微影青龙
当前位置:首页 - 变废 >

谷歌首席决策科学家:30篇文章通关数据科学与人工智能

2019-10-08来源:澳游网


2019年已经开始了好几天了,相信小伙伴们对将要带来的新年假期已经迫不及待了。



为了让你在圈里能继续保持强劲的战斗力,文摘菌认为有些好的文章还是需要读一读的。


谷歌首席决策科学家(Chief Decision Scientis)凯西柯兹科夫(Cassie Kozyrkov)在2018年非常高产,为大家写了非常多关于人工智能、大数据的文章。以下是他感觉她写过最优秀30篇文章,这些文章主要关注:数据科学和分析、人工智能、机器学习.... ...


当然,除了给出文章链接之外,她还对文章给出了总结性极强的“妙语”。


一起来欣赏吧!


数据科学与分析


《数据科学究竟是什么?》:这篇文章快速介绍了数据科学、数据工程、统计学、分析学、机器学习和人工智能。


数据科学是使数据有用的学科。


2014年,推特对“数据科学家”的定义


《伟大的数据分析师都在做什么?为什么每个组织机构都需要他们?》:这篇文章主要介绍:优秀的分析师是保证高效的数据工作的先决条件。不要低估他们,他们的离职对你来说是非常危险的。


数据科学的三个支柱分别有各自的优点。统计学家保证严谨,机器学习工程师改善性能表现,分析师提供速度。


《哈佛商业评论中的秘密段落》是对《哈佛商业评论》补充的思考内容。里面的主题包括混合角色,研究的本质,蝙蝠信号,数据骗子和伟大分析师们!


企业家需要注意:现在有很多冒充数据科学家的数据骗子。遗憾的是,目前还没有十全十美的办法可以辨别数据骗子。


《人工智能和数据科学的十大角色》:这篇文章介绍了不同的职位名称和它们对应的级别。


如果你的第一份工作的职称就是“研究员”,那么你公司的职称系统可能不是很完善。




机器学习/人工智能概念


《可能是你读过的最简单的机器学习知识介绍》的主旨是,机器学习是以实践用例为导向的,而不仅仅是文字说明。


机器学习是一种新的编程范式,一种将你的想法传达给电脑的方式。兴奋的是它可以使你将不可说的想法表达出来。


《你是不是用错了“人工智能”这个词?》:由于定义不明确,实际上我们都没有正确地使用“人工智能”这个词。这个词人人都在用,在本文中我提供了一份快速指南来介绍人工智能、机器学习、深度学习、强化学习和类人工智能。


如果你担心会不会每个橱柜里都潜伏着具拥有类似人类智慧的物种,放心吧,不会的,所有这些工业化的人工智能应用程序都在忙着解决真正的商业问题。


《向孩子(或老板)解释监督学习》:希望让所有人都熟悉一些基本术语,例如:实例、标签、特性、模型、算法和监督学习。


不要被术语吓倒。例如,“模型”其实只是“菜谱”的比较花哨的说法。




《机器学习——是皇帝的新装吗?》:是一篇为初学者准备的可以查看核心概念的文章,包括通过图片和猫咪介绍算法和损失函数的概念。


不要因为机器学习太简单而嫌弃它。杠杆也很简单,但它们可以撬起世界。



神经网络也可以称为“瑜伽网络”,因为它的神奇力量可以帮助你无限拓展边界。


《无监督学习的启发》:这篇文章讲了无监督学习可以帮助你在数据中找到灵感。他们会将相似的东西以分组的形式呈现给你,结果就像是罗夏墨迹卡那样。


你们可以把无监督学习看作是“物以类聚,人以群分”的数学版本。


《可解释的人工智能却无法传播的原因》:许多人被带有人工智能字样的的宣传所吸引,他们认为这意味着可信度。但事实并非如此,陷入信任炒作可能意味着你将错过人工智能的一大优点:灵感。


如果你不相信任何你不理解的人事物,那么你就应该炒掉所有的人类员工,因为没人知道大脑(它拥有数千亿的神经元!)是如何做决定的。




如何在机器学习/人工智能项目上保持不败


《为什么企业在机器学习项目中失败了》:讲述了许多企业没有意识到“应用机器学习”与“机器学习算法研究”是两个截然不同的学科。


想象一下,你想要开一家餐厅,却雇佣了那些一辈子都在制造微波炉但从来没下厨的人……那么,会有什么结果呢?



你在做什么生意?你的答案决定了你应该雇佣什么样的团队。


《寻找人工智能实践用例的建议》:先假设人工智能是个骗局,然后进行的头脑风暴,试图寻找应用人工智能的机会……


企业经常犯的一个错误是,想当然地认为机器学习是魔法,所以就不用多加思考该怎样将任务做好。


《人工智能的第一步可能会让你大吃一惊》:这篇文章回答了启动人工智能项目的正确方法是什么,是获得人工智能学位吗?不是。是雇佣人工智能专家吗?也不是。是选择一个很棒的算法吗?也不是。是钻研数据吗?依然不是!


永远不要要求一群博士“把机器学习应用到业务上,然后……好事就会发生。”


“我想做什么”


《你的人工智能项目成功了吗?》:提供了一份(现实的)在你为一个应用机器学习项目雇佣工程师或获得数据之前,你应该仔细检查的清单。


不要为“人工智能”这个词所限制。多想想它可以为你做什么。


《开始使用人工智能?从这里开始!》:是一份详细的指南,阐述了决策者在一个应用机器学习/人工智能项目中的作用和责任。


有能力完成和充分利用时间是两码事。我们习惯性地爱上我们已经为之付出的努力的人事物,即使它是一堆有毒的垃圾。


《当人工智能出错时,是谁的错?》:阐述了机器学习、人工智能的关键在于你是在用例子而不是文字说明来表达你的想法。要让机器学习/人工智能起作用,示例必须是相关的。


如果你使用的工具没有经过安全验证,那么你造成的任何混乱都是你的锅。人工智能和其他任何工具一样。


日本语言学校推荐--JAC教育学院 网站首页 返回栏目 伤害最深的永远是——语言!

标签:
网站简介 联系我们 网站申明 网站地图

版权所有:www.mihoroscoposemanal.com ©2017 微影青龙

微影青龙提供的所有内容均是网络转载或网友提供,本站仅提供内容展示服务,不承认任何法律责任。