作者:
nitu2009 (tomwhat)
2019-01-17 11:29:43ML的架構傳統上還是需要有經驗的人來設計，現在連人都不需要了，直接連架構都可以tr
ain出來，那還要ML專家幹嘛？會不會以後大家都負責準備data就好了？
youtube有介绍影片，下面推文都是Google kill ml job
作者: aminoyoyo (YOYOYO) 2019-01-17 11:33:00
有人用過效果好嗎
作者:
Morphee (千磨萬擊還堅勁)
2019-01-17 11:49:00你應該不是這行的
作者:
nitu2009 (tomwhat)
2019-01-17 11:55:00我沒有，但是光想就覺得人怎麼可能贏？這可是人力搜索對上機器搜索的戰爭，人必敗啊
無聊的事情交給機器去做，專家才有時間研究更複雜的架構
什麼人力搜索 在沒autoML前 參數也是讓機器自己調阿應該說這是特指google的NAS模型 但以前就有很多autoML的應用和算法了ML專家也是70%時間在整理研究資料 之後可能變90%吧
作者: gogohc (gogohc) 2019-01-17 13:02:00
趨勢
講的 ML 只有 NN 一樣....最簡單，你丟股票 data 上去，train 完的結果你去下單，看效果如何GOOGLE自己也養一堆 data scientist是不是全部 fire
作者:
elite840 ( 因為 值得)
2019-01-17 14:04:00這種東西就跟UML 一樣，沒那麼好用。
作者:
Dalapa (這個ID用了15個年頭)
2019-01-17 15:04:00你把資料處理的前端放哪，PCA LDA 正規化 Feature Selection，這個沒做你喂給ML拿的不過也是坨屎
作者:
francej (~~~~)
2019-01-17 16:16:00未來趨勢應該就是要有平台(如Google)的才賺得了錢ML沒機器、沒資料基本上就是斷了兩隻腳 變成只能靠演算法跟Google等大廠一較高下...比輸了，只能殺價競爭囉
作者: Rayyh 2019-01-17 17:14:00
教ML比做ML賺的還多
作者:
b81314 (有點貴)
2019-01-17 18:02:00太理想化
作者:
akwa (Work hard)
2019-01-17 23:51:00看一篇文章就下結論 這是記者在做的事
作者: mf99319 (hchsbangyu) 2019-01-18 01:30:00
我比較想知道autokeras 跟AutoML的差別在哪裡
作者:
x3795566 (恬靜與快樂)
2019-01-18 18:28:00AutoML總要有人維護跟改進吧
作者: s755369 (雫物語) 2019-01-18 19:43:00
你是記者?