iT邦幫忙

2018 iT 邦幫忙鐵人賽
DAY 30
0

意料之外

總算來到了最後一天,想想真不該隨口答應別人的XDDD

從開賽前的兩個禮拜預衝刺,一直到開賽前一天才進入了

其實中間不只先聽了 coursera 上的 Machine Learning Foundations: A Case Study Approach

也聽了幾堂的 Machine Learning機器學習基石 以及 Machine Learning A-Z

最後選擇了 Machine Learning Foundations: A Case Study Approach 其實主要原因還是因為他講的非常簡單,我想嘗試用科普的方式來帶這整個學習歷程

但是比較出乎我意料的是,他實做的項目其實非常簡單(一開始上述幾門課,我都只聽了第一集)

也因為這樣,到最後一幾天,原本我打算卡掉課程總結,寫一個CNN來跟練練刀

其實有兩個主因

一個是我在想,大部分的演算法都被寫好了,甚至連 netflix 的比賽結果都能拿來用

那其實只要一個英文底子好的高中生,其實就能夠利用這些 library 做出夠好的應用了

突然之間覺得,不應該是這樣子的吧(到底那來的優越感?)

另一個則是,我不想輸給我兩個同事,總覺得我也要刻一個性能跟人家 library ㄧ樣好的演算法

我才有資格站在他們旁邊XDD

不足

不過其實,在第一次的實做範例之後,我就打定主意讓這個篇幅往科普的方向移動,不過其實後面的幾篇稿子我都覺得礙於時間寫得不夠好,更細緻的說就是,我應該跟第二章一樣把裡面的例子都用大眾化一點得來作到才是,而不該直接引用課堂中的舉例(obama...)

除此之外,其實如果要完整一點,應該是這門課只能用到一半的篇幅,剩下15天應該來塞 Machine Learning A-Z

因為我後來為了刻演算法把整門課的後兩個章節給看完了,我認為裡面的實做的講解非常詳細

寫稿過程多虧我的一個好朋友,我記得很久之前我告訴過她,我為了自己某部份的不足很焦慮

她跟我說:我從來不會耶,可能是不管在什麼關係或場景裡,我都是最用心的那一個

所以每當我寫稿寫到很焦慮的時候,覺得這部份這樣寫不好,那樣寫不對,我要快點把課給聽完才行之類的

我就會想到她說的話,然後我會問問我自己是不是全力以赴了?

於是只要確認我的大腦陷入當機了,那就補充一點熱量試試看,再不行那就只能作到現在程度能做的了

總之只要確認自己當下是盡力就好了,大致上是這種感覺

某種程度也消除了我一直想把工作給快點完成的焦慮了

一些心得

我在反覆聽課的過程中(一堂課大概都聽個兩次),我每次都會想

有沒有一種夠好的方法(聖杯),可以很通用的解決現在面對的狀況,但是你跟我跟獨眼龍都知道不可能

除了是基於實做上的困難,不單單只是 good vs not good,還有一些俗諺像是:87分、這食物我只能說科科...

或者是方法上的困難,我必須增加更多的特徵來達到更加的 personalization

剛好最近看了一本書有趣的書叫好人總是自以為是

以下是沒有很嚴謹的論證過程,只有半桶水神經科學跟還沒想的夠透徹的論述

當人們一出生到現在,大腦的神經元突觸經過某些經驗建立很直覺的連結(以前被火燙,所以知道伸手去摸火會燙傷)

或者是經過教育,老師或父母的傳授告知你火是危險的(即便你沒被火燙過,你也會直覺認為它是危險的)

不管是那一種,這些東西都在你腦中建立了某種關聯,使得你在面對任何事情的時候都是"先直覺、後推理"

在那本書的第二章節裡面把某些價值元素當成味蕾分成六種味道(關懷、公平、忠誠、自由、權威、聖潔)並重定向了他們

比如保守派的公平是比例(付出最多的人應該得到最多回饋)而在自由派眼裡公平應該是意味著平等

我們有這些價值上的味蕾差異,全然在於我們出生以及生長的社群完全不一樣,甚至有些人極度厭惡吃甜(自由or權威...)

也因此要得到一個完美的演算法,只有透過增加更多的特徵值

所以當我們要定義一個更好的人,應該是要試著走出自己的同溫層跟不同價值觀的人接觸讓自己演算法更加多元

簡單來說,這就是言論自由最重要的地方,因為我們不知道這個價值觀(特徵值)會不會有機會使得我們更好

我們唯有透過接觸才有辦法知道,這時候另一個問題來了,人不是機器該怎麼量化?

此時我想將焦點放在,如何使你成為一個更好的人(得到更好的演算法)

我認為知道一個錯誤的特徵值也是一種得到更好演算法的必經的路,因為你得到了這個在目前應用上錯誤的樣本

同樣的該如何量化自己是否已經成為一個更好的人

我想將問題拉到某些基本的原則,如果說只能夠清掃90%垃圾郵件的演算法是廢物(因為垃圾郵件高達90%,你只要一直猜是垃圾郵件,你的準度也跟演算法一樣準)

那在物理上傷害對方身體,不以權力不對等施行各種壓迫,對我來說就是一個最基本的判準,從這裡作為延伸,我想基準應該不在於量化自己的心智是否成為一個更好的人

而是在於,我有沒有機會碰到那些從來沒碰過得例子,這些例子會讓我知道,影片的分類不是只有喜劇片跟愛情片,還有恐怖片

而最終你將可以走出你的母體,看到更多不一樣的東西


上一篇
[Day28] Deploying machine learning as a service-2
系列文
到底是在learning什麼拉30

1 則留言

1
高魁良
iT邦新手 5 級 ‧ 2018-01-17 09:51:31

最後一篇進入了哲學的領域啦!

我要留言

立即登入留言