楼主:
nitu2009 (tomwhat)
2019-01-17 11:29:43ML的架构传统上还是需要有经验的人来设计，现在连人都不需要了，直接连架构都可以tr
ain出来，那还要ML专家干嘛？会不会以后大家都负责准备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
有人用过效果好吗
作者:
Morphee (千磨万击还坚劲)
2019-01-17 11:49:00你应该不是这行的
楼主:
nitu2009 (tomwhat)
2019-01-17 11:55:00我没有，但是光想就觉得人怎么可能赢？这可是人力搜索对上机器搜索的战争，人必败啊
无聊的事情交给机器去做，专家才有时间研究更复杂的架构
什么人力搜索 在没autoML前 参数也是让机器自己调阿应该说这是特指google的NAS模型 但以前就有很多autoML的应用和算法了ML专家也是70%时间在整理研究资料 之后可能变90%吧
作者: gogohc (gogohc) 2019-01-17 13:02:00
趋势
讲的 ML 只有 NN 一样....最简单，你丢股票 data 上去，train 完的结果你去下单，看效果如何GOOGLE自己也养一堆 data scientist是不是全部 fire
作者:
elite840 ( 因为 值得)
2019-01-17 14:04:00这种东西就跟UML 一样，没那么好用。
作者:
Dalapa (这个ID用了15个年头)
2019-01-17 15:04:00你把资料处理的前端放哪，PCA LDA 正规化 Feature Selection，这个没做你喂给ML拿的不过也是坨屎
作者:
francej (~~~~)
2019-01-17 16:16:00未来趋势应该就是要有平台(如Google)的才赚得了钱ML没机器、没资料基本上就是断了两只脚 变成只能靠算法跟Google等大厂一较高下...比输了，只能杀价竞争囉
作者: Rayyh 2019-01-17 17:14:00
教ML比做ML赚的还多
作者:
b81314 (有点贵)
2019-01-17 18:02:00太理想化
作者:
akwa (Work hard)
2019-01-17 23:51:00看一篇文章就下结论 这是记者在做的事
作者: mf99319 (hchsbangyu) 2019-01-18 01:30:00
我比较想知道autokeras 跟AutoML的差别在哪里
作者:
x3795566 (恬静与快乐)
2019-01-18 18:28:00AutoML总要有人维护跟改进吧
作者: s755369 (雫物语) 2019-01-18 19:43:00
你是记者?