計劃進修PhD/Research討論區 (3)

psy/sosci
maths
econ
engine?
仲有無
有無it/computing

Machine Learning/vision算唔算

我個ex而家好似都準備玩machine learning

maching learning
text mining揮手

Hmm or Rnn/lstm?

我想試下rnn/reinforcement learning做image classifer

我果啲好初級的 psychi field

psy/sosci
maths
econ
engine?
仲有無
有無it/computing

Machine Learning/vision算唔算

我個ex而家好似都準備玩machine learning

maching learning
text mining揮手

Hmm or Rnn/lstm?

我想試下rnn/reinforcement learning做image classifer

我果啲好初級的 psychi field

純好奇, 我見到你地話psychi做text mining,但係我唔係好明兩者有咩關係

psy/sosci
maths
econ
engine?
仲有無
有無it/computing

Machine Learning/vision算唔算

我個ex而家好似都準備玩machine learning

maching learning
text mining揮手

Hmm or Rnn/lstm?

我想試下rnn/reinforcement learning做image classifer

我果啲好初級的 psychi field

純好奇, 我見到你地話psychi做text mining,但係我唔係好明兩者有咩關係

學緊用ml analyze neuroimaging data
應該同你差唔多
岩岩有個同事出左cerebral cortex

Machine Learning/vision算唔算

我個ex而家好似都準備玩machine learning

maching learning
text mining揮手

Hmm or Rnn/lstm?

我想試下rnn/reinforcement learning做image classifer

我果啲好初級的 psychi field

純好奇, 我見到你地話psychi做text mining,但係我唔係好明兩者有咩關係

學緊用ml analyze neuroimaging data
應該同你差唔多
岩岩有個同事出左cerebral cortex

我有諗個做呢類, eeg/brain-inspired model

不過0 bio/psy background 所以都係做d ML向算

等offer等到頸都長

psy/sosci
maths
econ
engine?
仲有無
有無it/computing

Machine Learning/vision算唔算

我個ex而家好似都準備玩machine learning

maching learning
text mining揮手

Hmm or Rnn/lstm?

我想試下rnn/reinforcement learning做image classifer

我果啲好初級的 psychi field

我Ex係systems engineering嗰邊
佢下年報PhD 應該入硬top 10

我個ex而家好似都準備玩machine learning

maching learning
text mining揮手

Hmm or Rnn/lstm?

我想試下rnn/reinforcement learning做image classifer

我果啲好初級的 psychi field

純好奇, 我見到你地話psychi做text mining,但係我唔係好明兩者有咩關係

學緊用ml analyze neuroimaging data
應該同你差唔多
岩岩有個同事出左cerebral cortex

我有諗個做呢類, eeg/brain-inspired model

不過0 bio/psy background 所以都係做d ML向算

等offer等到頸都長

都好多冇bio/psy background人做
多數都係engineer 或者cs 人做
其實佢地勁好多
你都係當張圖咁分析
我就學到傻

psy/sosci
maths
econ
engine?
仲有無
有無it/computing

Machine Learning/vision算唔算

Machine Learning 揮手

maching learning
text mining揮手

Hmm or Rnn/lstm?

我想試下rnn/reinforcement learning做image classifer

我果啲好初級的 psychi field

純好奇, 我見到你地話psychi做text mining,但係我唔係好明兩者有咩關係

學緊用ml analyze neuroimaging data
應該同你差唔多
岩岩有個同事出左cerebral cortex

我有諗個做呢類, eeg/brain-inspired model

不過0 bio/psy background 所以都係做d ML向算

等offer等到頸都長

都好多冇bio/psy background人做
多數都係engineer 或者cs 人做
其實佢地勁好多
你都係當張圖咁分析
我就學到傻

係，學左成年，學到傻左，先識啲皮毛

btw psychi and text mining 都可以好多野玩，例如trend analysis, diagnosis accuracy, research pattern, symptom associations.....

maching learning
text mining揮手

Hmm or Rnn/lstm?

我想試下rnn/reinforcement learning做image classifer

我果啲好初級的 psychi field

純好奇, 我見到你地話psychi做text mining,但係我唔係好明兩者有咩關係

學緊用ml analyze neuroimaging data
應該同你差唔多
岩岩有個同事出左cerebral cortex

我有諗個做呢類, eeg/brain-inspired model

不過0 bio/psy background 所以都係做d ML向算

等offer等到頸都長

都好多冇bio/psy background人做
多數都係engineer 或者cs 人做
其實佢地勁好多
你都係當張圖咁分析
我就學到傻

其實都係math trick多

好多時都係將某某方法擺到落另一個problem solve

咁樣相對易做好多

我都想有自己framework 遲下會pub份算係modify左人地個frame既method 不過對mphil個field幫助唔大就真

maching learning
text mining揮手

Hmm or Rnn/lstm?

