大数据培训新三板挂牌机构 股票代码:837906 | EN CN
阿里巴巴菜鸟级数据产品经理半年回顾总结篇
干货教程:如何绘制业务流程图(二)
干货教程:如何绘制业务流程图(一)
技术贴:如何在数据库中秘密地查询隐私数据
攻略教程:信息图(infographic)是怎么做出来的?
分析师一定要看!用数据讲故事的五个步骤
技术篇:怎样玩转千万级别的数据?
北漂书生:大数据时代SEO数据如何搜集和分析
干货,从十大问题重新认识并读懂互联网
相似图片搜索、算法、识别的原理解析(下)
相似图片搜索、算法、识别的原理解析(上)
制作信息图时请遵循这10条原则
提高表格可读性的一些技巧,适用于Excel、PPT等数据报表
实用教程:如何让Excel图表更具“商务气质”?
一张数据信息图是这样制作完成的
菜鸟读财报,如何从上市公司财报中挖情报?
北大数据分析老鸟写给学弟们一封信
如何一步一步制作出高品质数据信息图?
总结:海量数据分析处理的十个方法
【实战经验】数据分析师如何了解老板真正想法?
零售业数据分析那些事儿
数据分析时l常用电子表格公式【大全】
用数据来告诉你 上市公司财报的秘密
这12个数据能 帮你搞定淘宝店铺
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(四)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(三)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(二)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(一)
淘宝网店从激活到挽留,4步走玩转数据营销
文案怎样写才有意思、不空洞、打动人?
入门级扫盲贴:数据分析的步骤有哪些?
关系即数据,论社交媒体的关系转换
数据的力量,苹果教你用数据鄙视竞争对手
谁说文科生不能做数据分析?数据分析入行→技能提升→优势
产品运营数据分析——SPSS数据分组案例
如何追踪iPhone和iPad等移动设备的用户行为数据?
阿里巴巴中国站:用户满意度指标权重计算方法
广告中的AdNetwork、AdExchange、DSP、SSP、RTB和DMP是什么?
信息图制作教程:关于数值的表现
为什么大数据会如此轰动?(值得深度的文章)
多图技术贴:深入浅出解析大数据平台架构
面板数据分析中标准误的估计修正——根据Peterson (2009)的归纳
财务官、投资人、CIO看过来:给企业数据定价
推荐系统中常用算法 以及优点缺点对比
探索Weotta搜索引擎背后的大数据技术
如何识别虚假数据?
为什么我们像驯化小狗那样驯化算法
程序员必须知道的10大基础实用算法及其讲解
电子商务:最影响转化率的九大要素
如何迅速成为一名数据分析师?
想从事大数据、海量数据处理相关的工作,如何自学打基础?
如何用亚马逊弹性MapReduce分析大数据?
译文:机器学习算法基础知识
给hadoop新手的一封信:Hadoop入门自学及对就业的帮助
从入门到精通,我是这样学习算法的
小商家,从老客户身上获取的数据才更有意义
13页PPT讲述:大数据下网站数据分析应用
40页PPT详解:京东大数据基础构架与创新应用
67页PPT解密搜索引擎背后的大技术:知识图谱,大数据语义链接的基石
营销洞察力——10个营销度量指标
技术篇:前端数据之美如何展示?
董飞:美国大数据工程师面试攻略【PPT】
easel:如何制作好的信息图——来自专家的顶级技巧
大数据实操:以3D打印机为例,如何知道卖点有没有市场需求?
大数据建模 需要了解的九大形式
用户画像数据建模方法
从规划开始,公司or企业如何入手和实施大数据?
干货:商品信息数据分析和展现系统的设计与开发
高手教你用Excel制作百度迁徙数据地图
50篇干货:淘宝店/电子商务如何玩转数据分析?
精华索引:大数据实际应用案例50篇
