明星绯闻

问09分享与交换

2019-11-09 12:50:50来源:励志吧0次阅读

问09分享与交换

赵玮佳:

#数据和算法哪一个重要#二者之间的关系肯定是相辅相成的,缺一不可,但我想说的是,大数据只是客体,本身并不能决定自己是有用还是没用,由于有用还是没用,是相对主体来说的。因此,不同的人,要根据自己认同的特殊意义,来决定数据的取舍,我想这就是算法的来源。大数据因算法而变得有意义,而变成智慧。无论如何,我们的最终目标并不是要让二者决1高下,而是研究如何能够将两者完美的结合从而产生最优的结果。

耿芸:

数据和算法其实是相辅相成的,如果没有大量的有效数据作为基础,那末再精巧的算法都是没有意义的;如果没有算法,那么就没办法有效率地从庞大的数据中将有用的信息提取出来,大数据的价值也就没有办法显现。所以二者结合才能发挥大数据最大的价值。但是,相较而言,我个人认为在现阶段数据相比于算法会更加重要。这样的观点主要是站在聚焦于大数据运用的用户而言,如今对一些企业来说他们并不会花费力气去专研算法,而是将眼光转向数据的搜集,基于已有的算法去获取有实际价值的信息,而各企业的竞争常常也是由数据的搜集能力所决定的。从本钱效益论来看,在数据上的投入相比于对算法的投入来讲,它的产出会更高。固然,去建构一个更加公道的模型,使得有限的数据能够有最完全的分析,对大数据技术的长远发展来说是更有帮助的。

宋建波:

数据重要还是算法重要:这个问题其实可以类比为是工厂重要还是原料重要,实际上也就是一个处理重要还是原材料重要的问题。那么很明显,两者都是得到产品的必要环节,缺一不可。只不过在这里,我更想说一说较为熟习的算法。算法重要是怎样体现的呢?我觉得还是得从衡量算法好坏的时间复杂度和空间复杂度来谈。人工智能中有一类问题是采取搜索的方式来解决的,在搜索中有许多算法,在典型的罗马尼亚旅行问题中,和类似的通过搜索树来求解问题解决方案的应用时,会涉及到对图(或树)的搜索,初学数据结构的人会想到通过深度优先搜索(DFS)或广度优先搜索(BFS)来遍历树解决问题。这在树小的时候是可行的,时间和空间的消耗其实不多。可到了类似8数码问题的求解时,这两种算法显然是会浪费大量时间和空间的,乃至没法求到正确答案。这时候提出一种启发式搜索的算法,在进行搜索时通过估价函数评价从根到当前节点的代价加上从当前节点到目标节点的代价(f(n)=g(n)+h(n))来决定搜索的方向,是为A*算法。这就是算法的重要性的一个体现,在面对大量数据的时候,算法所要处理的情况常常会及其巨大,这类时候,一个可靠有效的算法就显得很关键。

刘可昕:

数据还是算法,我觉得两者是一种唇齿相依,相辅相成的关系。空有数据,即便数据量再大,质量再高,没有与之匹配的算法也只是空谈;而算法在发展的进程中,也必须配以相应质量的数据,算法再优化,数据质量差的话,这些优化也是白费力气。所以两者哪一个更重要,应当以发展的眼光看待。在算法水平持齐头并进的时候,数据更好的一方会赢得大数据时期的成功,而在同体量数据是,明显要靠算法取胜。眼下这个时期,我认为更难的点在于对数据的优化和处理,也就是说目前情况下,数据更重要。数据的质量限制着算法的发展,如何公道有效地去处理日渐暴涨的数据是眼前重要的一件事,随着进一步的发展,重点可能会再一次回到算法这里,到时候则需要更佳的算法去为数据服务。

郝前秀:

我觉得数据和算法究竟哪一个更重要并不是绝对的,它们发挥的作用不同。数据是基础,许多时候,算法需要有大量适合的数据支持和检验,许多算法的调参也是无完全的理论知道,依靠大量数据训练出来的。而算法是核心,没有算法从大量数据中提取出有效信息,数据也没法发挥它的作用。在如今的智能时期,随着计算能力的提高和之前诸多算法的积累,特别在深度学习火起来之后,仿佛数据比算法的重要性。或许是由于从经济角度斟酌,对很多成熟的算法,优化算法带来的增益通常远小于增大输入数据。但是面对海量良莠不齐、价值密度低的数据,如果没有一个泛化能力好、高效的算法,也难以从数据中快速得到真正有用的结果。这就好像做菜时的食材和做法,二者是相辅相成的。

佟震宇:

