplerinin bir adım önde olmasının en iyi yolu, mevcut sonuçlara bağlı kalmak değil, "Paylaşılan açık kaynak" ın mümkün olan en kısa sürede gerçekleştirilmesini sağlayın , Ve sonra yeni araştırma çalışmasına koy.
Sonunda, "Paylaşılan açık kaynak" aynı zamanda "teknik patlamayı büyük ölçüde destekledi" Kızarmış" Herhangi bir teknoloji veya bilimin hızlı gelişmesine bakılmaksızın, onu desteklemek için büyük bir yetenek sistemine ihtiyaç vardır. Tarihin çeşitli dönemlerine bakıldığında, bilgi paylaşımı ve yetenek yetiştirme kanalı esas olarak "okullar" dır. Bu kanal sadece biçim olarak basit değil, aynı zamanda çoğu zaman önemli eşiklere de sahiptir. , "Kalkınan gençlerin" önemli bir kısmını kapının dışında tutacak.
Ve bu gün ve çağda Bilgiyi yaymanın en hızlı yolu internettir , "Paylaşılan açık kaynak" sayesinde, dünyanın en iyi eğitim kaynakları ve en gelişmiş akademik ve teknik kavramların birdenbire hiçbir eşiği yok, ayrım gözetmeksizin tüm bireylere açık. Sonuç olarak, belirli bir teknoloji veya teknoloji alanı büyük bir alana sahip olduğu sürece Çığır açan ve geniş uygulama olanaklarına sahip olan (büyük veri, yapay zeka gibi), ardından karşılık gelen yetenek kademesi otomatik olarak kısa sürede yetişecek.
Büyük veri akademisyenlerinin ön saflarında yer alan araştırma ekibinin sadece sınırı herhangi bir ilerleme olmadan açması gerekiyor ve ardından yetenek kademesi otomatik olarak başlayacak. "Yeni Teknoloji Gösterimi" ve "Teknoloji Üretimi" Bu teknik alanın ve ilgili endüstrilerin sağlıklı bir şekilde gelişmesini sağlamak, öncü çalışmalarını desteklemek için piramidin tepesindeki sınır ekibine kaynakların toplanmasını daha da teşvik etmek için "garanti" çalışmasını bekleyin.
Yukarıda bahsedilen yetenek kademesini şunlara ayırıyoruz: Çaylak bina vakfı , İlk giriş , Odaya gir Hem de Huashan turnuvası Dört seviye:
-
Acemi bina tabanı: Bu aşamadaki yetenekler temel olarak büyük verinin temel teorisini inceler ve henüz gerçek projeler veya işler için yeterli değildir;
-
Arenada ilk kez: Bu aşamadaki yetenekler halihazırda ön büyük veri uygulama becerisine sahip olmuşlardır.Öğrenmeyi daha iyi yönlendirmek için uygulamanın (projeler, yarışmalar vb.) Kullanılması tavsiye edilir;
-
Salona giriş: Bu aşamadaki yetenekler, büyük veri araştırma makalelerini araştırma, okuma ve anlama becerisine sahip olmalı ve kağıtlardaki algoritmaları başarıyla yeniden üretebilmelidir;
-
Huashan turnuvası: Bu aşamadaki yetenekler, yeni büyük veri teknolojileri üzerinde bağımsız olarak araştırma yapabilir ve orijinal makaleleri yayınlama becerisine sahiptir.
Aşağıdakiler odaklanacak Farklı aşamalarda büyük veri yetenekleri , Farklı eğitim ve yükseltme önerileri verin.
İkincisi, çaylak bina temeli
1. En iyi kaynaklar genellikle halka açıktır
Arka planı okuduktan sonra, yazarın neden en iyi kaynakların genellikle halka açık olduğunu açıklamasına gerek olmadığına inanıyorum.İşte yüksek kaliteli kaynaklar elde etmek için bazı kanallar var. Öncelikle, "Coursera", "Arxiv" ve "Github" olmak üzere üç yabancı web sitesi öneriyorum.
Coursera Sektörün büyük akademik kazanımı ve paylaşım ruhu ile kurulmuş, dünyanın en iyi çevrimiçi öğrenim web sitesidir. Coursera'daki kurslar nispeten basittir ve "Xiaobai" için en iyi platform olmalıdır. Andrew Ng tarafından sunulan "Makine Öğrenimi" ve "Derin Öğrenmeyi" öneririm. Yerli öğrenciler için en büyük sorun İngilizce olabilir.Burada net olmalıyım. Gerçek bir usta olmak istiyorsanız, o zaman İngilizce asla geçemeyeceğiniz bir engeldir.Sektördeki en yeni ve en iyi malzemeler istisnasızdır. İngilizcede, en iyi yerli uzmanlar bile makale yayınlarken Çince kullanmayı seçmezler.
