@dove1011 妹子不是很容易脱单么

如果你没坐过牢，你还会少认识很多狱友，那里面个个都是人才，说话又好听，你觉得遗憾不？

With great power comes great responsibility

这位兄弟，你们叫奇安信啊，不要用 360 品牌了！

我发现大家把对机器学习讨论有一种“小马过河”的感觉，来聊一下关于 AI 目前我了解的情况跟大家分享一下（本人小学学历，在不知名小厂做 NLP 方向，各位说的名校 phd 格格不入，所以大家不要盲目相信我说的话），目前 AI 工作主要有两类：

1. 工程类
主要是要提高公司在业务方面产出（推荐系统、各种识别系统等等，基本上公司业务已经有很大体量了），公司会相对比较保守，会用比较成熟的框架和算法，主要偏向于业务提升指标（以淘宝双十一为例，当年我们在购物车下面加入了--”你可能喜欢的商品“，给双十一输送了 2%的 GMV ），性能指标、还有开发效率，老板并不关心你用了算法，只关心你给他带来了多少利润

2. 学术 /研究类

学术类和研究类还要分在企业研究还是在高校，企业做研究基本上都是市面上有了理论但是并不成熟更没有落地的应用，然后把这些转成可落地的产品，这种情况需要强大数学功底和相关的专业背景（一般最少得 985 硕士以上学历，更重要的是智商和平台，实在太烧钱了），高校主要是做理论论证，理论改进和新领域挖掘（只需要证明有一定可能性就行），这种基本上都是博士在做


_______

关于工程化机器学习，大家基本上没有一个流程总结，我来给大家献丑，总结一下：


------------ ----------- 根据特征数据选择模型 _____________ 模型评估 ________ +++++++
|样本收集 | ---> |特征工程 | --------------------------> | 多模型模型训练 | -------------> |调参环节| ---> |模型融合|
------------ ----------- ------------------- ----------- +++++++


通过这些流程后最终转化成工程化代码，然后上线，不停的回测数据去优化模型，其实在这个里面最重要不是算法，而是数据和特征工程, 说这么多还是希望大家对自己喜欢的事不要犹豫，Just do it ！

这种时序任务 MongoDB 并不合适，influxdb 会更合适

用 db.your_collection.update({"value": 50}, {$addToSet: {"value": 50}}}, {upsert: true})，这样就可以了

@oblivious 这样会插入重复数据，好的方法是用$addToSet 操作符,参考 https://docs.mongodb.com/manual/reference/operator/update/addToSet/

真不是我说，大家太看得起国内机器学习水平了，98%都是调参侠，什么求导 回归 积分 卷积这些玩意没几个人会，大部分都是 tfboys （ TensorFlow boys，我发明的词），能懂业务然后能根据业务场景定制模型和调参就非常不错了，然后自己能有一定工程化水平就算中上等了，剩下的你有本事老板未必允许你发挥啊！

别唱了，我们交了钱是来吃饭的，不是买的马戏团门票！ 2333

go 没有 sklearn、gensim 和 pandas 这种生态，如果有了，果断放弃 python

@gstqc 公交卡全国通用，目前看起来非常难，因为全国各地的公交公司并不是一家公司，这个不是技术问题。。

你可以参加我的创业培训班，我的培训班跟别的培训班不一样是一对一教学，我们都是从实战出发的，不玩虚头巴脑的东西吗，整个课程就一节。


你先你手里能动用的资金全部交给我，然后我一分钱都不会还给你，让你彻底断了创业这种胡思乱想的念头，然后你以后就老实不会再胡思乱想了，就会老老实实的努力工作，是不是很超值？？？😄

我统计过过去十年五等奖的开奖记录，我发现开奖是有规律的，我写了一个算法也预测五等奖，也就是一次中五块，我为了验证我的想法，我买了 5 期，每次买 5 注，全部中奖了，我以为我要发财了，第六期突然预测出错了，我突然明白，毕竟开奖不是我能决定的，就算我期期中奖需要的本钱也太多了，我也拿不出来，于是就放弃了。

@tiaod 我抓取一些数据生成报表，企业用户去下载，一般报表会非常大

@tiaod 爬虫业务

@kersbal 用户就二十几号人，主要是跑 API 服务和微信后端

@Raynard 一个季度 2k+，是腾讯云的费用啊，我当然知道贵啊，所以我想着法子省钱