我想試下rnn/reinforcement learning做image classifer

我果啲好初級的 psychi field

純好奇, 我見到你地話psychi做text mining,但係我唔係好明兩者有咩關係

學緊用ml analyze neuroimaging data
應該同你差唔多
岩岩有個同事出左cerebral cortex

我有諗個做呢類, eeg/brain-inspired model

不過0 bio/psy background 所以都係做d ML向算

等offer等到頸都長

都好多冇bio/psy background人做
多數都係engineer 或者cs 人做
其實佢地勁好多
你都係當張圖咁分析
我就學到傻

係，學左成年，學到傻左，先識啲皮毛

btw psychi and text mining 都可以好多野玩，例如trend analysis, diagnosis accuracy, research pattern, symptom associations.....

我mean係咩data要through text mining?

patient講/寫既野?

Hmm or Rnn/lstm?

我想試下rnn/reinforcement learning做image classifer

我果啲好初級的 psychi field

純好奇, 我見到你地話psychi做text mining,但係我唔係好明兩者有咩關係

學緊用ml analyze neuroimaging data
應該同你差唔多
岩岩有個同事出左cerebral cortex

我有諗個做呢類, eeg/brain-inspired model

不過0 bio/psy background 所以都係做d ML向算

等offer等到頸都長

都好多冇bio/psy background人做
多數都係engineer 或者cs 人做
其實佢地勁好多
你都係當張圖咁分析
我就學到傻

其實都係math trick多

好多時都係將某某方法擺到落另一個problem solve

咁樣相對易做好多

我都想有自己framework 遲下會pub份算係modify左人地個frame既method 不過對mphil個field幫助唔大就真

就係學背後既理論同stat先學到傻， 當然實際programming 時又有另外既問題

不過家下係興咩都放ml 落去
data 唔夠大都ml

我果啲好初級的 psychi field

純好奇, 我見到你地話psychi做text mining,但係我唔係好明兩者有咩關係

學緊用ml analyze neuroimaging data
應該同你差唔多
岩岩有個同事出左cerebral cortex

我有諗個做呢類, eeg/brain-inspired model

不過0 bio/psy background 所以都係做d ML向算

等offer等到頸都長

都好多冇bio/psy background人做
多數都係engineer 或者cs 人做
其實佢地勁好多
你都係當張圖咁分析
我就學到傻

係，學左成年，學到傻左，先識啲皮毛

btw psychi and text mining 都可以好多野玩，例如trend analysis, diagnosis accuracy, research pattern, symptom associations.....

我mean係咩data要through text mining?

patient講/寫既野?

呢part係有小小novelty係度
但同你估既好接近，不過唔是patient

其實我地是咪真係應該搞個collaboration
有無巴打有興趣

我果啲好初級的 psychi field

純好奇, 我見到你地話psychi做text mining,但係我唔係好明兩者有咩關係

學緊用ml analyze neuroimaging data
應該同你差唔多
岩岩有個同事出左cerebral cortex

我有諗個做呢類, eeg/brain-inspired model

不過0 bio/psy background 所以都係做d ML向算

等offer等到頸都長

都好多冇bio/psy background人做
多數都係engineer 或者cs 人做
其實佢地勁好多
你都係當張圖咁分析
我就學到傻

其實都係math trick多

好多時都係將某某方法擺到落另一個problem solve

咁樣相對易做好多

我都想有自己framework 遲下會pub份算係modify左人地個frame既method 不過對mphil個field幫助唔大就真

就係學背後既理論同stat先學到傻， 當然實際programming 時又有另外既問題

不過家下係興咩都放ml 落去
data 唔夠大都ml

我stat就麻麻 programming普普通通

Psy field好似仲係用好stat既model 可能始終你地要搵個reason behind

而家neural network根本就唔係咁需要prior knowledge, trade off就係sample size要大

Model夠簡單 勝左operator夠多
我唔知可唔可以用三個臭皮匠勝過一個豬腳亮黎形容 同埋成件事好blackbox 有d人唔鐘意咁

同埋data set唔夠多都仲有選擇既 係冇咁出名

Eg. Random forest我冇實測過 但係聽講可以prevent overfit 又唔洗話咁多data

Coding都係google架啦

Math我可能因為讀過下basic numerical analysis
而ml其實theory上都係optimization problem 個人覺得幾似下 所以學得輕鬆d