验证最小化可行产品 (MVP) 的 15 种方法
干货:数据分析师的完整知识结构
大数据技术Hadoop面试题,看看你能答对多少?答案在后面
用SPSS做数据分析?先弄懂SPSS的基础知识吧
怎样做出优秀的扁平化设计风格PPT? 扁平化PPT设计手册#3
解答│做大数据过程中遇到的13个问题
40页PPT│社交网络发展的新动力:大数据与众包
以Amazon、豆瓣网为例,探索推荐引擎内部的秘密#1
怎样做出优秀的扁平化设计风格PPT?#2
怎样做出优秀的扁平化设计风格PPT?#1
36页PPT│大数据分析关键技术在腾讯的应用服务创新
如何丰满地做SWOT分析?
【35页PPT】TalkingData研发副总阎志涛:移动互联网大数据处理系统架构
27页PPT|以珍爱网为例,如何构建有业务价值的数据分析系统?
国外数据新闻资源分享
21页PPT重磅发布:Mariana——腾讯深度学习平台的进展与应用
从0到100——知乎架构变迁史
PPT解读:百度大数据质量保障方案探索
45页PPT|大数据环境下实现一个O2O通用推荐引擎的实践
从数据看豆瓣兴衰
深度学习系列:解密最接近人脑的智能学习机器——深度学习及并行化实现(四)
重磅推荐:129页PPT讲述移动时代创业黄金法则 via:腾讯企鹅智酷
重磅推荐:大数据工程师飞林沙的年终总结&算法数据的思考
OpenKN——网络大数据时代的知识计算引擎
大数据下城市计算的典型应用
技术贴:大数据告诉你,如何给微信公众号文章取标题?
你的QQ暴露了你的心——QQ大数据及其应用介绍PPT
如何从企业报表看企业的生存能力?
实用的大数据技巧合集
技术帝揭秘:充电宝是如何盗取你的个人隐私的?
重磅!50页PPT揭秘腾讯大数据平台与推荐应用架构
原创教程:饼图之复合饼图与双层饼图(1)
PPT:大数据时代的设计特点——不了解这个你做不了今天的设计
教程贴:如何用方程式写春联?
原创教程:如何用Excel制作简易动态对比图
深度译文:机器学习那些事
教程帖:数学之美——手把手教你用Excel画心(动态图)
董老师走进斯坦福,聊聊硅谷创业公司和大数据的事儿(附课件PPT下载)
【限时】年度钜献,108个大数据文档PDF开放下载
董飞专栏:大数据入门——大数据相关技术、Hadoop生态、LinkedIn内部实战
亿级用户下的新浪微博平台架构
一张图了解磁盘里的数据结构
浅析数据化设计思维在阿里系产品的应用
美团推荐算法实践
一个P2P创业公司有哪些部门,都是做什么的?
一个P2P平台的详细运营框架是怎样的?
机器学习中的算法——决策树模型组合之随机森林与GBDT
神经网络简史
58页PPT看懂互联网趋势,大数据/物联网/云计算/4G都有了
广点通背后的大数据技术秘密——大规模主题模型建模及其在腾讯业务中的应用(附PPT)
微信红包之CBA实践PPT——移动互联网海量访问系统设计
一文读懂机器学习,大数据/自然语言处理/算法全有了……
搜狐新闻客户端的背后大数据技术原理——推荐系统(PPT)
原创教程:用Excel做动态双层饼图
半小时读懂PMP私有广告交易市场
怎样分析样本调研数据(译)
PPT:支付宝背后的大数据技术——DataLab、Higo的实践及应用
大数据技术人员的工具包——开源大数据处理工具list(限时下载)
计算机视觉:随机森林算法在人体识别中的应用
24页PPT:机器学习——支持向量机SVM简介(附下载)
互联网高手教你如何搜集你想要的信息
深度:对地观测大数据处理、挑战与思考
原创教程:用Excel做饼图之复合饼图与双层饼图(2)
移动大数据时代: 无线网络的挑战与机遇(附pdf下载)
Excel使用技巧——25招必学秘技
【年度热门】加上这些 Excel 技能点,秒杀众人(多图)
原创教程:用Excel做纵向折线图
知识图谱——机器大脑中的知识库
何明科专栏:用数据化的方式解析投资条款
DT时代,如何用大数据分析创造商业价值(23页PPT)
