AI Forum 2012筆記

這篇是參加AI Forum 2012的筆記，紀錄一些重點作為以後的參考。

會場照片

--

Think part

解決問題的思維可以有兩種：
top→down
bottom→up

面對資料時的處理方法與想法：
1. Feature Engineering
2. Blending and Ensemble
3. Validation
4. Training and Optimization
5. Novel ideas

重要的點：
Feature(特徵的擷取、分析與排除)
Scaling(特徵的正規化與一致性)
Combination(方法的挑選與組合)
Diversity(注意結果的多樣性)

"art rather than science"

--

Model part

Probability model
Vector space model
字詞無法用機率模型或是向量空間模式完整的描述
真實世界(real world)不是如此簡單(simple)

自然語言需要新的模型，改變training和testing的模式
Relationship model
可行嗎？

pure data？
not instant data
it should lone-time data(historical + real time)

--

Future part

低頭族(mobile user)
在未來會是新興的族群，也就會產生新的消費模式和對象

Content + Service + Device

ITU(物聯網)

how to use "cloud computing power"?
how to do "meta data large scale processing"?

mine information from different sources.
big data analysis(3v's)

--

Data mining part

網路ADS應該要有的新概念，
ADS不應該一直存在，而是當使用者對結果不夠好的時候才產生廣告。
(雪中送炭>錦上添花)

Reference Recommendation
http://refseer.ist.psu.edu/

Dr. Jian Pei's Selected Publication
http://www.cs.sfu.ca/~jpei/publications.html

--

Recommender system part

anything are component.

點推薦的時代→線推薦的時代
(點推薦以item為主，線推薦除了item以外，還加入時間和空間的因素)

會後與老師合照