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。
|