MIT牛人梳理脉络详解宏伟现代数据体系
你的老婆是怎么算出来的?揭秘佳缘用户推荐系统
飞林沙:商品推荐算法&推荐解释
PPT:如何成为真正的数据架构师?(附下载)
开源大数据查询分析引擎现状
董飞专栏:打造数据产品必知秘籍
译文:如何做强大又漂亮的信息图
如何使用Amazon Machine Learning构建机器学习预测模型
如何运用数据协助货架管理(内附26张PPT)
SVM算法
主流大数据系统在后台的层次角色及数据流向
PPT:阿里全息大数据构建与应用
人脸识别技术大总结——Face Detection & Alignment
教程:用Excel制作成对条形图
易观智库:大数据下的用户分析及用户画像(18页PPT附下载)
技术向:如何设计企业级大数据分析平台?
电商数据分析基础指标体系
IBM SPSS Modeler 决策树之银行行销预测应用分析
拓扑数据分析与机器学习的相互促进
基于 R 语言和 SPSS 的决策树算法介绍及应用
用php做爬虫 百万级别知乎用户数据爬取与分析
另类新浪微博基本数据采集方法
以10万+阅读的文章为例 教你做微信公众号的运营数据分析
破解数据三大难题:变现?交易?隐私?
微店的大数据平台建设实践与探讨
阿里巴巴PPT:大数据基础建议及产品应用之道
基于社会媒体的预测技术
人工智能简史
技巧:演讲中怎样用数据说话
马云和小贝选谁做老公?写给非数据人的数据世界入门指南
掘金大数据产业链:上游资源+中游技术+下游应用
原创教程:手把手教你用Excel做多层折线图
销售分析:如何从数据指标发现背后的故事
如何一步步从数据产品菜鸟走到骨干数据产品
也来谈谈微博的用户画像
行走在网格之间:微博用户关系模型
如何拍出和明星一样美爆的自拍照?斯坦福大学用卷积神经网络建模告诉你
运营商如何玩转大数据? 浙江移动云计算和大数据实践(PPT附下载)
大数据分析的集中化之路 建设银行大数据应用实践PPT
腾讯防刷负责人:基于用户画像大数据的电商防刷架构
创业提案的逻辑
友盟分享 | 移动大数据平台架构思想以及实践经验
寻路推荐 豆瓣推荐系统实践之路
“小数据”的统计学
重磅!8大策略让你对抗机器学习数据集里的不均衡数据
小团队撬动大数据——当当推荐团队的机器学习实践
微博推荐架构的演进
科普文 手把手教你微信公众号数据分析
信息图制作的六个注意点
【权利的游戏】剧透新玩法:情理之中?意料之外
推荐系统(Recommender System)的技术基础
核心算法 谷歌如何从网络的大海里捞到针
Quora数据科学家和机器学习工程师是如何合作的
阿里巴巴PPT:大数据下的数据安全
数据建模那点事儿
全民拥抱Docker云–Lhotse系统经验分享
实时股票分析系统的架构与算法
架构师必看 京东咚咚架构演进
什么叫对数据敏感?怎样做数据分析?
推荐系统基础知识储备
刘德寰:数据科学的整合与细分 数据科学的七个危险趋势(视频)
实际工作中,如何做简单的数据分析?
分布式前置机器学习在威胁情报中的应用(附PPT下载)
数据科学 怎样进行大数据的入门级学习?
扛住100亿次请求 如何做一个“有把握”的春晚红包系统?(PPT下载)
从 LinkedIn 的数据处理机制学习数据架构
大数据会如何改变管理咨询公司(I)
优秀大数据GitHub项目一览
生硬的数字和数据新闻:这么近,那么远
经典大数据架构案例:酷狗音乐的大数据平台重构(长文)
揭秘中兴大数据在银行领域的系统部署
基于大数据的用户画像构建(理论篇)
【R】支持向量机模型实现
数据图处处有陷阱?五个例子教你辨真伪
如何用R绘制地图
你确定你真的懂用户画像?
数据模型需要多少训练数据?
【接地气】01 数据报表的颜色怎么配
游戏价值和数据分析新思路
【R】异常值检测
快的打车架构实践
豆瓣还是朋友圈:大数据、新方法和日常问
PPT数据图表,怎么做才好看?
大道至简的数据体系构建方法论
数据的误区及自身业务
新浪微博的用户画像是怎样构建的?