純好奇, 我見到你地話psychi做text mining,但係我唔係好明兩者有咩關係

學緊用ml analyze neuroimaging data
應該同你差唔多
岩岩有個同事出左cerebral cortex

我有諗個做呢類, eeg/brain-inspired model

不過0 bio/psy background 所以都係做d ML向算

等offer等到頸都長

都好多冇bio/psy background人做
多數都係engineer 或者cs 人做
其實佢地勁好多
你都係當張圖咁分析
我就學到傻

係，學左成年，學到傻左，先識啲皮毛

btw psychi and text mining 都可以好多野玩，例如trend analysis, diagnosis accuracy, research pattern, symptom associations.....

我mean係咩data要through text mining?

patient講/寫既野?

呢part係有小小novelty係度
但同你估既好接近，不過唔是patient

唔怪得google唔到

social network related? 而家好鬼興

不過巴打怕既話可以唔講 純粹個人好奇

純好奇, 我見到你地話psychi做text mining,但係我唔係好明兩者有咩關係

學緊用ml analyze neuroimaging data
應該同你差唔多
岩岩有個同事出左cerebral cortex

我有諗個做呢類, eeg/brain-inspired model

不過0 bio/psy background 所以都係做d ML向算

等offer等到頸都長

都好多冇bio/psy background人做
多數都係engineer 或者cs 人做
其實佢地勁好多
你都係當張圖咁分析
我就學到傻

其實都係math trick多

好多時都係將某某方法擺到落另一個problem solve

咁樣相對易做好多

我都想有自己framework 遲下會pub份算係modify左人地個frame既method 不過對mphil個field幫助唔大就真

就係學背後既理論同stat先學到傻， 當然實際programming 時又有另外既問題

不過家下係興咩都放ml 落去
data 唔夠大都ml

我stat就麻麻 programming普普通通

Psy field好似仲係用好stat既model 可能始終你地要搵個reason behind

而家neural network根本就唔係咁需要prior knowledge, trade off就係sample size要大

Model夠簡單 勝左operator夠多
我唔知可唔可以用三個臭皮匠勝過一個豬腳亮黎形容 同埋成件事好blackbox 有d人唔鐘意咁

同埋data set唔夠多都仲有選擇既 係冇咁出名

Eg. Random forest我冇實測過 但係聽講可以prevent overfit 又唔洗話咁多data

Coding都係google架啦

Math我可能因為讀過下basic numerical analysis
而ml其實theory上都係optimization problem 個人覺得幾似下 所以學得輕鬆d

可唔可以少啲數 會考f左
不過psy果啲真係好rely on stat models，好彩models係機計

學緊用ml analyze neuroimaging data
應該同你差唔多
岩岩有個同事出左cerebral cortex

我有諗個做呢類, eeg/brain-inspired model

不過0 bio/psy background 所以都係做d ML向算

等offer等到頸都長

都好多冇bio/psy background人做
多數都係engineer 或者cs 人做
其實佢地勁好多
你都係當張圖咁分析
我就學到傻

係，學左成年，學到傻左，先識啲皮毛

btw psychi and text mining 都可以好多野玩，例如trend analysis, diagnosis accuracy, research pattern, symptom associations.....

我mean係咩data要through text mining?

patient講/寫既野?

