第114期 HackCV 日报

本文是论文https://homes.cs.washington.edu/~pedrod/papers/cacm12.pdf的一个总结,主要包括了机器学习一些精炼的观点和总结,比如学习包括表示+评估+优化,机器学习最重要的是泛化能力,仅有数据是不够的,过拟合有很多种情况,直觉不适用于高纬度空间,理论无法保证结果,特征工程非常关键,数据越多比更好的算法重要,模型集成的重要性,简单和准确率没关系,可以表示并不代表可以被学习到,相关性与因果性无关。

老师木在微软亚洲研究院分享的深度学习框架方面的技术进展,探讨了最理想的深度学习引擎应该是什么样子,从计算力的角度对现有的框架做了分析,最后的总结值得框架研究者看看。

本文的分析问题的角度非常有意思,以现有的产品,如SpellCheck、AutoCorrect和Inbox,来分析机器学习对接口设计的影响。最后总结了设计领域的一些挑战,随着以后算法逐渐成为产品,设计者也越来越不能忽略它们的存在。