g*******2 发帖数: 22 | 1 最近遇到选方向的问题,实在有点烦恼,想请大家给点意见,谢谢!
我是物理转到计算机的,导师是做自然语言处理和information retrieval的。他好像
是对Deep Learning很感兴趣,想让我读一下文献然后搞这个方向。可是,我感觉这个
东西不太靠谱,不能证明是收敛到最优,又有一堆参数要调。我担心即使能毕业,找工
作也是个问题。 工业界4年以后不知道会不会有人用这个东西,如果这段热过去的话,
学术界也不太好混。
导师手下还有一个搞机器翻译的,他自己也搞information retrieval的东西。我如果
是在想转的话估计也有可能。我想问一下
1。Deep Learning 靠谱么。
2。机器翻译上手容易么?工作前景如何?
楼主在一个欧洲国家,自然语言处理方面的话也就是方兴未艾把。所以也有可能会回国
。谢谢大家了。 |
w***g 发帖数: 5958 | 2 关键是你老板是做NLP和IR的,如果改行做ML,一方面给不了你太多指导,另一方面你
毕业去找工作他也帮不上什么忙。另外Deep Learning只是neural network的一个马甲
,说实在没什么太多的东西可以做的,仅有的可以做的东西估计也轮不到你做。我觉得
你还是老老实实跟你老板做NLP和IR,倒是可以应用一些Deep Learning的最新的进展。
【在 g*******2 的大作中提到】 : 最近遇到选方向的问题,实在有点烦恼,想请大家给点意见,谢谢! : 我是物理转到计算机的,导师是做自然语言处理和information retrieval的。他好像 : 是对Deep Learning很感兴趣,想让我读一下文献然后搞这个方向。可是,我感觉这个 : 东西不太靠谱,不能证明是收敛到最优,又有一堆参数要调。我担心即使能毕业,找工 : 作也是个问题。 工业界4年以后不知道会不会有人用这个东西,如果这段热过去的话, : 学术界也不太好混。 : 导师手下还有一个搞机器翻译的,他自己也搞information retrieval的东西。我如果 : 是在想转的话估计也有可能。我想问一下 : 1。Deep Learning 靠谱么。 : 2。机器翻译上手容易么?工作前景如何?
|
g*******2 发帖数: 22 | 3 谢谢了,老板也不知道真么想的,他好像认识那几个搞Deep Learning的人熟不熟就不
知道了,他有可能也就是想用一下吧。关键是我刚开始,他让我选个方向都文献先,大
概要搞个一两个月吧。是应该答应他,然后读一堆Deep Learning的东西呢还是一开始
就干脆找个NLP具体的方向比如MT或者Sentiment Analysis的东西去看看呢? |
D***r 发帖数: 7511 | 4 说的没错
不过物理出身的做deep learning之类的也有优势(至少简历上的优势)
真要是做NLP什么的,物理背景几乎用不上
NLP很容易找工作,但是理论上真没多少东西,大部分人都是应用
看lz的自我期望了
【在 w***g 的大作中提到】 : 关键是你老板是做NLP和IR的,如果改行做ML,一方面给不了你太多指导,另一方面你 : 毕业去找工作他也帮不上什么忙。另外Deep Learning只是neural network的一个马甲 : ,说实在没什么太多的东西可以做的,仅有的可以做的东西估计也轮不到你做。我觉得 : 你还是老老实实跟你老板做NLP和IR,倒是可以应用一些Deep Learning的最新的进展。
|
l***i 发帖数: 289 | 5 Google现在在用deep learning,效果比现在许多算法都好,可以看下link:
https://plus.google.com/118227548810368513262/posts/2wtctFEsBk2
Google Research也有一些相关paper出来了。
我要是你,就先试着用Deep Learning解决一些IR,NLP的问题,发些paper,然后再看
自己能不能搞点理论出来。不觉得以后工业界用不到。
【在 g*******2 的大作中提到】 : 最近遇到选方向的问题,实在有点烦恼,想请大家给点意见,谢谢! : 我是物理转到计算机的,导师是做自然语言处理和information retrieval的。他好像 : 是对Deep Learning很感兴趣,想让我读一下文献然后搞这个方向。可是,我感觉这个 : 东西不太靠谱,不能证明是收敛到最优,又有一堆参数要调。我担心即使能毕业,找工 : 作也是个问题。 工业界4年以后不知道会不会有人用这个东西,如果这段热过去的话, : 学术界也不太好混。 : 导师手下还有一个搞机器翻译的,他自己也搞information retrieval的东西。我如果 : 是在想转的话估计也有可能。我想问一下 : 1。Deep Learning 靠谱么。 : 2。机器翻译上手容易么?工作前景如何?
