
Google更多的數(shù)據(jù)勝過(guò)更好的算法 _數(shù)據(jù)分析師
時(shí)下大數(shù)據(jù)的關(guān)注是越來(lái)越高,關(guān)于大數(shù)據(jù)的討論也是火熱異常。而作為玩轉(zhuǎn)大數(shù)據(jù)的巨頭之一Google對(duì)數(shù)據(jù)的重視更是非同一般,這次Google給我們帶來(lái)的是更多是數(shù)據(jù)意味著更好的語(yǔ)音識(shí)別。其產(chǎn)品研發(fā)總監(jiān)Peter Norvig更認(rèn)為:更多的數(shù)據(jù)勝過(guò)更好的算法!
Google發(fā)布的新研究論文詳述了語(yǔ)音識(shí)別程序幕后的數(shù)據(jù)科學(xué),包含了語(yǔ)音搜索和向YouTube視頻中添加文字說(shuō)明和標(biāo)簽。雖然其中的算法多數(shù)人都無(wú)法掌握,但是思想?yún)s是完全可以理解的。論文的出發(fā)點(diǎn)在于人們對(duì)大數(shù)據(jù)熱衷的原因及為工作選擇合適數(shù)據(jù)集的重要性。
Google自始至終都認(rèn)為數(shù)據(jù)是越多越好,用產(chǎn)品研發(fā)總監(jiān)Peter Norvig的話就是:更多的數(shù)據(jù)勝過(guò)更好的算法。盡管Norvig的評(píng)價(jià)中還有一些對(duì)算法的吹毛求疵,但是顯然更多的人接受了這篇論文并在大數(shù)據(jù)領(lǐng)域引起了熱烈的討論。模型用來(lái)學(xué)習(xí)的數(shù)據(jù)越多,模型就會(huì)變的越精確 即使開(kāi)始時(shí)不是最尖端的。
言歸正傳,下面我們來(lái)看一下更多的數(shù)據(jù)在語(yǔ)音識(shí)別系統(tǒng)的改善中所起到的作用。研究人員發(fā)現(xiàn)數(shù)據(jù)集和大型語(yǔ)言模型(維基百科對(duì)Google 研發(fā)中涉及到的n-gram模型的解釋)可以降低在收到第一個(gè)單詞時(shí)推測(cè)下一個(gè)單詞時(shí)的錯(cuò)誤率。比如Google高級(jí)研究員在10月31日關(guān)于這項(xiàng)研究的博客中給出的例子:一個(gè)好的模型在前兩個(gè)單詞是New York時(shí)推測(cè)下一個(gè)詞時(shí)會(huì)更多的選擇pizza而不是granola。在做語(yǔ)音搜索時(shí),他的團(tuán)隊(duì)發(fā)現(xiàn):模型的大小每增加兩個(gè)數(shù)量級(jí)就可以減少10%的關(guān)系詞錯(cuò)誤率。
這里的關(guān)鍵在于什么類型的數(shù)據(jù)集對(duì)你的模型有益,不管它們是什么。對(duì)于搜索的測(cè)試,Google使用google.com匿名查詢的隨機(jī)樣本中抽取沒(méi)有出現(xiàn)拼寫校正的230個(gè)單詞。因?yàn)槿藗冎v話和寫作不同于普通的打字搜索,所以YouTube模型的數(shù)據(jù)都是來(lái)自新聞報(bào)道的錄音和大型網(wǎng)站上的抓取。他們寫道:?jiǎn)渭兊木驼Z(yǔ)言建模而言,各種各樣的話題和口語(yǔ)風(fēng)格讓大型網(wǎng)站抓取成為語(yǔ)言模型建立的很好選擇。
雖然這個(gè)研究并不一定具有突破性,但是卻道出了大數(shù)據(jù)和數(shù)據(jù)科學(xué)為什么會(huì)在今天引起這么多的注意。隨著消費(fèi)者需求更智能的應(yīng)用程序和更無(wú)縫的用戶體驗(yàn),每一塊數(shù)據(jù)的選擇及每一塊數(shù)據(jù)對(duì)應(yīng)分析方案無(wú)疑都是重中之重!(文章來(lái)源:CDA數(shù)據(jù)分析師)
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10