アルゴリズムと機械学習アルゴリズムの枠組みは、このようなアルゴリズムとして2つの非常に重要な要因は、LR、GBDT、DNN、DeepFM宣伝の数学の問題に、このような実用的なソリューションを実現することであるあります。アルゴリズムフレームワークは、このような深い学習をプレイする最初の人物として、アルゴリズムのより効率的な実装を可能にするフレームワークを計算し、計算フレームワークを指しTheanoを使用している、アルゴリズムベースのTheano開発することは非常に困難で、以降PyTorchとTensorFlowと、学習の深さに基づいてアルゴリズムを聞かせてより便利の開発。
最近も多くの議論に参加した多くの記事を読んで、私の見解を共有しています。現在、特に大企業では、業界の外観のフレームワークは、より人気が行う、見上げます。しかし、私自身の見解と現在の状況は少し異なります。
ビジネス、より多くの活力を表すアルゴリズム
まず、我々はLRアルゴリズムを表現することが浅くであり、DNNに学習の深さはアルゴリズムを表現するかどうか、実際には、バックアルゴリズムの開発を見てください。本質的に勾配が計算され、その後、バックプロパゲーションネットワークは、各レベルのパラメータを更新するために、差は、異なるネットワーク層です。このアルゴリズムは、開発の非常に多くの年で、これらのアルゴリズムは、回によって排除されていない、1960年代に生まれたことを言うことができます。今日でも、LRはまだ業界の推薦システムのほとんどに輝きます。
より密接に企業結合アルゴリズムで、前世紀または次の世紀には、私が思うかどうか、それはビジネスの本質は変わりませんので、アルゴリズムの活力が、これも手段は、アルゴリズムの論理的な性質は、それだけで進化していない変更続けるだろうという理由。
コンピューティングパワーの代わりに、フレームワーク、速く変更
フレームワークは、多くの場合、ビジネスロジック、10年前の異なるフレームと、今日のTFフレームに知覚されていない、10年前、20年前のフレームのフレームワークとは異なります。私の視点は、ハードウェアの開発のレベルに追いつくことはありません最適化するためのソフトウェア・フレームワークです。
例えば、10年前に、行う機械学習は、CPUリソースを計算するために使用され、多くの人々は、CPU、コンパイラの最適化の枠組みを計算を行います。しかし、その後、ヒルトンの学生は、すべてのは、突然の計算効率はあまり意味になり、過去にこのような場合のために、数回、CPUレベルの最適化フレームワークを改善し、どのように使用するGPUを作るために、深い学習を配信しました。将来のTPU、量子コンピューティングや他のコンピューティング・ハードウェアを導入しました。今日の最適化フレームワークは、将来的には薄い空気の中に消えます。
将来の枠組みやアルゴリズムは誰
アルゴリズムは、より活力あるので、フレームワークは一時的なもので、フレームワークがない最適化されていませんか？学生の開発は、私はより意味のある枠組みを感じています今日の場合、フレームワークは、より根本的な、より高いしきい値を伴いますので、これは、別の視点に立つ必要があります。今日が将来枠組みの枠組みは徐々に置き換えられますが、最適化ロジックの一部は同じです。だから、技術的な学生のために、より多くの有望なフレームワークを行います。
それはプロダクトマネージャーの立場であれば、それを我慢？プロダクトマネージャは、ビジネスに到達するために多くのだろう、私はより多くの有望なアルゴリズムについての詳細を学ぶことだと思います。
だから、誰が製品マネージャーの将来の枠組みやアルゴリズムは、より良いアルゴリズムについて詳しく学ぶことです。技術的な学生、技術開発へのより助長最適化フレームワークのために。ようこそ独自の視点 - スロースイッチ。