|
l***i 发帖数: 289 | 6 另外这个Jeff Dean就是搞出来MapReduce和Bigtable的人,大牛。
【在 l***i 的大作中提到】 : Google现在在用deep learning,效果比现在许多算法都好,可以看下link: : https://plus.google.com/118227548810368513262/posts/2wtctFEsBk2 : Google Research也有一些相关paper出来了。 : 我要是你,就先试着用Deep Learning解决一些IR,NLP的问题,发些paper,然后再看 : 自己能不能搞点理论出来。不觉得以后工业界用不到。
|
D***r 发帖数: 7511 | 7 我总感觉可用的数据量变得很大了以后,
什么算法都不重要,结果差不多
所以关键是解决怎么让大量数据得到处理
另外就是要开拓应用领域
【在 l***i 的大作中提到】 : 另外这个Jeff Dean就是搞出来MapReduce和Bigtable的人,大牛。
|
K****n 发帖数: 5970 | 8 机海战术无情地鄙视了数学
【在 D***r 的大作中提到】 : 我总感觉可用的数据量变得很大了以后, : 什么算法都不重要,结果差不多 : 所以关键是解决怎么让大量数据得到处理 : 另外就是要开拓应用领域
|
g*******2 发帖数: 22 | 9 谢谢大家,心里踏实一点了。尽量先看看导师有没有Deep Learning 应用到NLP 或者
IR 的项目吧。他手下好像有个人在搞这个,直接去问问那个人我能不能帮他做? |
l***i 发帖数: 289 | 10 这个在一定意义上是对的,G用的许多ML算法都是很基本的,效果也非常好,因为
training sample都是billion级别的,一般要几千台机器跑MapReduce才处理的完。不
过貌似语音图像之类的需要tune feature的,Deep Learning效果好的很多。
【在 D***r 的大作中提到】 : 我总感觉可用的数据量变得很大了以后, : 什么算法都不重要,结果差不多 : 所以关键是解决怎么让大量数据得到处理 : 另外就是要开拓应用领域
|
|
|
l***i 发帖数: 289 | 11 有人一起讨论肯定是好事情,先找那人聊聊呗。
【在 g*******2 的大作中提到】 : 谢谢大家,心里踏实一点了。尽量先看看导师有没有Deep Learning 应用到NLP 或者 : IR 的项目吧。他手下好像有个人在搞这个,直接去问问那个人我能不能帮他做?
|
m**********n 发帖数: 285 | 12 版上没研究过Deep Learning的不要误导大家。就当前的进展来说,Deep Learning还是
很promising的。算是Machine Learning里最hot的一个方向,另一个是Big Data。Deep
Learning今年两次被NYTimes报道。在speech recognition 和 image recognition上
效果尤其好。已经被google,microsoft,IBM等多家著名公司使用。
http://www.nytimes.com/2012/11/24/science/scientists-see-advanc
http://www.nytimes.com/2012/06/26/technology/in-a-big-network-o
NLP找工作不错,但目前的研究过分依赖于ML,最近几年的进展有限... 大的进展可能
还得靠Deep Learning或Big Data
个人观点,仅供参考。
【在 g*******2 的大作中提到】 : 最近遇到选方向的问题,实在有点烦恼,想请大家给点意见,谢谢! : 我是物理转到计算机的,导师是做自然语言处理和information retrieval的。他好像 : 是对Deep Learning很感兴趣,想让我读一下文献然后搞这个方向。可是,我感觉这个 : 东西不太靠谱,不能证明是收敛到最优,又有一堆参数要调。我担心即使能毕业,找工 : 作也是个问题。 工业界4年以后不知道会不会有人用这个东西,如果这段热过去的话, : 学术界也不太好混。 : 导师手下还有一个搞机器翻译的,他自己也搞information retrieval的东西。我如果 : 是在想转的话估计也有可能。我想问一下 : 1。Deep Learning 靠谱么。 : 2。机器翻译上手容易么?工作前景如何?
|
g*******2 发帖数: 22 | 13 最近遇到选方向的问题,实在有点烦恼,想请大家给点意见,谢谢!
我是物理转到计算机的,导师是做自然语言处理和information retrieval的。他好像
是对Deep Learning很感兴趣,想让我读一下文献然后搞这个方向。可是,我感觉这个
东西不太靠谱,不能证明是收敛到最优,又有一堆参数要调。我担心即使能毕业,找工
作也是个问题。 工业界4年以后不知道会不会有人用这个东西,如果这段热过去的话,
学术界也不太好混。
导师手下还有一个搞机器翻译的,他自己也搞information retrieval的东西。我如果
是在想转的话估计也有可能。我想问一下
1。Deep Learning 靠谱么。
2。机器翻译上手容易么?工作前景如何?
