Data Science之你問我地答

咁應該點決定邊D features 應該整走佢？

唉，但冇理由interview 都唔比我架？

electronic and information engineering
failed 都唔通知的？

簡單答你：唔得。AutoML 後台行 NASnet, 即係 AI on AI。以你既 input， dataset 決定後面 NN 既路徑， hyerparameter。所以你自己做永遠唔會好似 AutoML 做得咁好。

failed唔知有冇bo
你睇下junk email有冇

我地係 target online ads
so far 好少公司做 所以幾有潛力
就算 wfh 都有 d 忙 每星期都要衡 weekend 前 run process

但domain knowledge 咪即係一定要入行搵
如果係咁master 好似無乜用?
出到嚟入錯track做咗da/ba 就出唔返嚟

冇，岩岩send 左個email 去問佢。

咁想問下，我覺得依家好多high level tools 已經做得好好，好多model 都已經好輕鬆做build 完，例如matlab 既machibe learning toolbox。點解好似唔多公司去請識呢啲tool 既人，反而要識low level 既人咁既？

我覺得你岩，其實automl已經做得好好
我覺得仲要請low level DS係因為需要佢地用DS角度黎理解個business problem
主要係有問題起上黎有個人去解決/可以問，唔洗依賴晒個automl
另外就係Google automl要用cloud, 公司未必想
其次有啲open source automl deploy之後runtime prediction相對簡單model黎講慢好多

其實automl做到嘅野好有限

可唔可以講下係啲咩？

一直都用sublime + anaconda

pychram呢d旁門左道

宜家 AutoML Table Beta 啫，會慢慢成熟

我做CV嘅，autoML 對影像format domain optimization 能力極低

例如你要train d non jpg/PNG image, 高維高解像相，non-8bit/mutichannel input, 完全幫唔到手

做natural image係ok的，但有好多專業圖像，e.g. 衛星，天文，醫學，有特定raw format, 仲有mutimodality/optical flow， feature extraction, auto encoding之類task, autoML完全幫唔到手

呢個時候你就要用low level tools

仲有train完model轉去embedded device deployment, 係要搞好多底層野轉檔

用開notepad++

我用atom

爭咩爭，用vim打曲呀笨

vim

馬會好似有成team DS 搞betting
有無咁犀利贏到莊家