呢part係有小小novelty係度
但同你估既好接近，不過唔是patient

唔怪得google唔到

social network related? 而家好鬼興

不過巴打怕既話可以唔講 純粹個人好奇

同disease相關，EMR係其中一種，放入去，㩒個制，出啲diagnosis pattern，呢個係其中一種玩左好耐既野

純好奇, 我見到你地話psychi做text mining,但係我唔係好明兩者有咩關係

學緊用ml analyze neuroimaging data
應該同你差唔多
岩岩有個同事出左cerebral cortex

我有諗個做呢類, eeg/brain-inspired model

不過0 bio/psy background 所以都係做d ML向算

等offer等到頸都長

都好多冇bio/psy background人做
多數都係engineer 或者cs 人做
其實佢地勁好多
你都係當張圖咁分析
我就學到傻

其實都係math trick多

好多時都係將某某方法擺到落另一個problem solve

咁樣相對易做好多

我都想有自己framework 遲下會pub份算係modify左人地個frame既method 不過對mphil個field幫助唔大就真

就係學背後既理論同stat先學到傻， 當然實際programming 時又有另外既問題

不過家下係興咩都放ml 落去
data 唔夠大都ml

我stat就麻麻 programming普普通通

Psy field好似仲係用好stat既model 可能始終你地要搵個reason behind

而家neural network根本就唔係咁需要prior knowledge, trade off就係sample size要大

Model夠簡單 勝左operator夠多
我唔知可唔可以用三個臭皮匠勝過一個豬腳亮黎形容 同埋成件事好blackbox 有d人唔鐘意咁

同埋data set唔夠多都仲有選擇既 係冇咁出名

Eg. Random forest我冇實測過 但係聽講可以prevent overfit 又唔洗話咁多data

Coding都係google架啦

Math我可能因為讀過下basic numerical analysis
而ml其實theory上都係optimization problem 個人覺得幾似下 所以學得輕鬆d

淨係識artifical neural neteork

就咁睇上面幾位巴打都係用ML做research, 唔算係做ML research?

純好奇, 我見到你地話psychi做text mining,但係我唔係好明兩者有咩關係

學緊用ml analyze neuroimaging data
應該同你差唔多
岩岩有個同事出左cerebral cortex

我有諗個做呢類, eeg/brain-inspired model

不過0 bio/psy background 所以都係做d ML向算

等offer等到頸都長

都好多冇bio/psy background人做
多數都係engineer 或者cs 人做
其實佢地勁好多
你都係當張圖咁分析
我就學到傻

其實都係math trick多

好多時都係將某某方法擺到落另一個problem solve

咁樣相對易做好多

我都想有自己framework 遲下會pub份算係modify左人地個frame既method 不過對mphil個field幫助唔大就真

就係學背後既理論同stat先學到傻， 當然實際programming 時又有另外既問題

不過家下係興咩都放ml 落去
data 唔夠大都ml

我stat就麻麻 programming普普通通

Psy field好似仲係用好stat既model 可能始終你地要搵個reason behind

而家neural network根本就唔係咁需要prior knowledge, trade off就係sample size要大

Model夠簡單 勝左operator夠多
我唔知可唔可以用三個臭皮匠勝過一個豬腳亮黎形容 同埋成件事好blackbox 有d人唔鐘意咁

同埋data set唔夠多都仲有選擇既 係冇咁出名

Eg. Random forest我冇實測過 但係聽講可以prevent overfit 又唔洗話咁多data

Coding都係google架啦

Math我可能因為讀過下basic numerical analysis
而ml其實theory上都係optimization problem 個人覺得幾似下 所以學得輕鬆d

去conference d 人通常都問
ok 你ml 出到個咁既model
咁significant value 係點
有冇alternative models, 點compare 嫁
我聽完真係暈

我覺得你岩
最難係點係bias variance tradeoff到拎個平衡
我個lecturer 成日講
我地係唔知點解有個咁既model
但我就按某d 條例要個program 整出黎
不過唔係有statistical learning 底既人都係慣用classical stat 既方式諗野

學緊用ml analyze neuroimaging data
應該同你差唔多
岩岩有個同事出左cerebral cortex

我有諗個做呢類, eeg/brain-inspired model

不過0 bio/psy background 所以都係做d ML向算

等offer等到頸都長

都好多冇bio/psy background人做
多數都係engineer 或者cs 人做
其實佢地勁好多
你都係當張圖咁分析
我就學到傻

其實都係math trick多

好多時都係將某某方法擺到落另一個problem solve

咁樣相對易做好多

我都想有自己framework 遲下會pub份算係modify左人地個frame既method 不過對mphil個field幫助唔大就真

就係學背後既理論同stat先學到傻， 當然實際programming 時又有另外既問題

不過家下係興咩都放ml 落去
data 唔夠大都ml

我stat就麻麻 programming普普通通

Psy field好似仲係用好stat既model 可能始終你地要搵個reason behind

而家neural network根本就唔係咁需要prior knowledge, trade off就係sample size要大

Model夠簡單 勝左operator夠多
我唔知可唔可以用三個臭皮匠勝過一個豬腳亮黎形容 同埋成件事好blackbox 有d人唔鐘意咁

同埋data set唔夠多都仲有選擇既 係冇咁出名

Eg. Random forest我冇實測過 但係聽講可以prevent overfit 又唔洗話咁多data

Coding都係google架啦

Math我可能因為讀過下basic numerical analysis
而ml其實theory上都係optimization problem 個人覺得幾似下 所以學得輕鬆d

可唔可以少啲數 會考f左
不過psy果啲真係好rely on stat models，好彩models係機計

唔係stat既話 大多數都有graphical representation
要多d時間睇 不過未至於卡死曬

加油呀 我女朋友bio field成日聽唔明我講math

追dse math既話herman yeung d片好似唔錯

再唔係就khan/other utube

Stat我都幫你唔到 記得呢個post有巴打做bayes果邊應該解答到多d

就咁睇上面幾位巴打都係用ML做research, 唔算係做ML research?

