人工智能培训

搜索

人工智能教程:工业中和深度学习中使用贝叶斯优化的频率如何?

[复制链接]
admin 发表于 2018-5-16 23:48:24 | 显示全部楼层 |阅读模式
admin 2018-5-16 23:48:24 64 0 显示全部楼层
人工智能教程:工业中和深度学习中使用贝叶斯优化的频率如何?我认为,为了证明贝叶斯方法的合理性,需要的总数据量就是这样的数量,如果他们认为需要的话,更大的角色可以使用它们。但是,我很怀疑,有很大一部分演员会使用它们。为什么框架本身就是一个可行的市场,这个站在的原因是因为正确利用贝叶斯所需的资源/数据/知识的数量并不适合许多人/公司。我的意思是,我们可以在这里随意地谈论Quora - 但是,实际使用它的时刻,并且在成本/部署/规模等方面是合理的。绝大多数人可能不使用贝叶斯优化。

人工智能教程:工业中和深度学习中使用贝叶斯优化的频率如何?那些谁,我怀疑是少数 - 这样做,在非常有针对性的分析或大量的数据集合。 (认为​​谷歌,Facebook或亚马逊等或科学部门)如果您想了解更多关于贝叶斯优化的最佳资源,最近在这一领域取得的进展以及工业应用,我相信是BayesOpt网站。你会发现你需要的一切,包括以前的研讨会的链接,最重要的是,接受的论文。这将使您对艺术状况有一个很好的回顾。在这些论文中,您可以找到贝叶斯优化的应用:

自动化学设计,巧克力饼干优化(是的,你读得对),层流流动中的形状优化,神经网络硬件加速器设计,这会让你了解这项技术的成熟度,以及它如何能/不能在行业中使用。你不应该学数学,你应该知道数学,静力学和低谷,你应该很好地通过统计数据并理解他们。 这是基于你对数学的一点认识,你如何总结,收集或减去。举一个“朴素贝叶斯”算法的例子,它很低,知道处理它很重要,这在静态数学中不算数学。你想成为机器学习工程师吗? 然后,你只需要熟练掌握CS的各方面(学习各种框架/库,数据库编程,算法等),同时对ML背后的基本数学知识以及何时应用各种算法。 做CS /工程学学士学位+统计学/数学专业的主修/辅修专业可能是实现这一目标的最佳选择,而机器学习/数据科学硕士学位将会非常有帮助(并帮助您实际争取这些类型的工作)。

回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则 返回列表 发新帖

admin当前离线
管理员

查看:64 | 回复:0

快速回复 返回顶部 返回列表