楼主在一个欧洲国家,自然语言处理方面的话也就是方兴未艾把。所以也有可能会回国
。谢谢大家了。 |
w***g 发帖数: 5958 | 14 关键是你老板是做NLP和IR的,如果改行做ML,一方面给不了你太多指导,另一方面你
毕业去找工作他也帮不上什么忙。另外Deep Learning只是neural network的一个马甲
,说实在没什么太多的东西可以做的,仅有的可以做的东西估计也轮不到你做。我觉得
你还是老老实实跟你老板做NLP和IR,倒是可以应用一些Deep Learning的最新的进展。
【在 g*******2 的大作中提到】 : 最近遇到选方向的问题,实在有点烦恼,想请大家给点意见,谢谢! : 我是物理转到计算机的,导师是做自然语言处理和information retrieval的。他好像 : 是对Deep Learning很感兴趣,想让我读一下文献然后搞这个方向。可是,我感觉这个 : 东西不太靠谱,不能证明是收敛到最优,又有一堆参数要调。我担心即使能毕业,找工 : 作也是个问题。 工业界4年以后不知道会不会有人用这个东西,如果这段热过去的话, : 学术界也不太好混。 : 导师手下还有一个搞机器翻译的,他自己也搞information retrieval的东西。我如果 : 是在想转的话估计也有可能。我想问一下 : 1。Deep Learning 靠谱么。 : 2。机器翻译上手容易么?工作前景如何?
|
g*******2 发帖数: 22 | 15 谢谢了,老板也不知道真么想的,他好像认识那几个搞Deep Learning的人熟不熟就不
知道了,他有可能也就是想用一下吧。关键是我刚开始,他让我选个方向都文献先,大
概要搞个一两个月吧。是应该答应他,然后读一堆Deep Learning的东西呢还是一开始
就干脆找个NLP具体的方向比如MT或者Sentiment Analysis的东西去看看呢? |
D***r 发帖数: 7511 | 16 说的没错
不过物理出身的做deep learning之类的也有优势(至少简历上的优势)
真要是做NLP什么的,物理背景几乎用不上
NLP很容易找工作,但是理论上真没多少东西,大部分人都是应用
看lz的自我期望了
【在 w***g 的大作中提到】 : 关键是你老板是做NLP和IR的,如果改行做ML,一方面给不了你太多指导,另一方面你 : 毕业去找工作他也帮不上什么忙。另外Deep Learning只是neural network的一个马甲 : ,说实在没什么太多的东西可以做的,仅有的可以做的东西估计也轮不到你做。我觉得 : 你还是老老实实跟你老板做NLP和IR,倒是可以应用一些Deep Learning的最新的进展。
|
l***i 发帖数: 289 | 17 Google现在在用deep learning,效果比现在许多算法都好,可以看下link:
https://plus.google.com/118227548810368513262/posts/2wtctFEsBk2
Google Research也有一些相关paper出来了。
我要是你,就先试着用Deep Learning解决一些IR,NLP的问题,发些paper,然后再看
自己能不能搞点理论出来。不觉得以后工业界用不到。
【在 g*******2 的大作中提到】 : 最近遇到选方向的问题,实在有点烦恼,想请大家给点意见,谢谢! : 我是物理转到计算机的,导师是做自然语言处理和information retrieval的。他好像 : 是对Deep Learning很感兴趣,想让我读一下文献然后搞这个方向。可是,我感觉这个 : 东西不太靠谱,不能证明是收敛到最优,又有一堆参数要调。我担心即使能毕业,找工 : 作也是个问题。 工业界4年以后不知道会不会有人用这个东西,如果这段热过去的话, : 学术界也不太好混。 : 导师手下还有一个搞机器翻译的,他自己也搞information retrieval的东西。我如果 : 是在想转的话估计也有可能。我想问一下 : 1。Deep Learning 靠谱么。 : 2。机器翻译上手容易么?工作前景如何?
