当学生遇到iPIN数据科学家 | 在线问答
大数据这个词我们听得太多了,可是很少有人意识到,随着互联网的发展,今时今日的这些“大”字究竟已经意味着一种什么样的量级。除去少数哗众取宠的使用这个词的公司外,那些真正拥有大数据的企业,经手和处理的都是一些普通人可能穷极一生也接触不到的数字:微信朋友圈每天会上传10亿张图片,支付宝日交易额峰值超过200亿元人民币,京东每天上传几百万张新的商品信息图……
这些数字对于急需数据训练的人工智能算法来说是莫大的好消息。也意味着数据对于人工智能的重要性正在随着计算能力、算法的发展而呈直线上升。但是怎么在浩如烟海的数据中筛选出对我们真正有用的那些?又如何通过分析这些数据做出对自身有利的决策?这就是数据科学家们做的事了。
本期硬创公开课,我们邀请到了iPIN的首席科学家潘嵘,他于2004年底获得中山大学理学博士学位后,分别于2005年2月~2007年8月在香港科技大学,以及2007年8月~2009年9月在美国惠普实验室,进行数据挖掘、人工智能等方面的研究。2009年10月通过百人计划进入中山大学,任职于计算机系。2014年起任iPIN首席科学家。
以下是AI科技评论君为大家整理的学生问答环节。
学生小十六:数据挖掘目前不是一个定义清晰的学科,如果选了这个方向,应该必修什么课程?选修什么课程?
潘嵘:必修:(前置课程有程序设计、数据结构与算法、组成原理、计算机网络等)数据库、概率与统计、机器学习与模式识别。
选修:GPU/并行计算、数据仓库、数据可视化、深度学习、商业智能(BI)、群体智能(CI),一些面向不同应用领域的课程,例如:信息检索、NLP、语音、图像方面。
学生jason:潘老师,我是会计在读博士,到研究方向有点偏金融和机器学习的应用。不知道老师您觉得未来的应用场景有哪些吗?
潘嵘:推荐系统是一个应用性极强的问题,我建议你最好先有足够多的数据再开始,最好是有合作的企业,这应该是一个未来很有前景的方向。
学生小十六:想请问潘老师,如果想学习做一个简单但是结构完整的推荐(功能)系统,应该如何一步步进行?主要需要考虑哪些变量因素,采集哪些数据,运用什么算法手段,如何建模和可视化?
潘嵘:不同的推荐问题,数据、建模可能都很不一样。
学生椰咯斯大O.O:老师,如果个人爱好者想学数据挖掘,个人PC机的性能够用吗?如何解决训练数据来源的问题呢?
潘嵘:对于入门来说,个人PC基本是够的,除非你要研究深度学习。
学生YM:你们有没有遇到模型在source domain表现很好,在跟source domain相似的target domain表现不好的情况?有没有什么unsupervised或者semi-supervised的方式针对target domain进行模型调整的方法推荐?
潘嵘:这是经常会发生的情况,可以参考杨强老师在迁移学习方面的工作。
学生Adam.K:潘老师,请问你对最近很火的对抗式生成网络怎么看,这在NLP领域有什么启发吗?
潘嵘:我是蛮感兴趣的,GAN说得挺神奇的,我们目前还有把他应用在NLP领域,但是也非常期待我觉得GAN还是有些东西没有突破,应该是有机会的。