Aslında çoğu insan için İngilizce bir "konu" olarak çalışılmamalı, "araç" olarak kullanılmalıdır . Belirli yöntemin kısayolu yoktur, yani anlamadığınız kelimelere hemen bakabilirsiniz. Kelimeleri bilinçli olarak ezberlemenize gerek yoktur. Bir dahaki sefere onlarla karşılaştığınızda onlara bakmak zorunda kalmazsınız. Amaç, cümlelerin anlamını hızlı bir şekilde anlamaktır.
Arxiv ve Github Bunlar, okuyucuların gelecekte kullanacakları iki web sitesi / araçtır. Arxiv, en yeni ve en kapsamlı paylaşılan makalelere sahiptir. Belgeler çeşitli algoritmaları ayrıntılı olarak açıklayacaktır. Github'da en yeni ve en iyi açık kaynak kodları vardır. Bu kodlar genellikle İnternette belirli bir algoritmanın ve belirli kullanım yöntemlerinin gerçekleştirilmesi üzerine birçok öğretici var, bu yüzden burada genişletmeyeceğim.
Okuyucular, Arxiv'in dahili becerileri uygulama yeri olduğunu ve Github'un harici becerileri uygulama yeri olduğunu anlayabilirler. Pratik problemleri, dış kuvveti uygulamadan sadece iç kuvveti uygulayarak çözmek imkansızdır.Ancak, sadece iç kuvvet uygulamadan sadece dış kuvveti uygulamak genellikle güçsüzdür.Hem içten hem de dıştan pratik yapmalısınız. Son olarak, size kağıt ile kod arasındaki yazışmaları bulmanıza yardımcı olacak "gitxiv" adlı büyülü bir web sitesini tanıtacağım.
2. Okuma, okuma, okuma
Bir konuya nasıl başlanır? Bir çaylak bu sorunla karşılaştığında, içine girmesi en kolay "derin çukur", sıfırdan öğrenmek için yetkili bir kitap bulmaktır.Bu çukura adım attığınızda, bir seferde birkaç haftayı boşa harcayacaksınız ve aynı zamanda belli bir konu olacak. Yaşam için tamamen hayal kırıklığına uğradım. Her şeyden önce, pek iyi kitap yok. İkincisi, iyi bir kitapla karşılaşsanız bile, akademik niteliği sağlamak için kitaptaki dil genellikle "titiz" ancak anlaşılması zor ve konunun erken dönemlerinden okuyucular için "sağlam bir temel" oluşturacak ve en son teknik yöntemler söz konusu olduğunda aniden duracaktır. Son olarak, okuyucular aylarca kendilerini okumaya adadılar ve onu okumakta ısrar etseler bile, yazar kanlı ormanın kişisel pratiğiyle çoğu insanın kitabın ilk yarısının içeriğini unutacağını söyleyebilir.
Elbette özel durumlar var, araştırma yönünüzü belirlediyseniz ve ilgili alanda mutlaka okunması gereken kitapların bir listesini verecek bir uzman / mentorunuz varsa, bu tür kitaplar hala okumaya değer. Ancak izlerken de dikkat edin, Bazı detaylar için endişelenme , Önce anlamadığınız şeyleri yazabilirsiniz. Bu tür ayrıntılar, daha sonra pratiğinizde belirli sahnelerde sıklıkla ortaya çıkacaktır.
Doğru yaklaşım tek bir cümleyle özetlenebilir, İyi kitaplar aramak içindir, çiğnemek için değil Ne zaman kontrol edeceğiz? Aşağıdakiler adım adım cevaplanacaktır.
3. Doğru arkadaşları bulun ve ileriye doğru sürün
Artık tek başına bir dövüş olmadığı bir çağ değil. Bir uçurumdan düşerek ve birkaç yıl boyunca bir hile kitabı bularak dünyayı süpürebilirsiniz. İster Hinton (BP algoritmasını deviren BP algoritmasının babası), ister He Kaiming gibi bir şampiyon olsun (En iyi kağıdı göndermek, sıradan insanların kağıt göndermesi kadar kolaydır.) Bu tür çaylakların hepsi çok güvenilir ekiplerinde ve arkadaşlarıyla keşfe çıkıyor. Çok iyi arkadaşlara sahip olmanıza gerek yok, bir veya iki gerçekten güvenilir arkadaş yeterli.Ekip arkadaşlarının önemine gelince, daha sonra yavaşça açıklayacağım.
