3 classes thì cái cuối phải dense(3)Các bác cho em hỏi chút, sao code của em không tính được loss nhỉ
View attachment 1446411
Tư duy kiểu mấy thím đó thì khác jý b đó là sau 2014 dân tình toàn chơi Lego + pretrained model cho nhanh
end user
:vThế bác bảo có bao nhiêu người làm AI hiện nay không phải là end user, bao gồm cả mấy ông researcher luôn nhé. Có bao nhiêu paper có nền tảng toán học tử tế? Hay là toàn "t bỏ thêm layer này vào, t có SOTA nên t đúng". Ablation study thì tùy hứng mấy bố ý làm chứ đùng nói đến giải thích kiến trúc mới bằng toánTư duy kiểu mấy thím đó thì khác jend user
:v
E thấy vậy là practical chứ chẳng có gì xấu cả. Neural net beat traditional ML thì dĩ nhiên ng ta sẽ chọn NN rồi. Nếu ko phải những bài toán rất niche, ít data và là tabular thì chắc k còn ai quan tâm đến trad ML nữaTư duy kiểu mấy thím đó thì khác jend user
:v
theo hướng genetic algorithm làm đề tài thì bạn cứ lấy mẹ đề tài hoặc paper nào đó chạy bằng gradient optimization rồi thay thuật toán optimization = genetic, so sánh kết quả loss, acc... giải thích pro and cons.Em đang là sinh viên chuẩn bị làm khóa luận tốt nghiệp nhưng em mông lung về đề tài quá, có bác nào làm về hướng Genetic Algorithms, Reinforcement (hoặc các vấn đề khác cũng được) có thể cho em lời khuyên được không ạ. Em cảm ơn
Hi các bác, em muốn xin tư vấn về việc theo học Data Science rất mong được các tiền bối chỉ giáo thêm . Background của em là tự động hoá, hiện em đang làm nhúng. Sau khi trải qua 1 vài công ty từ lớn đến nhỏ, từ công nghiệp tới software thì em thấy khá hứng thú với ngành DS vì được làm việc với business của công ty . Do vậy em đang dự định đăng ký theo học master ngành DS vào năm sau, hiện tại em tính mua khoá trên datacamp để nghiên cứu trước. Lý do em chọn theo học master là vì ngành em tốt nghiệp có thể đăng ký học master DS được và em dự định trong quá trình học master sẽ học thêm iElts để sau có nhiều cơ hội việc làm hơn. Em rất mong nhận đc góp ý từ các bác, cảm ơn các bác đã đọc
học dev web back end hay front end đi cho nhanh có tiền, có nhiều job dễ xin.Hỏi thật chứ bạn học data science làm gì, không nên, Không hiểu sao giờ ai cũng nhảy vào data mặc dù job thì ít, job ngon càng hiếm, lương thì chả cao hơn dev, thậm chí còn thấp hơn vì dev có khả năng nhận second job. Còn mấy lí do viển vông như làm với business công ty nói thật vứt vào sọt rác đi, không thực tế gì cả. Mình có kinh nghiệm làm data với business đụng tới sếp cao nhất của công ty nên hiểu rất rõ ngành này, mà mình cũng thuộc loại siêu may mắn, chứ 99,99% là chả được vậy. 10 đứa bạn mình chuyển ngành hỏi mình ngành data thì 10 đứa bỏ giữa chừng, việc vừa chán, vừa chả hơn gì dev.
học dev web back end hay front end đi cho nhanh có tiền, có nhiều job dễ xin.Hỏi thật chứ bạn học data science làm gì, không nên, Không hiểu sao giờ ai cũng nhảy vào data mặc dù job thì ít, job ngon càng hiếm, lương thì chả cao hơn dev, thậm chí còn thấp hơn vì dev có khả năng nhận second job. Còn mấy lí do viển vông như làm với business công ty nói thật vứt vào sọt rác đi, không thực tế gì cả. Mình có kinh nghiệm làm data với business đụng tới sếp cao nhất của công ty nên hiểu rất rõ ngành này, mà mình cũng thuộc loại siêu may mắn, chứ 99,99% là chả được vậy. 10 đứa bạn mình chuyển ngành hỏi mình ngành data thì 10 đứa bỏ giữa chừng, việc vừa chán, vừa chả hơn gì dev.