面试干货!21个必知数据科学面试题和答案part1(1-11)
易观智库:中国大数据产业生态图谱2016(附下载)
Airbnb的数据基础架构
50PB海量数据排序,谷歌是这么做的
大数据时代工程师如何应对–今日头条走进硅谷技术讲座
D3.js教学记(下)
D3.js教学记(上)
飞林沙:企业级服务公司如何赚钱?只有平台级产品才有大数据的理论
一个母婴电子商务网站的大数据平台及机器学习实践
7大板块 组成数据分析师的完整知识结构
干货:SaaS领域如何分析收入增长?
学术 | 词嵌入的类比特性有实用意义吗?
6个用好大数据的秘诀
一个数据库外行眼中的微信优化 (附专家补充)
大数据调研,如何实现快全准?
数据大师Olivier Grisel给志向高远的数据科学家的指引
数据堂肖永红:数据交易的是使用权或数据的增值,而不是数据本身(PPT附下载)
淘宝商品详情平台化思考与实践
刘译璟:百分点大数据理念和实践(图文+PPT下载)
如何快速搞定一份看起来还不错的演示文档?
【BABY夜谈大数据】决策树
数据驱动设计:数据处理流程、分析方法和实战案例
美图数据总监:Facebook的法宝,我们在产品中怎么用?
树的内核:量化树结构化数据之间的相似性
拿到用户数据之后,LinkedIn怎么赚钱?
GrowingIO张溪梦:增长黑客的核心 企业应该重视产品留存率(附PPT下载)
[译]Airbnb是如何使用数据理解用户旅行体验的?
微博推荐数据服务代理: hyper_proxy的设计和实现
星图数据谷熠:消费领域DaaS 大数据重构未来商业游戏规则(附PPT下载)
鲍忠铁:TalkingData大数据技术与应用实践(PPT下载)
【干货教材】数据分析VS业务分析需求
九枝兰专访:数字营销的核心—企业如何使用数据管理平台(DMP)进行精准营销
我们的应用系统是如何支撑千万级别用户的
R应用空间数据科学
Excel进行高级数据分析(上)
Excel进行高级数据分析(下)
国内各大互联网公司2.0版技术站点收集
网站数据分析思路导图
大数据分析报表设计开发要素
大数据需要的12个工具 推荐
YARN/MRv2 Resource Manager深入剖析—NM管理
YARN/MRv2 Resource Manager深入剖析—RMApp状态机分析
Hadoop 1.0与Hadoop 2.0资源管理方案对比
Hadoop 2.0中单点故障解决方案总结
Hadoop 2.0 (YARN)中的安全机制概述
Hadoop 新特性、改进、优化和Bug分析系列1:YARN-378
Hadoop 新特性、改进、优化和Bug分析系列2:YARN-45
Hadoop 新特性、改进、优化和Bug分析系列3:YARN-392
Hadoop版本选择探讨
探究提高Hadoop稳定性与性能的方法
《Effective C++》读书笔记(第一部分)
Hadoop分布式环境下的数据抽样
Hadoop计算能力调度器算法解析
如何编写Hadoop调度器
数据结构之红黑树
Hadoop pipes设计原理
《C++ Primer plus》学习笔记之”类”
《C++ Primer plus》学习笔记之”类继承”
《C++ Primer plus》学习笔记之”C++中的代码重用”
《C++ Primer plus》学习笔记之”异常”
《C++ Primer plus》学习笔记之”RTTI”
Hadoop pipes编程
Hadoop Streaming高级编程
《C++ Primer plus》学习笔记之”标准模板库”
《C++ Primer plus》学习笔记之”输入输出库”
Linux Shell 命令总结
算法之图搜索算法(一)
awk使用总结
素数判定算法
《C++ Primer plus》学习笔记之“函数探幽”
使用Thrift RPC编写程序
如何在Hadoop上编写MapReduce程序
怎样从10亿查询词找出出现频率最高的10个