任何问题都不能脱离实际,我们应当看到问题的不同角度,固然最后我们可以选择唯一的立场。从智能时期这个限定词动身,我们应当首先反思,现在我们所处的时期是智能时期吗?明显,我想这距离电影中所描绘的智能时期仍有较大差距,即使我们的生活中能享受到的科技进步的好处愈来愈多越来越明显。即便是科技发展水平与“智能时期”仍有较大差距的如今,人们都已如此重视个人隐私,从脸书到推特和面临潜伏危险的谷歌,想必过了为了支持国内相干公司的快速发展和法律的相对缺失这个时间段以后,国内对隐私的重视也会愈来愈重。那么,引发的一个问题就是数据的取得难度显著增加。这也是为何一些人所认为的中国在AI之战中很有可能赢过美国的理由,人工智能本身的发展也如同大数据极度依赖于数据。那末,极端情况下,如果没了数据,算法再好也只是空谈。而且,在《大数据时期》一书中,作者也只出过一个案例,讲的是在数据较少的情况下两个算法有明显的优劣差别,但当数据增加到一定程度的时候,之前较优的算法反而表现较差。 固然抛开数据取得的条件不看,就大数据这个环境来看,数据本身处理难度和价值对更好更优的算法有着根本上的诉求。毕竟,一条条信息查找和通过优化后的算法查找关键信息的效果和代价是完全不一样的,尤其是在瞬息万变的智能时期。大家看字数就知道我站哪派了吧(。・ω・。)

耿力:

我觉得数据和算法都重要,两者相辅相成。数据相当于原油,算法是提炼原油的机器。缺了其中一个,另一个就没什么用。

范冬阳:

我认为,基于现在的时代背景下,说数据重要是不为过的。传统的数学领域,碍于数据量的限制,只能通过不断改进算法获得更优越的模型结果。在人工智能时期,确切是数据在发挥越来越大的作用。在查阅相关资料的时候,看到一条网友评论:复杂算法的边际收益绝对不值得!讲的是对机器学习而言,改进算法的收益远小于增加数据。我很赞同这类观点,拿谷歌的AdWords keyword auction model举例,当初增加了一项clickthroughrate(CTR,点击率)进入模型,使得效率大幅提升。有效数据的输入,相比起算法的改进(固然更高端算法的实现本身可能也依赖于更高的数据量),是能够显著提高模型精度的。更不用说深度学习,随着数据量提升,算法性能也会得到大幅提升。智能时期,是数据的天下!

宋天佑:

很难绝对的来比较是算法重要还是数据重要,但在实际运用中确实是数据更加重要。很多科研工作者在做科研发表论文的时候,对于一个问题并不是找不到适合的算法,而是没有足够的数据支持。在智能时期,很多算法在没有大量有效数据的支持下是没有意义的。很多算法得到的结果的质量完全取决于其与真实数据所拟合的程度,如果没有足够的数据来设计一个人工智能的算法,无异于闭门造车。以神经网络为例,其算法效果的评估与完善很大程度上是靠数据的训练,并且算法里会提供一些参数,没有足够的有效数据而只是依靠玄学调参,这类算法是没有甚么意义的。所以说数据比算法更加重要这句话还是有一定道理的,以知乎中的优秀回答为例,[海量数据是金矿,算法只是发掘金矿的工具]如果只是以人工智能算法为条件的话,个人认为这句话还是很有道理的。

杨士玄:

对大数据来讲,大量的数据和优秀的算法都很重要。但我认为对今天的大数据科学发展来讲,优秀的算法——即提供一个更方便、更容易发掘、分析数据的工具要比更大量的数据更重要。在网络普及到几近每台设备的现在,单说全球几十亿用户每天的平常活动产生的数据就足够我们去玩了,但是这些数据不是集中在某一个公司或团体手中的,确实google掌握大量的数据,但微软、阿里、腾讯这些大企业也掌握有很多数据,想要纯靠数量取胜不可能。并且,目前的大数据的数据量已经相当大了,我们到现在也还在探索更好的处理这样的大数据的方式也就是算法;其次,google在相当长的一段时间内其实是技术领先全球的,毕竟是早就开始投入这方面的主要是基于互联网搜索的研究,很长一段时间内作为大数据领域的先行者,google的论文都起着指引的作用,而google在论文里隐瞒或混淆技术突破点,就会拖慢其他人的发展速度,google也确实这么做了。同时google提供的文件系统、MapReduce等等最初都是基用于互联网搜索的,其普适性很难说,而很多公司在其他方面也需要使用大数据技术。这种情况下多家公司就联合起来,开源互助,使得Hadoop迅速发展和完善。可以看到,在大数据领域一直是在寻求算法先进,而不是数据抢占(这不现实,由于聪明人不会放任你一家独大)。而事实上对一个做数据分析的团队来说,数据永久不会少,尤其是在这个互联网时期,轻松就能搜集上百万条数据,我们缺少的是把这些数据更快转换成效益的手段,也就是能更高效、更便捷地处理更大数据的手段。

奇巴图:

