有没有对算法感兴趣的？

看到了熟悉的 SPFA

感觉有这些基础，现在看一些最新的 A.I. Paper 都不算难。。

@takato
完全两个领域，不过我倒是觉得比起顶会灌水文，acmer 做的这些 trick 更精巧一些

感谢

@takato AI 需要的是 算法::数值算法::最优化，懂了吗？？

嗯，本来做为一个应聘生对算法是没什么兴趣，认识只要知道一些常用简单算法就行，可是去面试遇上问 gc 算法和 full gc 算法，还有 spark 的算法训练之类的算法问题发现程序员要走的更远算法还是很重要的。

@wizardforcel 一回事情，你说这事，我倒不得不怀疑元认知了。
事实上用决策树来搭建知识网络，不算很好吧。


@menc 是我讲得不清楚吗？

@menc 顶会的很多 model 看起来不精巧，大概就是因为现实就是这样的吧。。现实有精巧的部分，也有不那么精巧甚至平凡的部分。

关于两个领域的问题。。。我不太喜欢用领域来切分一个区域。因为我认为知识与信息就是互相连通的。

感谢各位支持，抽空优化下排版。有精力加入一些跟实战相关的算法。本来以前挺喜欢算法的，太久没碰 不敢碰了，捡起来比较困难。

@takato

根本就不一样

传统算法是自顶向下（规则驱动）的，人类发现了规则，使规则形式化，然后告诉计算机。

机器学习算法是自底向上（数据驱动）的，仅仅告诉计算机一些假设，然后让计算机自己在数据里面找。

@wizardforcel 那能告诉我，你对机器学习算法这个概念，做了哪些假设吗？

@takato
顶会的水文不好看，是因为一些水文是为了发文而发文的，不是为了解决问题。

不要扯信息相通这些没用的话，人是羰基生物，你怎么不说人跟活性炭差不多呢。

@menc 我还是认同 Zeno 的有些观点的，而我现在也在为了这个目标而努力。

不奢求你的认同。

人就是在自然面前太狂妄了一些。

@menc 固守“人才有灵魂”这个教条似乎很容易让自己满足，但是我不满足于此，谢谢。

@takato 假设是对模型而言的，我没办法对概念做出假设。

懒得喷你了，请不要谈论自己不懂的东西，请自重。

@wizardforcel 那你说说，Capsule 是如何计算的？为何其能在 MNIST 上取得 SOTA ？

我觉得你有点搞笑了，乱贴标签是吗？