Replies: 7 comments
-
真的覺得憑甚麼歧視文科生?理科有比較驕傲嗎,有載具嗎,不都是人憑甚麼搞歧視啊,每次看到這種東西都很燥,發票要印嗎,每次都在那讀什麼理科電機才有出入,啊文科有這麼差嗎,冰美式好囉,真的很討厭這種自以為幽默的歧視! |
Beta Was this translation helpful? Give feedback.
-
在機器學習領域,各種背景的面試者皆有其獨特知識儲備。機器學習與統計學習、優化、數學等領域有重疊,並以不同術語描述相同概念。應該尊重面試者的知識背景,不因術語差異或技術偏好而輕易否定。多元合作可豐富思維,促進團隊發展。 |
Beta Was this translation helpful? Give feedback.
-
器學習作為一個交叉領域,吸引了來自不同學科背景的專業人士,他們各自帶來了獨特的知識和觀點。而這種多樣性和融合性正是推動機器學習領域不斷發展的關鍵因素之一。 |
Beta Was this translation helpful? Give feedback.
-
機器學習作為一個融合多個學科的領域,真的應該要保持開放的心態,接納不同背景的人。而透過尊重和理解不同學科背景,我們可以更全面的解決問題,推動技術的發展。 |
Beta Was this translation helpful? Give feedback.
-
不同領域的交流更能刺激學術進步,雙方提供不同的觀點來進行討論,因為原先是不屬於自己的領域,但在經過討論內化後,就能變成充足的養分,有更能激發出不同的思考點。 |
Beta Was this translation helpful? Give feedback.
-
我非常認同「我們不要因為領域不同,叫法不同,程式語言不同,或模型的解釋思路不同就輕易的否定一個面試者」這部分的想法,光是同一個領域的同一學問的專有名詞都可能有好幾種了,更何況是不同領域的內容,放下偏見是非常重要的! |
Beta Was this translation helpful? Give feedback.
-
機器學習作為一個交叉廣度大,各學科融合深的學科,各種背景的面試者都有。我建議一定不要預先設立場,無論是數學、統計、物理、計算機,或是其他學科的面試者都有獨特的知識儲備。例如機器學習其實和統計學習有很大部分是重疊的,甚至和優化(如運籌學)、數學(線代等)也有很多相關的地方。而不同領域的人對於同一件事的描述可能是相似但不相同的,甚至連叫法都不同。舉個簡單的例子,統計將變數叫做 predictors 而機器學習傾向於將其稱為 feature(特徵)。我聽說很多面試官就因為對方不能完全的使用他能聽懂的術語就拒掉了候選人,我覺得這個是愚蠢的。
以我們團隊為例,我的老闆是統計學博士和教授(偏計量),而我是純粹的電腦科學出身。他喜歡用 R 來建模而我只擅長 Python 和 C++。但正是這種差異性讓我們可以更好的合作,他在無監督學習中很喜歡用各種密度分析(density estimation)或對分佈直接進行擬合,而我可以給他介紹很多機器學習方向比較流行的演算法,例如Isolation Forests。同理,Python 和 R 都有各自擅長的領域,例如 Python 做時序分析的難度遠大於 R,因為 R 有非常成熟的 package。
因此,我們不要因為領域不同,叫法不同,程式語言不同,或模型的解釋思路不同就輕易的否定一個面試者。長此以往,我們的思維會越來越窄,而一定程度的包容能拓展思路。
Beta Was this translation helpful? Give feedback.
All reactions