工作完来回一下好了～ 我不知道各种业界怎样～我就说我待过的公司跟teams 先说背景，不才小时候爱玩ML比赛，正值ML还不太红的200x年， 赢了一些奖，觉得自己很厉害～ 後来去学校发了些paper，自我觉得超强。 就冲去hackathon然後试试看startup，结果很惨。 只好join Google休息一下，继续作machine learning， 做了两年，帮公司赚了不少钱可是paper都发不出来，来点坐领乾薪的鲁蛇分享。 先讲玩比赛的时候： 比赛的时候我都只会一招，就是把feature expand很大， 然後用liblinear跑一次。 基本上那时候我是相信，只要有一个好的feature engineering tool 人生就无敌了。 我当时就写了个这个： http://www.csie.ntu.edu.tw/~b95028/software/lib-gundam/ 然後我就去念博班： 念了博班发现，很多paper都乱写，model超漂亮，跑出来超overfit。 用一个paper的model跑另一个paper的data很常就会GG。 最後发现最强的还都只有liblinear跟随机森林。 於是我就生气了，想说去hackathon或是开开startup 初出茅庐： 当时做了一些health data，然後show说自己可以predict acc多高，觉得超屌。 我就去跟别人present，可是别人都看不懂。 这时候才知道业界很多人重视的一件事情「可解释性」。 你有一个好model，如果不能解释哪个feature强，在很多领域是无用的。 （像health他们好像就很注重，病的causality关系之类的。 像你可以predict一个人会生病，不过他想要知道哪个feature让他生病的。 这种东西很多时候是model很难去数理上含括的。） 在Google： 基本上我现在都还是一直在用liblinear。 我遇到的很多不是纯粹learning for accuracy的问题。 很多时候像stability很重要(e.g. 当有missing features，你的model是不是 不会go crazy) 有时候生data很重要，data生不好，很容易target leak，不小心train出来accuracy就 100%，还以为自己要得Turing Award了。 有时候prediction速度很重要，如果query很多，要怎样才能快速serve。 我觉得其实很多work都会越作越general，但是多数是从domain example开始作。 就像可能你今天作text classification很猛，可是你可能想要improve。 你第一件事情大概还是去看data，看看是不是哪些字常常会是noise， 还是sentence的parser不好。那就会从中改善，最後也会越作越general。 最後可能就会有很好得方法可以给你在很多问题上都有 10%的accuracy gain然後改变世界。 但是其实人生大部分的事情是不能generalized的，就像爱情(?)。 所以大部分的事情都只是pointwise fix，例如说：cross两个feature。 通常这种pointwise fix，都只会给你1%的accuracy gain。 所以这时候我就要来乱引用了，有人说过 「1% gain是engineering，10% gain是research。 」 最後，公司还是要赚钱的，所以也很难一直给你时间想好玩得新演算法去try。 我现在的mode就是边做engineering边做research， 也期望有一天能发个ICML Best Paper， 但是大部分的时间其实都还是找个新feature然後重跑liblinear。 对了，liblinear真的很强。请爱用liblinear！ ※ 引述《milc (milc)》之铭言： : 大家好 : 不好意思想请问一下关於ML的工作内容, : 我是在coursera上Andrew Ng的ML影片课程自学, : 之前也仅用过Weka取些features来做一些文件分类工作, : 之後找工作想做这一方面的, 但是不知道业界工作内容, : 想请问一下各位先进, : 一般工作是用既有的ML方法套用来解决我们所面对的问题? : 还是大部分都要提出新的演算法了? : 另外请问找ML工作前有没有什麽要再加强与自学的建议? : 谢谢大家(如果我提出的问题太过无知请原谅) --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 73.170.100.37 ※ 文章网址: http://webptt.com/cn.aspx?n=bbs/Oversea_Job/M.1411105266.A.175.html