|
l***i 发帖数: 289 | 18 另外这个Jeff Dean就是搞出来MapReduce和Bigtable的人,大牛。
【在 l***i 的大作中提到】 : Google现在在用deep learning,效果比现在许多算法都好,可以看下link: : https://plus.google.com/118227548810368513262/posts/2wtctFEsBk2 : Google Research也有一些相关paper出来了。 : 我要是你,就先试着用Deep Learning解决一些IR,NLP的问题,发些paper,然后再看 : 自己能不能搞点理论出来。不觉得以后工业界用不到。
|
D***r 发帖数: 7511 | 19 我总感觉可用的数据量变得很大了以后,
什么算法都不重要,结果差不多
所以关键是解决怎么让大量数据得到处理
另外就是要开拓应用领域
【在 l***i 的大作中提到】 : 另外这个Jeff Dean就是搞出来MapReduce和Bigtable的人,大牛。
|
K****n 发帖数: 5970 | 20 机海战术无情地鄙视了数学
【在 D***r 的大作中提到】 : 我总感觉可用的数据量变得很大了以后, : 什么算法都不重要,结果差不多 : 所以关键是解决怎么让大量数据得到处理 : 另外就是要开拓应用领域
|
|
|
g*******2 发帖数: 22 | 21 谢谢大家,心里踏实一点了。尽量先看看导师有没有Deep Learning 应用到NLP 或者
IR 的项目吧。他手下好像有个人在搞这个,直接去问问那个人我能不能帮他做? |
l***i 发帖数: 289 | 22 这个在一定意义上是对的,G用的许多ML算法都是很基本的,效果也非常好,因为
training sample都是billion级别的,一般要几千台机器跑MapReduce才处理的完。不
过貌似语音图像之类的需要tune feature的,Deep Learning效果好的很多。
【在 D***r 的大作中提到】 : 我总感觉可用的数据量变得很大了以后, : 什么算法都不重要,结果差不多 : 所以关键是解决怎么让大量数据得到处理 : 另外就是要开拓应用领域
|
l***i 发帖数: 289 | 23 有人一起讨论肯定是好事情,先找那人聊聊呗。
【在 g*******2 的大作中提到】 : 谢谢大家,心里踏实一点了。尽量先看看导师有没有Deep Learning 应用到NLP 或者 : IR 的项目吧。他手下好像有个人在搞这个,直接去问问那个人我能不能帮他做?
|
m**********n 发帖数: 285 | 24 版上没研究过Deep Learning的不要误导大家。就当前的进展来说,Deep Learning还是
很promising的。算是Machine Learning里最hot的一个方向,另一个是Big Data。Deep
Learning今年两次被NYTimes报道。在speech recognition 和 image recognition上
效果尤其好。已经被google,microsoft,IBM等多家著名公司使用。
http://www.nytimes.com/2012/11/24/science/scientists-see-advanc
http://www.nytimes.com/2012/06/26/technology/in-a-big-network-o
NLP找工作不错,但目前的研究过分依赖于ML,最近几年的进展有限... 大的进展可能
还得靠Deep Learning或Big Data
个人观点,仅供参考。
【在 g*******2 的大作中提到】 : 最近遇到选方向的问题,实在有点烦恼,想请大家给点意见,谢谢! : 我是物理转到计算机的,导师是做自然语言处理和information retrieval的。他好像 : 是对Deep Learning很感兴趣,想让我读一下文献然后搞这个方向。可是,我感觉这个 : 东西不太靠谱,不能证明是收敛到最优,又有一堆参数要调。我担心即使能毕业,找工 : 作也是个问题。 工业界4年以后不知道会不会有人用这个东西,如果这段热过去的话, : 学术界也不太好混。 : 导师手下还有一个搞机器翻译的,他自己也搞information retrieval的东西。我如果 : 是在想转的话估计也有可能。我想问一下 : 1。Deep Learning 靠谱么。 : 2。机器翻译上手容易么?工作前景如何?
|
l*******s 发帖数: 1258 | 25 你就不能用deep learning把MT和IR结合到一起吗?
这个样子最容易出paper了
这仨方向很多共同点,其实准确来说,这不能算是三个平行方向。
DL算是个方法,MT和IR才是应用方向。
既然你在欧洲,搞搞MT挺好的,欧洲搞这玩意挺热的 |
w***f 发帖数: 903 | 26 Big Data 和 Deep Learning 的形势完全不同。 前者再怎么说有大量工业界的应用需
求。后者说好听点是新的idea,难听点是新的忽悠。这种忽悠,每隔五年CS里就会有一
到两个冒出来。共同特点是自说自话,数学上没有solid的东西。
Deep
【在 m**********n 的大作中提到】 : 版上没研究过Deep Learning的不要误导大家。就当前的进展来说,Deep Learning还是 : 很promising的。算是Machine Learning里最hot的一个方向,另一个是Big Data。Deep : Learning今年两次被NYTimes报道。在speech recognition 和 image recognition上 : 效果尤其好。已经被google,microsoft,IBM等多家著名公司使用。 : http://www.nytimes.com/2012/11/24/science/scientists-see-advanc : http://www.nytimes.com/2012/06/26/technology/in-a-big-network-o : NLP找工作不错,但目前的研究过分依赖于ML,最近几年的进展有限... 大的进展可能 : 还得靠Deep Learning或Big Data : 个人观点,仅供参考。
|