Çaylağın bu bölümde vereceği son öneri: Bu aşamada çok uzun kalmayın , Çalışmaya başlamak için "hazır" olmasını beklemeyin, çünkü buradaki "hazır" çoğu zaman çaylağın özgüven eksikliğini içerir. Kendinizi geliştirmezseniz, asla "iyi" olamazsınız. Normal şartlar altında, "bilgisayarla görme" veya "doğal dil işleme" yapmak isteyen öğrenciler ve diğer yapay zeka odaklı öğrenciler Wu Enda'nın "Derin Öğrenme" kursunu, "veri madenciliği" yapmak isteyen öğrenciler de Wu Enda'nın "Makine Öğrenimi" kursunu tamamlar. Bundan sonra, bir sonraki aşamaya hazırlanmak için ilgili pratik projeyi seçebilirsiniz.
Öyleyse hangi pratik araçları seçmeliyiz? En iyi durum, ekibi gerçek projeler yapmaya yönlendiren büyük bir tanrıya sahip olmaktır, ancak bu tür fırsatlar sıklıkla karşılanır, ancak aranmaz, bu yüzden onları burada tartışmayacağım. Genel yaklaşım büyük veri yarışması projesine katılmaktır Artık yerli "Ali Tianchi" ve yabancı "Kaggle" açık büyük veri rekabet platformlarıdır.Platform üzerinde çeşitli kuruluşlar tarafından yayınlanan çeşitli gerçek projeler olacaktır. Herkes antrenman ve rekabet. Bunu okuduktan sonra, aklınızda hâlâ büyük sorular olabilir: "Temel dersleri öğrenmiş olsanız bile, kimse almadan başlayabilir misiniz?", Aşağıdakiler nasıl cevap verecektir? "Yuvarlanma ve tırmanma" Pratik yapmak.
Üç, arenaya ilk girdi
1. En yüksek temeli bulun
Buradaki "taban çizgisi", selefler zaten sonuç verdiğinde ve aynı işi yapmaları gerektiğinde bir referans olarak anlaşılabilir. Yukarıda bahsedilen durum için, takımı uygulamaya yönlendiren büyük bir tanrı varsa, o zaman önde gelen büyük tanrının önceki pratik deneyimi tüm takım üyeleri için "temel" olacaktır. "Yüce Tanrı" nın kaynaklarına sahip olmayan okuyucular için daha genel bir çözüm var mı? Cevap Evet. Okuyucu şu anda bir "derin öğrenme" kursunu yeni tamamlamış olmak gibi bir tür problemle baş edemiyorsa, ancak bir "doğal dil işleme" projesini nasıl yapacağını bilmiyorsa, en iyi yol şudur: Yerel "Wanfang" ve "HowNet" kağıt sorgu platformlarından en iyi şekilde yararlanın , Yurtiçi üniversitelerin ilgili alanlardaki derece tezlerini kontrol etmek için, bu makalelerin çoğu Çince'dir ve makalelerde ihtiyaçlarımızı karşılayan birçok temel arka plan bilgisi sunacaktır.
Belirli bir teknik partinin belirli bilgi noktaları hakkında net değilseniz, örneğin "Doğal Dil İşleme" doğrultusunda bir proje yürütüyorsanız, ancak "LSTM" hakkında fazla bir şey bilmiyorsanız, "Zhihu", "Jianshu" ve "CSDN" gibi yerel bilgi paylaşım sitelerinden en iyi şekilde yararlanın Teori çok yeni olmadığı sürece, ilgili blog gönderisini veya cevabını bulabilirsiniz. Yukarıdaki iki tür kanalı kullanmanın yaygın tekniği, daha fazla makale aramak ve bunları karşılaştırmaktır. Bir makalede aynı kavramı veya teknolojiyi tam olarak tarif etmek zordur ve makalenin yazarları farklı olduğu için sorunu açıklamanın başlangıç noktası aynı değildir, bu nedenle bir makaleyi anlayamadığınız, sabırsız olmadığınız ve okumaya devam ettiğiniz bir durumla karşılaşırsanız Bir sonraki makale gayet iyi. Ayrıca bir önceki makalede bahsedilen "iyi kitaplar" burada arama yapmak için kullanılabilir Okuyucular daha önce hatırlayamadıkları bilgi noktaları bulacaklar, "kontrol ettikleri" ve "kullandıkları" sürece genellikle unutacaklar. Düşemez.