对数据而言,是生产的基础,无疑是重要的,不管你的算法如何,当你有了数据,必定是手中握着一些东西,可以生产一些东西,其区别是快与慢,质量的高低与否。在算法相同的情况下,数据越多,质量越高,产品自然越好,但并不是绝对的。在现今这个时代下,很多数据其实是同享的,数据质量的优劣在于对数据的清洗程度和处理上。而这个时候,就体现了算法的重要性。基于当今时代的条件,很多人觉得,算法已没有之前那末重要了,当初O(n^3)的算法在如今高性能的服务器上跑起来和O(n^2)也差不了多少,乃至数据量不够大的情况下可以和O(n)的算法同速。但是算法的意义真的只是为了优化速度嘛?对模型的建立,聚类的分析,到终究的每一步都是完全算法的一部分。固然我们可以通过资金的堆砌弥补速度上的不足,但是这样的程序,仅仅是程序,失去了程序员赋予其灵魂,也就是写出这样的低效算法的人并没有真正做出甚么,只是照猫画虎。我一向赞同本钱与利益最优的决定,当我们算法优化到一个瓶颈期,我们应当暂时放弃对他的优化,去做一些其他工作。比如一些前人已不断优化的算法,从2.8s变成2.7s可能要付出很大的精力,我们完全可以节省这部分精力放在数据获得上,但是从一个复杂度是n的算法优化到logn,我觉得这个工作是必须要做的。同样对于模型的建立,数据分析之前的准备工作,也是一定要做的。

在一个生产过程中,应该是基于数据设计一个基本的算法,我要做甚么事情,以后不断优化这个算法,在可能的情况下扩大数据范围。也就是说,我们的基础是数据,没有数据,有一个空壳算法是毫无必要的。但是当生产趋于稳定,我们是是需要算法去支持后续的工作,如何不被人模仿,如何建立技术壁垒,这是一个团队应当思考的问题,智能时期虽然硬件越来越好,性能越来越高,但操作硬件的还是人,还是需要我们开动头脑,创造财富。依托烧硬件,用一个低等算法处理买来的大量数据来跟上这个时代永久不是长久之策。

郭钰鑫:

在现今的智能时期,我认为数据与算法没有直接的的可比性,算法与数据的地位一样重要,但如果一定要我给出一个确切的答案的话,那就是数据更加重要一些。数据与算法看似是两种概念,但是二者是分不开的,相辅相成,放在一起才能发挥作用。在很多的实际问题当中,算法的“好坏”、有效程度的检测必须需要通过大量的数据的支持才可以完成。很多算法得到的结果的质量完全取决于其和真实数据的拟合程度。如果没有足够的数据支持、检验,设计算法几近等于闭门造车。我们可以根据神经网络为例,算法的本身比较简单,但是算法的提升与完善完全要依托大量数据进行训练。除此之外,我认为,算法是为数据服务的。由于数据的存在,人们会去想探究一些从前未有过的问题,根据不同问题以及人们手中已具有的数据资源,会设计出相对应的解决该问题的算法。而且很多算法已成熟,算法的优化增量与大量数据测试的效果相比已不大重要,所以说算法与数据都很重要,但是数据其实更为重要。

翟雨晨:

数据与算法相辅相成,算法必须立足于数据才能谈其优劣,而数据必须依托算法才有其价值的体现。我认为若要比较两者重要性,首先肯定比较的标准,即在一般的算法和一定的数据上再进行比较。少许的数据即便再优秀的算法,模型泛化度较高,照旧有其局限性;而我认为大量的数据是一定程度能够弥补算法的缺点的,在极大数据的支持下,算法的好与极好之间的差距会缩小,而算法的优化由于大数据的复杂性亦较为困难,因此,我认为大数据更为重要。

杜家源:

我认为算法和数据同等重要。首先,巧妇难为无米之炊,数据是算法处理的原料,并且,算法常常是为了适应数据的特点而设计的,因此数据不同算法一般也不同。其次,在大数据时期,机器的运算能力其实不能够处理如此庞大的数据量,这类时候,设计新的优秀算法,改进旧的算法,就显得尤其重要。总而言之,算法在提升效率方面的作用和数据在作为原料的基础性同等的重要。

魏安琪:

对于数据与算法两者间的重要性比较,实际上很难定论。目前企业间在产品与服务方面的竞争,实质已演变为数据的竞争。无论是搜索引擎或是自动驾驶技术,各企业间所采取的分析算法大多较为类似,决定各自市场份额的更多为其数据具有量。借助用户使用进程中所产生的海量数据,不断训练算法,对其中各别参数进行微调,从而进一步提高算法的精确度和效率,整个过程是一个不断自我强化的正反馈进程。但是由于算法体现在对效力的寻求,如果长时间专注于对数据的取得而忽视算法的研究,则会导致大量数据堆积,却没有适合的算法去有效分析处理从而致使结果受限的情况。此种情形下,算法就成为突破这一限制的重要手段。所以综上,如果仅在短时间进程中要求为实际应用所服务,数据的取得显得更为重要,而如果从长远角度提高效率方面来看,则算法的研究也一样重要。

一般的伟哥多少钱

吃威尔刚

greenviagra

西地那非片的功效

分享到:
  • 友情链接
  • 合作伙伴