为什么我们像驯化小狗那样驯化算法

于2017-04-01由小牛君创建

分享到:


小狗

人类进化学家当中有一种理论,说的是小狗这种宠物是从野兽进化而来,因为只有那些获得了社会化智慧的犬科动物才能存活下来。几千年前狼群在人类 聚集地的周围活动,逐渐开始熟悉了人类的意图和心情。换句话说,它们的大脑开始适应人类的大脑活动。随着时间的过去,它们的行为甚至是外观都变得不那么凶 猛,更适应人类的情感,更具有共生性。这个时候,它们就变成了狗。

在这里用狗的进化做例子是因为,人类目前正在与另外一种我们之外的物种共生在一起,和犬科动物相比,它更加危险也更有威力:这就是算法。Facebook 的内容是算法决定的,亚马逊的内容是算法决定的,Spotify 和 Netflix 上的内容也是算法决定的。现在,某种算法可能通过家里的恒温器正在控制我的室温。如果你和数字世界有交互——谁又不呢?——你又会与算法产生联系。我们需 要确保这些代码系统了解我们的需求和意图,以便设计出能够体会人类感受、且人性化的产品。

算法的进化是人类进化的一部分

科技作家克里斯托佛•斯坦纳(Christopher Steiner)将算法描述为“庞大的决策树,由一个个连续的二元判定组成⋯⋯一组指令按序执行并获得一个理想的结果。信息经由一个已知算法的处理,产出需要的答案。”

算法的存活状态肯定不是像小狗一样,而且算法是人类发明的。但是和那些处在进化早期的小狗一样,人类始终不能理解它们,而且算法在编码时通常也没有设计成会 以人类习惯的方式做出回应。与人类有交互的算法(很可能是所有人类使用的系统,比如股票交易市场)应该进化,不仅要有效,而且要可以理解。

但 是小狗的驯养和进化有一点不能忽视:人类也在为了和它们一起生活而进化。它们也改变了人类。狗成为了人类生态系统的一部分。有证据表明狗和人类共同驱动了 大脑处理过程的进化,诸如血清素(serotonin,一种神经传导物质)这样的化学物质。只要有足够的时间,算法可能也会对我们产生这种影响,改变我们 思考的方式。(与小狗不同)算法可能不会在基因层面上改变我们,但是正在改变我们的行为。

算法做什么最出色

算法有五件事情尤其擅长:快速执行重复的任务、在不同选择之间做逻辑判断、分析预测、评估历史数据、发现被忽视的环节。所有这些都是人类最不擅长的。

算法

如果你的工作内容与算法之间存在竞争,比如高频股票交易,那么你很可能会败下阵来。算法的工作速度是人类无可企及的。即便是最慢的决策也要快过 人类,几乎就是瞬时速度一样。算法以毫秒为单位工作,蜂鸟的时间概念。有关高频股票交易制造财富的内容已经写得够多了。纽约和芝加哥交易所很快将会实现近 光速的连接速度:15毫秒。来回。只有算法能够将这种速度派上用场。

这种快速的处理速度能够让算法 在不同的决策中做判断。这些决策通常是基于数据逻辑分析的预测——比如,某一个条件集合通常会导致某一种结果。当然,这些预测并不是永远正确。但是因为算 法能够处理非常多非常多的数据,而且速度非常非常快,人类无法望其项背,这样就可以更快地做出预测——并且针对结果采取行动。

算 法还能够很出色的评估过往的事件和历史数据集合,以便于改进对未来的预测,给出可能的行动建议。如今这个时代人类正在制造大量的数据——既有大型系统里面 的大规模数据,也有个人设备、量化自我的小规模数据——我们需要依靠算法的帮忙来弄清楚它们,告诉我们这些数据意味着什么,数据的价值在哪里。

所有这些都是算法的优势,但是在人类与算法接触的时候,同样也会成为它们的劣势。

尴尬的算法交互

算法会带来一种新的、令人感到迷惑的体验。首先是一些算法很有效的地方,简直就是魔法:用户获得恰当的推荐,或是计算出从家到公司最快的路径。你感觉好像有一个强大力量在帮你的忙:精灵式交互(The Genie Reaction)。