Buradaki temelin "yüksek" olarak adlandırılan tanımı, akademik sınıra ne kadar yakınsa, pratik etki o kadar iyi ve daha yüksek olmasıdır. Genel olarak, sonuçlara "ne kadar yüksek" atıfta bulunulabilirse, Çin belgeleri o kadar azdır.
Makalenin bu noktasında, önceki bölümde sorulan soruları cevaplayıp cevaplamadığımı bilmiyorum. Önceki bölümde bahsedilen "yuvarlanma ve tırmanma", belirli bir uygulama yönü seçtikten sonra, Uygulamanın nihai sonuçlarına göre, geri dönüp ilgili bilgilerimiz üzerinde "eksiklikleri kontrol edeceğiz". süreci. Bu tür bir öğrenme süreci daha hedeflidir.Katılımcılar tamamen hedeflenmiş bir şekilde öğrenebilirler.Öğrendiklerini anında uygulayabilir, böylece "öğrenme ve unutmanın" utancından kaçınabilir.
2. Makul bir şekilde hızlı kazanma peşinde koşun
Yazar bir zamanlar kızların alışveriş yaparken neden "yorulmadıklarını" dikkatlice araştırmış, cevap şu ki, kızlar mağazaya her gittiklerinde, mağazadaki ayakkabılara / giysilere / çantalara baktıklarında belli bir heyecan ve heyecan noktası alabiliyorlar. Sonra bir sonraki heyecan verici noktaya geçmeyi düşündüm. Benzetme yapmak gerekirse, projeler yaparken / yarışmalar oynarken, ekibimiz için böyle bir "heyecan" yaratmalıyız, böylece ekip üyeleri, herkesin devam eden ilerlemesini desteklemek için "hızlı kazanma" heyecanını yaşayabilir.
Ve "hızlı kazanmanın" anahtarı Elinizdeki işi / görevi, biraz çabayla gerçekleştirilebilecek birkaç alt göreve makul bir şekilde bölün. , Ortadaki ayrıntılar çok karmaşık, bu yüzden burada tartışmayacağım. Bir takım liderinin yapması gereken en önemli şey, takımın görevleri rasyonel bir şekilde bölmesine ve sürekli olarak "hızlı kazançlar" elde etmesine yardımcı olmaktır.Bir kişi bu yeteneğe sahip olduğu sürece, teknik düzeyden bağımsız olarak bir grup benzer düşünen arkadaş grubunu bir araya getirebilir.
3. En büyük motivasyonunuz genellikle DDL'den gelir (Son tarih)
Başarıyla öğrendiğim güzel bir cümle var, "Bu bir alarm saati değil, beni her gün uyandıran bir rüya." Bu cümle kulağa çok ilham verici geliyor, ancak insanların% 90'ı için saçma. Geriye bakıp her gün uyandığımızı görüyoruz. Sıksıktır "İşe geç kaldıktan sonra kesilen ücret" ya da olabilir "Laboratuvara geç geldikten sonra patronun katliamı" Bu gerçeklik, kulağa acımasız geliyor ama onu iyi kullanabiliriz. Yükseltmelerimize ve proje ilerlememize özgü olarak, ilerlemeye devam etmemiz için en büyük motivasyon genellikle "DDL'den önce görevi tamamlayamayan arkadaşlarımın hor görülmesi" Hem de "Hızlı kazanmayı tamamladıktan sonraki başarı duygusu" .
Bunu iyi yapmak için, önceki bölümde bahsedilen makul görev dağılımına ek olarak, en önemli şey Sürekli iten (iten) güvenilir bir ekip lideri var , Kurulan düğüme ulaştıktan sonra her seferinde gök gürültülü ilerleme. Son olarak, Maslow'un ihtiyaçlar hiyerarşisine göre, rüyalar modelin tepesindeki "kendini gerçekleştirme ihtiyaçlarına" ait olmalıdır. Bir kişi "rüya" ile uyandırılabiliyorsa, bu kişinin diğer ihtiyaçlarının iyi karşılanmış olması gerekir. Bu yüzden, bir gün hepinizin sabah "rüyanızla" uyanmasını içtenlikle diliyorum.