我冇咁既能力develop algorithm
所以我學都係學點樣apply 係我d data 到
同d engineer 相處過就知係兩個世界

學緊用ml analyze neuroimaging data
應該同你差唔多
岩岩有個同事出左cerebral cortex

我有諗個做呢類, eeg/brain-inspired model

不過0 bio/psy background 所以都係做d ML向算

等offer等到頸都長

都好多冇bio/psy background人做
多數都係engineer 或者cs 人做
其實佢地勁好多
你都係當張圖咁分析
我就學到傻

其實都係math trick多

好多時都係將某某方法擺到落另一個problem solve

咁樣相對易做好多

我都想有自己framework 遲下會pub份算係modify左人地個frame既method 不過對mphil個field幫助唔大就真

就係學背後既理論同stat先學到傻， 當然實際programming 時又有另外既問題

不過家下係興咩都放ml 落去
data 唔夠大都ml

我stat就麻麻 programming普普通通

Psy field好似仲係用好stat既model 可能始終你地要搵個reason behind

而家neural network根本就唔係咁需要prior knowledge, trade off就係sample size要大

Model夠簡單 勝左operator夠多
我唔知可唔可以用三個臭皮匠勝過一個豬腳亮黎形容 同埋成件事好blackbox 有d人唔鐘意咁

同埋data set唔夠多都仲有選擇既 係冇咁出名

Eg. Random forest我冇實測過 但係聽講可以prevent overfit 又唔洗話咁多data

Coding都係google架啦

Math我可能因為讀過下basic numerical analysis
而ml其實theory上都係optimization problem 個人覺得幾似下 所以學得輕鬆d

可唔可以少啲數 會考f左
不過psy果啲真係好rely on stat models，好彩models係機計

唔係stat既話 大多數都有graphical representation
要多d時間睇 不過未至於卡死曬

加油呀 我女朋友bio field成日聽唔明我講math

追dse math既話herman yeung d片好似唔錯

再唔係就khan/other utube

Stat我都幫你唔到 記得呢個post有巴打做bayes果邊應該解答到多d

係我

我有諗個做呢類, eeg/brain-inspired model

不過0 bio/psy background 所以都係做d ML向算

等offer等到頸都長

都好多冇bio/psy background人做
多數都係engineer 或者cs 人做
其實佢地勁好多
你都係當張圖咁分析
我就學到傻

其實都係math trick多

好多時都係將某某方法擺到落另一個problem solve

咁樣相對易做好多

我都想有自己framework 遲下會pub份算係modify左人地個frame既method 不過對mphil個field幫助唔大就真

就係學背後既理論同stat先學到傻， 當然實際programming 時又有另外既問題

不過家下係興咩都放ml 落去
data 唔夠大都ml

我stat就麻麻 programming普普通通

Psy field好似仲係用好stat既model 可能始終你地要搵個reason behind

而家neural network根本就唔係咁需要prior knowledge, trade off就係sample size要大

Model夠簡單 勝左operator夠多
我唔知可唔可以用三個臭皮匠勝過一個豬腳亮黎形容 同埋成件事好blackbox 有d人唔鐘意咁

同埋data set唔夠多都仲有選擇既 係冇咁出名

Eg. Random forest我冇實測過 但係聽講可以prevent overfit 又唔洗話咁多data

Coding都係google架啦

Math我可能因為讀過下basic numerical analysis
而ml其實theory上都係optimization problem 個人覺得幾似下 所以學得輕鬆d

可唔可以少啲數 會考f左
不過psy果啲真係好rely on stat models，好彩models係機計

唔係stat既話 大多數都有graphical representation
要多d時間睇 不過未至於卡死曬

加油呀 我女朋友bio field成日聽唔明我講math

追dse math既話herman yeung d片好似唔錯

再唔係就khan/other utube

Stat我都幫你唔到 記得呢個post有巴打做bayes果邊應該解答到多d

thx 巴打

就咁睇上面幾位巴打都係用ML做research, 唔算係做ML research?

我冇咁既能力develop algorithm
所以我學都係學點樣apply 係我d data 到
同d engineer 相處過就知係兩個世界

不過psy用到ML text mining 做都勁，應該幾新，可以pub唔少？