[徵求] ml/dl家教

看板DataScience作者 (小天)時間1年前 (2022/09/25 22:25), 編輯推噓8(8018)
留言26則, 7人參與, 1年前最新討論串1/1
請注意一個月只能使用兩次徵求類別 第一次在本版發文,如有違反版規請見諒 背景:本人ml/dl初學者,想要快速學習feature selection/time series prediction的 知識,希望可以有專家教學討論讓我更快上手(重點想討論方法和數學) 教學地點:遠端上課 時薪:2000/hr(沒有找到類似的徵求文,若不符合行情還請告知) 需求:討論數學和方法,有打kaggle經驗尤佳 聯繫方式:請將聯繫方式及簡歷寄信至chhsieh.leo@gmail.com -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 101.137.165.181 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1664115932.A.141.html

09/26 07:54, 1年前 , 1F
請問是數學背景嗎? 看到快速學習我就卻步了 光是提到的tsp
09/26 07:54, 1F

09/26 07:54, 1年前 , 2F
在研究所已經是一個學期的課程了
09/26 07:54, 2F

09/26 17:55, 1年前 , 3F
我也覺得xDDD 這不是行情的問題
09/26 17:55, 3F

09/26 18:53, 1年前 , 4F
抱歉大家不用糾結在快速這點,快速只是我的個人期望...
09/26 18:53, 4F

09/26 18:56, 1年前 , 5F
其實我是有專案要做,主要是希望老師可以帶領我做分析
09/26 18:56, 5F

09/26 18:56, 1年前 , 6F
依據數學的邏輯給方向和建議
09/26 18:56, 6F

09/27 15:01, 1年前 , 7F
==
09/27 15:01, 7F

10/05 14:37, 1年前 , 8F
不用糾結於數學啦,資料不清理,數學載強也沒用,學好如何製
10/05 14:37, 8F

10/05 14:37, 1年前 , 9F
作dataset比數學好用太多了
10/05 14:37, 9F

10/06 23:21, 1年前 , 10F
和樓上不一樣 我還是認為數學是根本xd
10/06 23:21, 10F

10/11 00:46, 1年前 , 11F
看是要做什麼吧,如果要用AI做專案做產品,數學真的排很後面
10/11 00:46, 11F

10/11 00:46, 1年前 , 12F
,當你還沒把服務或是產品做出來demo,數學真的派不上用場,
10/11 00:46, 12F

10/11 00:46, 1年前 , 13F
也還沒遇過因為數學就讓模型準確提升的例子
10/11 00:46, 13F

10/16 20:58, 1年前 , 14F
我就是用數學讓模型變準確的。
10/16 20:58, 14F

10/16 20:59, 1年前 , 15F
當然你的 topic 只是要動就不用看數學喇。
10/16 20:59, 15F

10/17 06:25, 1年前 , 16F
數學怎麼可能沒辦法讓模型更準確XDD
10/17 06:25, 16F

10/17 06:26, 1年前 , 17F
用不用對才是難關
10/17 06:26, 17F

10/17 06:27, 1年前 , 18F
不過大部分的人都只是求能用就好就是了
10/17 06:27, 18F

10/24 20:45, 1年前 , 19F
先學會如何部署大規模分散式訓練,之後再討論數學會比較有效
10/24 20:45, 19F

10/24 20:45, 1年前 , 20F
10/24 20:45, 20F

10/30 20:16, 1年前 , 21F
看是於產於學
10/30 20:16, 21F

10/30 20:19, 1年前 , 22F
數學不通就只能當調參師
10/30 20:19, 22F

10/30 20:40, 1年前 , 23F
發揮作用的例子不少啊,wgan, siren, 3d重構,還有最
10/30 20:40, 23F

10/30 20:40, 1年前 , 24F
近挺紅的diffusion model也用不少
10/30 20:40, 24F

10/30 20:48, 1年前 , 25F
也不是說當調參師不好,就平均生產力而言,工匠一定
10/30 20:48, 25F

10/30 20:48, 1年前 , 26F
是比學者高的,但整個學門的建構是需要學者的
10/30 20:48, 26F
文章代碼(AID): #1ZC6JS51 (DataScience)
文章代碼(AID): #1ZC6JS51 (DataScience)