Dört, odaya girin ve kılıçla Huashan
Bir gün çalışmanızda ve pratiğinizde en yeni kağıtlara sürekli dikkat etmeniz gerektiğini fark ederseniz ve pratik için kağıtlardaki algoritmaları sürekli olarak yeniden üretmeye çalışmanız gerekiyorsa, büyük veri / yapay zeka alanına girdiğiniz için sizi tebrik ederiz. Ustaların safları. Odaya girmenin iki aşaması ile Huashan'ın kılıç tartışması arasındaki fark özellikle açık değil çünkü çok sayıda makale okuduktan sonra her zaman kendilerine ait bazı yeni fikirler olacaktır.Bu fikirler deneylerle doğrulandıktan sonra yayınlanabilirler. Tersine, en yeni makaleler yayınlamış olsanız bile, diğer makaleleri takip etmeye devam etmeniz gerekir.
1. Arkadaş çevresi, hayatınızın yüksekliğini belirler
Bu bölümün başında yazar önce bir kase zehirli tavuk çorbası servis etmelidir. Bu "açık kaynak, paylaşım" çağında bile, akademik / teknik kaynakların dağıtımı hala son derece düzensizdir. Ve böyle bir eşitsizlik giderek daha belirgin hale gelecektir. Bunun iki nedeni var: İlk neden, Tsinghua'nın 17 düzeydeki yüksek lisans öğrencilerinin açılış töreninde bir okul liderinden bir cümle alıntılayarak açıklanabilir - "En etkili araştırma yöntemi, hatırı sayılır düzeyde akranlarla yüz yüze iletişimdir." Tercüme, daha fazla ustanın olduğu yerde, ustaları üretmenin daha kolay olması, bu da üst düzey yeteneklerin daha dengesiz dağılımına yol açmasıdır.
Ek olarak, Akademik sınır araştırması yapmanın ekonomik maliyeti çok yüksek , Üst düzey bir yerli AI şirketinin küresel Ar-Ge çalışmaları, bir ayda on milyonlarca elektrik harcamasına ulaşabilir. Sıradan yapay zeka projeleri için bile, sunucuların ve GPU'ların maliyeti, sıradan araştırmacıların araştırmalarını desteklemek için yeterli fon bulamamasına neden olacaktır.
Zehirli tavuk çorbasını içtikten sonra biraz pozitif enerjim olmalı.Kaynakların dağılımı düzensiz olmasına rağmen yetenek kanalı hala açık ama eşik gittikçe artıyor.Mezuniyetten sonra dört veya beş yılım var ve çalışırken çalışabilirim. Tsinghua Üniversitesi'ni inceledikten ve lisansüstü öğrenciler için kabul edildikten sonra, nihayet en son bilimsel araştırma örnekleriyle temasa geçtim. Data Pie, Tsinghua'nın en büyük büyük veri / yapay zeka kaynaklarını bir araya getiren açık bir organizasyondur , İlgilenen arkadaşlar, organizasyona katılmak için "Orijinali oku" seçeneğini tıklayabilir ~ (Baş editör bıçağı şimdi indirebilir ve yazarın kendisi bu reklam dalgasına hazırlıksız yakalanmıştı)
2. Seçim her zaman çabadan daha önemlidir
Bu başlık bir kase "zehirli tavuk çorbası" gibi geliyor, ama bu kanlı orman hayatının yazara getirdiği deneyim. Yazar, birkaç aydır herhangi bir ilerleme olmaksızın araştırma yapan bir algoritma ekibi gördü ve işi büyük tanrının siparişinden sonra bir ay içinde tamamladı.
İşte daha dramatik bir örnek. 1970'lerde doğal dil işleme bir zamanlar açıkça tanımlanmış iki okul arasında şiddetli bir çatışmaya girmişti. Bir dalganın geçmesi umuluyordu Dil bilgisi kuralları Konuşma tanıma için "Kural okulu" , Diğer görüşmeye göre istatistiksel yöntemler nın-nin "İstatistik" Aynı araştırma alanında çalışan iki grup bilim insanı, aslında kendi akademik konferanslarını yaptılar ve aynı konferansa katılsalar bile ayrı oturumlarda küçük toplantılar yapmak zorunda kaldılar.
1990'lara gelindiğinde, "istatistik okulunun" tanınma oranı% 90'ın üzerine çıkarken, "kural okulu"% 70'in altındaydı ve zafer ya da yenilgi bölünmüştü (Bay Wu Jun'un "Matematiğin Güzelliği" adlı kitabı Ayrıntılı ve ilginç detaylandırma). Fakat bir doktora öğrencisi 1970'lerde akademik yönünü "kural okulu" olarak belirlemiş olsaydı, 1990'larda nasıl hissederdi?
