Data Science之你問我地答

TF 係static graph, pytorch係dynamic graph

你做d複雜野，e.g. 分佈運算，AIoT，TF彈性係好撚明顯

TF 係low level過pytorch，同時又有high level API 同keras俾一般用途，但上手難度高好多，因係佢個python API syntax 一 d 都唔pythonic

caffe要改呢d就仆街，下下都要recompile, 無限個fork version, 所以而家得返少數老人用

要講TF原理同framework有排講,新果幾套runtime我都跟唔切

http://faculty.marshall.usc.edu/gareth-james/ISL/
呢本電子書可以免費dl

tf爽到PK

就係用熟左tf唔想轉去tf2
感覺倒不如學埋pytorch 仲好過

torch 垃撚圾喎 tf 不知幾好用 係1轉2啲model 收曬皮

做data analysts 除左學sql之外仲要識邊種program？

做classification problem
例如要classify 一堆連登post 係唔係受歡迎既post
如果個data set有個column係一堆keywords黎,
係連登仔出post既時候自己入落去既
通常會點樣處理呢個column?
1-hot-encode爆開佢?
我成日都覺得讀書教既同出面用既係好唔同既野黎

咁我再研究下先
多謝巴打

用TF2真係不如用pytorch

一般工剩sql就已經夠，之後再上就可以r/sas/python

呢個可以話係nlp的認用
如果本身你有keywords list再加各自的score, 咁有新post的話可以計到個score再決定係咪會受歡迎

keywords list再加各自的score
即係每個字值幾多分既表?如果無呢?
同埋我係到諗,同一個台d keywords 既重複應該會多d. 就變左d variables 之間有dependence
我成日都諗到呢到就唔識點處理

如果有個course 專講nlp,建唔建議take?

如果無個score, 咁一係變成Bayes model
首先計每一個keyword所有的post中有幾多變成熱門，然後反推斷番如果個post有咁多個keywords ，呢個post變成熱門的機會

番工要做ds 既真係同讀書做得一兩個project 完全唔同級數, 諗野靈活好多,唔會死咕咕
學到野了thanks 巴打

ds早就水浸
外面好多位都開比有經驗嘅人
自求多福

香港d firm
玩ml 都唔係為左搵solution
純粹係呃client 錢導鳩佢入局
我諗有一半嘅工都係做緊非ds相關嘅野
但用ds title呃人入

one hot 咁爆開有個名叫bag of words
最大問題係會無左字同字之間次序既information
同埋中文要做tokenization，可能要做ngram先
睇情況可能會做tf-idf去adjust 下啲count
最後Naive bayes唔夠準可以再考慮用deep learning
依兩三年transformer models係nlp都幾成功, 不過都係英文多