工作完來回一下好了～ 我不知道各種業界怎樣～我就說我待過的公司跟teams 先說背景，不才小時候愛玩ML比賽，正值ML還不太紅的200x年， 贏了一些獎，覺得自己很厲害～ 後來去學校發了些paper，自我覺得超強。 就衝去hackathon然後試試看startup，結果很慘。 只好join Google休息一下，繼續作machine learning， 做了兩年，幫公司賺了不少錢可是paper都發不出來，來點坐領乾薪的魯蛇分享。 先講玩比賽的時候： 比賽的時候我都只會一招，就是把feature expand很大， 然後用liblinear跑一次。 基本上那時候我是相信，只要有一個好的feature engineering tool 人生就無敵了。 我當時就寫了個這個： http://www.csie.ntu.edu.tw/~b95028/software/lib-gundam/ 然後我就去念博班： 唸了博班發現，很多paper都亂寫，model超漂亮，跑出來超overfit。 用一個paper的model跑另一個paper的data很常就會GG。 最後發現最強的還都只有liblinear跟隨機森林。 於是我就生氣了，想說去hackathon或是開開startup 初出茅廬： 當時做了一些health data，然後show說自己可以predict acc多高，覺得超屌。 我就去跟別人present，可是別人都看不懂。 這時候才知道業界很多人重視的一件事情「可解釋性」。 你有一個好model，如果不能解釋哪個feature強，在很多領域是無用的。 （像health他們好像就很注重，病的causality關係之類的。 像你可以predict一個人會生病，不過他想要知道哪個feature讓他生病的。 這種東西很多時候是model很難去數理上含括的。） 在Google： 基本上我現在都還是一直在用liblinear。 我遇到的很多不是純粹learning for accuracy的問題。 很多時候像stability很重要(e.g. 當有missing features，你的model是不是 不會go crazy) 有時候生data很重要，data生不好，很容易target leak，不小心train出來accuracy就 100%，還以為自己要得Turing Award了。 有時候prediction速度很重要，如果query很多，要怎樣才能快速serve。 我覺得其實很多work都會越作越general，但是多數是從domain example開始作。 就像可能你今天作text classification很猛，可是你可能想要improve。 你第一件事情大概還是去看data，看看是不是哪些字常常會是noise， 還是sentence的parser不好。那就會從中改善，最後也會越作越general。 最後可能就會有很好得方法可以給你在很多問題上都有 10%的accuracy gain然後改變世界。 但是其實人生大部分的事情是不能generalized的，就像愛情(?)。 所以大部分的事情都只是pointwise fix，例如說：cross兩個feature。 通常這種pointwise fix，都只會給你1%的accuracy gain。 所以這時候我就要來亂引用了，有人說過 「1% gain是engineering，10% gain是research。 」 最後，公司還是要賺錢的，所以也很難一直給你時間想好玩得新演算法去try。 我現在的mode就是邊做engineering邊做research， 也期望有一天能發個ICML Best Paper， 但是大部分的時間其實都還是找個新feature然後重跑liblinear。 對了，liblinear真的很強。請愛用liblinear！ ※ 引述《milc (milc)》之銘言： : 大家好 : 不好意思想請問一下關於ML的工作內容, : 我是在coursera上Andrew Ng的ML影片課程自學, : 之前也僅用過Weka取些features來做一些文件分類工作, : 之後找工作想做這一方面的, 但是不知道業界工作內容, : 想請問一下各位先進, : 一般工作是用既有的ML方法套用來解決我們所面對的問題? : 還是大部分都要提出新的演算法了? : 另外請問找ML工作前有沒有什麼要再加強與自學的建議? : 謝謝大家(如果我提出的問題太過無知請原諒) --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 73.170.100.37 ※ 文章網址: http://webptt.com/m.aspx?n=bbs/Oversea_Job/M.1411105266.A.175.html