Lý do em muốn học DS k phải vì em giỏi DS, background của em là học tự động hoá, k dính dáng gì tới DS cả. Em muốn chọn DS là vì trong quá trình tìm hiểu thấy nó hấp dẫn vì được làm với nhiều mảng business khác nhau. Còn về FE hay BE thì em k thấy hứng thú lắm, do vậy mong các bác góp ý thêmBác đó giỏi Data Science bác. Backend với Frontend khó. Người ta giỏi thứ gì thì làm thứ đó bác. Nói dễ ăn như bác thì công nhân nông dân đi làm dev hết rồi.
Mình thấy genetic algorithms hơi kém hiệu quả vì phải chạy fitness function quá nhiều, nên hướng phát triển có vẻ cũng hạn chế. Nếu làm khóa luận cho xong thì đơn giản là kiếm một cái application rồi ốp genetic algorithms vào, chứ còn để publish paper thì chắc khoai.Em đang là sinh viên chuẩn bị làm khóa luận tốt nghiệp nhưng em mông lung về đề tài quá, có bác nào làm về hướng Genetic Algorithms, Reinforcement (hoặc các vấn đề khác cũng được) có thể cho em lời khuyên được không ạ. Em cảm ơn
Bác đó giỏi Data Science bác. Backend với Frontend khó. Người ta giỏi thứ gì thì làm thứ đó bác. Nói dễ ăn như bác thì công nhân nông dân đi làm dev hết rồi.
Lý do em muốn học DS k phải vì em giỏi DS, background của em là học tự động hoá, k dính dáng gì tới DS cả. Em muốn chọn DS là vì trong quá trình tìm hiểu thấy nó hấp dẫn vì được làm với nhiều mảng business khác nhau. Còn về FE hay BE thì em k thấy hứng thú lắm, do vậy mong các bác góp ý thêm
Hình như 2 chỗ bôi đậm thím nói mình thấy không đúng lắm nhỉ?học dev web back end hay front end đi cho nhanh có tiền, có nhiều job dễ xin.Hỏi thật chứ bạn học data science làm gì, không nên, Không hiểu sao giờ ai cũng nhảy vào data mặc dù job thì ít, job ngon càng hiếm, lương thì chả cao hơn dev, thậm chí còn thấp hơn vì dev có khả năng nhận second job. Còn mấy lí do viển vông như làm với business công ty nói thật vứt vào sọt rác đi, không thực tế gì cả. Mình có kinh nghiệm làm data với business đụng tới sếp cao nhất của công ty nên hiểu rất rõ ngành này, mà mình cũng thuộc loại siêu may mắn, chứ 99,99% là chả được vậy. 10 đứa bạn mình chuyển ngành hỏi mình ngành data thì 10 đứa bỏ giữa chừng, việc vừa chán, vừa chả hơn gì dev.
Thím nói mình cũng chưa hiểu luôn.Thím đang làm DS, vị trí ngon, "chỉ 2-3 mang lại impact" , vậy ngon là ngon chỗ nào? Tại nếu performance tệ vậy mà công ty còn giữ team DS của thím ? Cái này hỏi thật không phải ý gì nhe thím.Ăn vả cực mạnh chưa lêu lêu bác nhật bản
Tại bác nghĩ thế thôi, data science nói thật rất chán (mình nói ở vn), chán hơn bác đi code backend/front nhiều lắm. Mình có kinh nghiệm mentor kha khá người chuyển ngành, và làm data science cả cho business từ to đến rất to. Nói thật không phải vì vị trí của mình ngon thì mình nhảy qua dev từ lâu rồi, một số bạn dưới mình nhiều người đã quay về dev hết. Bác tìm hiểu hay đọc bên ngoài thì thấy data science nó hay thế, thật sự làm 10 project data, chỉ khoảng 2-3 mang lại impact cho business, trong 2-3 cái đó ma ra được một cái là thành công lớn, mà nhiều khi làm 10 cái ra mà chả dùng được gì fail cả team luôn nữa kìa.
Thím nói mình cũng chưa hiểu luôn.Thím đang làm DS, vị trí ngon, "chỉ 2-3 mang lại impact" , vậy ngon là ngon chỗ nào? Tại nếu performance tệ vậy mà công ty còn giữ team DS của thím ? Cái này hỏi thật không phải ý gì nhe thím.
Hm, để note lại rồi kiểm chứng ý kiến của thím sau.