而 另一面则是在算法愚蠢结果面前的“挫败的无力感”(FAIL Frustration),这种结果往往是由于算法忽略了语境而导致的。应用环境或内容主题的相关信息是算法未知或无法解析差别的。比如将你陷入交通堵塞 的导航系统可能并不知道有事故出现,曾经就有某机顶盒产品将直男观众当成基佬,推荐相关内容。

除了 推荐结果的好与坏之外,与算法共存的时候还有一些奇怪的场景。在《星球大展:新希望》(Star Wars: A New Hope)一片的末尾,卢克(Luke,剧中人物)关掉了计算机瞄准。同样,我们也可以相信自己的感受,主动做出决定是否需要算法帮助我们。这样做可能会 有一些不便,但有时却令人振奋。取消一次算法推荐或是行驶导航,试试“击败算法”(Beat the Algorithm)能成为一次令人愉快的新消遣活动,虽然可能会伴随懊恼。如果卢克没有击中目标怎么办?如果 iTunes 的 Genius 算法推荐效果很好怎么办?如果其他回家的路线真的会更快怎么办?

算法

算法会给人类带来不舒适、不人性化的局面。比如在程序地图上看起来很合理的路线可能需要穿过三条交通拥堵的街道。虽然也能走的通——很勉强。几乎是不可能的。也是人一般情况下不会选择的。而且几乎没有人愿意当一种算法试验的小白鼠,不过这种情况偶尔还是会发生。

同 样道理,价值裂痕(Rift of Values)也存在:某种算法的价值可能完全无法与一个人的价值相提并论。大部分算法只是在操作和便捷性上有比较高的速率。例如,导航算法自以为能够节 省你一分钟的时间,通常会让你在小路上左拐右拐,而不是保持在主干路行驶,也不关心你是否熟悉这一地区的道路,更忽略了与保持直行相比多次转弯造成的麻 烦。有时候额外的几分钟根本不值得,但是想让算法明白这一点是不可能的。

算法:人群中的异类

伊 安•博格斯特(Ian Bogost)曾经在《异类现象论》(Alien Phenomenology)中写道:我们不需要去其他星球寻找异类,它们正在以算法的形式生活在我们中间。算法不是人类,它们不懂得关心或反馈人类的意 图和情感,除非能够像远古的狼一样进化,满足人类的需求。

算法

但是与狼群不同的是,没有几千年时间可以给算法来进化。算法发展带来的问题和后果是严重的。2010 年股票市场的闪电崩盘(Flash Crash)就是个例子,算法导致某小型股票市场崩溃,几分钟内道琼斯指数就跌了 1000 点。试想一下同样的情况发生在电网或是无人驾驶汽车时会怎样吧。

独自进化

加快这种进化速度的一个方式是告诉算法人类的需求和价值观是什么。我们需要在代码中加入人类和能力界限的认知意识。告 诉算法,环境是怎样的,我们的意图是什么,我们的心情又是怎样——或者让算法通过(过往和当前的)行为自行探测。比如:如果用户从来没有驾车行驶过这条路 线,那么尽量保持在主干道行驶;如果用户看上去有点焦虑,就不要给太多的选项。在判断错误的时候,我们同样需要让算法知道,比如这不是我喜欢的音乐或者我 想要的体验。

算法的反馈也需要基于人类的认知能力进行调整。我们无法以代码系统的速度输入信息。我们不需要知晓所有的数据,只是一些有意义的关键点就可以了。告诉我路线上距离 20 英里有事故并没什么帮助,但这就是算法的计算结果,也很可能影响到交通行进速度。

这些以代码形式存在的异类,这些存在机器里的幽灵,正在变得比它们的造物主更不可思议。随着算法开始接管我们的关键系统,人类需要确保一点:和小狗一样,它们能够理解人类。这样一来,或许未来我们会将算法看作人类最好的朋友。

via:虎嗅

扫描微信下面二维码,随时了解大数据最新动向,添加大数据培训,就上小牛学堂官方微信公共帐号dashuju36:

大数据培训,就上小牛学堂

End.