"Odaya gir" aşamasına ulaştıktan sonra, iyi bir seçim yapmak özellikle önemlidir Bu seçim sadece akademik yönlerle sınırlı değildir, aynı zamanda "akademik" veya "endüstri" gibi daha geniş bir yelpazeyi de kapsar. Referans olarak kullanılabilecek bir deneyim, hayatınızda büyük bir karar hatası yaparsanız, temelde iyileşmesinin beş yıl alacağıdır.Böyle beş yılınız olduğunu düşünmelisiniz.
3. Tek sınırlama genellikle kendi uzlaşmanızdır
Bu bölümün başlığına bakıldığında okuyucular bu makalenin "zehirli tavuk çorbası" ile biteceğini düşünebilirler. Ama aslında burada "uzlaşma" aşağılayıcı bir terim değil, en azından tarafsız bir terim olduğunu düşünüyorum. Bir anlamda, herkes eninde sonunda belirli bir "uzlaşmaya" ulaşacaktır. Ödün vermemek, statükoya uymayan hırs veya arzular olduğu anlamına gelir. Hırslar ve arzular gerçeklikle eşleştiğinde, kesinlikle olacaktır " uzlaşma ". Huashan Lunjian'ın sırrı budur. Zirvede durabilen herkesin, sıradan insanların ötesinde bir tür hırsı veya arzusu olmalıdır. Elbette, buradaki hırs veya arzu çok geniştir ve aynı zamanda akademik uğraşları da ifade eder.
Sonunda "zehirli tavuk çorbası" beklentileri karşılayacak gibi görünecek. Yazarın gözlemine göre, Herkesin "uzlaşma noktası" kendisi tarafından belirlenmez ve normal şartlar altında kendisini etkileyemez, bu nedenle herkesin sonunda ulaşacağı yükseklik genellikle bellidir .
Ancak yazarın bakış açısından, Hua Dağı'nın tepesinde durmanın ille de iyi olduğunu düşünmüyorum. Gerçek "iyi", kişinin kendi "uzlaşma noktasını" kabul edebilmesidir. Ve "uzlaşma noktanızda" mutlu bir şekilde çalışıp yaşayabilmek en akıllıca seçimdir.
yazar hakkında
Wang Mingzhe, Tsinghua Üniversitesi, Endüstri Mühendisliği Bölümü'nde yüksek lisans öğrencisi, Tsinghua Üniversitesi Veri Okulu Araştırma Bölümü Direktörü
Wang Cunguang, Tsinghua Üniversitesi Su Koruma ve Hidroelektrik Mühendisliği Bölümü'nde doğrudan doktora öğrencisi, Tsinghua Üniversitesi Öğrenci Büyük Veri Araştırma Derneği Başkanı
Datapie Araştırma Departmanına Giriş
Datapie Araştırma Departmanı, 2017'nin başlarında Çekirdeğe ilgi Birden fazla gruba bölün, her grup genel araştırma departmanını takip eder Bilgi paylaşımı ile Proje planlaması yapın Her birinin kendine has özellikleri vardır:
Algoritma modeli grubu: Kaggle ve diğer yarışmalara, orijinal el ele öğretim serisi makalelerine katılmak için aktif olarak bir ekip oluşturun;
Araştırma ve analiz grubu: Veri ürünlerinin güzelliğini keşfetmek için röportajlar ve diğer yöntemlerle büyük verilerin uygulanmasını araştırın;
Sistem platformu grubu: Büyük veri yapay zeka sistemi platform teknolojisinin sınırlarını takip edin ve uzmanlarla konuşun
Doğal Dil İşleme Grubu: Uygulamaya odaklanın, yarışmalara aktif olarak katılın ve çeşitli metin analizi projeleri planlayın;
Büyük Veri Grubu Üretimi: Verinin değerinden yararlanmak için üretimi, öğretimi, araştırmayı ve siyaseti birleştirerek sanayiye göre güçlü bir ülke yapma hayaline bağlı kalarak;
Veri görselleştirme grubu: Bilgiyi sanatla bütünleştirin, verilerin güzelliğini keşfedin ve hikayeler anlatmak için görselleştirmeyi kullanmayı öğrenin;
Web tarayıcı grubu: Ağ bilgilerini tarayın ve yaratıcı projeler geliştirmek için diğer gruplarla işbirliği yapın.
DatapiTHU'ya (ID: DatapiTHU) dikkat edin, DatapiTHU Araştırma Departmanından gönüllüler için kaydolun, her zaman size uygun bir grup vardır ~
