shrek_munich 发表于 2020-5-21 17:59
你准备怎么发论文？我用了xx框架，完了？
针对xx问题，我在xxx论文里发现有类似的问题可以用xx方法解决，然后我用了xx方法，然后效果还可以，改进了xx。
我也不清楚教授为什么说不需要懂生物和统计学的东西。
MeineFrauWiebke 发表于 2020-5-21 15:56
你说的是DL吧？DL只是ML的一个小分支，虽然是一个很重要的工具。
我说的就是传统的Ml， dl 应该不需要很多精力在FEATURE ENGINEERING 上。
我觉得你还是继续上班，挺好的，有空自己研究一下ml。
做ml应该是project oriented. 而不是拿个algo 或者框架随便试。楼主还是稍微有些学生思维。不是说做最好的不对，而是如果你能用ml解决一个实际问题 本身就已经是成功的了。
Ma2017 发表于 2020-5-21 19:12
我说的就是传统的Ml， dl 应该不需要很多精力在FEATURE ENGINEERING 上。
我觉得你还是继续上班，挺好的 ...
啊，我忘记说了，我现在做的就是ML，不过我是engineer，不是scientist，就是我写软件，写pipeline，ML理论我懂的还是很多的
MeineFrauWiebke 发表于 2020-5-21 17:10
针对xx问题，我在xxx论文里发现有类似的问题可以用xx方法解决，然后我用了xx方法，然后效果还可以，改进 ...
我这么告诉你我当初是怎么干的
生物的观察到某些现有理论解释不了的现象-通过ml训练模型-设计新的实验验证模型可靠-通过模型反推理论，再从生物学上根据理论设计实验验证
我博士论文差不多100页，你觉得只是简单的用了方法而不讨论背后的机制怎么灌这么多水
shrek_munich 发表于 2020-5-21 19:46
我这么告诉你我当初是怎么干的
生物的观察到某些现有理论解释不了的现象-通过ml训练模型-设计新的实验验 ...
谢谢你的思路啊，生物信息只是一个方向，我说了还有很多其他方向的东西，现在还在迷茫探索中
本帖最后由 Ma2017 于 2020-5-21 20:16 编辑
MeineFrauWiebke 发表于 2020-5-21 19:33
啊，我忘记说了，我现在做的就是ML，不过我是engineer，不是scientist，就是我写软件，写pipeline，ML理 ...
巧了，我也是 ML engineer ？那你这算是钓鱼贴吗。我觉得 你要是 做开发的 基本 不做 模型 research 和产出验证baseline 的 就不算。:jingya:
Ma2017 发表于 2020-5-21 20:09
巧了，我也是 ML engineer ？那你这算是钓鱼贴吗。我觉得 你要是 做开发的 基本 不做 模型 research 和产 ...
做啊，多少都要做点，只不过不是我的工作重心。
MeineFrauWiebke 发表于 2020-5-21 18:52
谢谢你的思路啊，生物信息只是一个方向，我说了还有很多其他方向的东西，现在还在迷茫探索中
方向本身确实不那么唯一，但是博士本身就是偏研究性的，而不是一个单纯的码农，你可以和老板谈他想让你干什么，自己思考一下能不能发论文和做博士论文，这两个搞不定，你最后毕业会成问题的
shrek_munich 发表于 2020-5-21 23:41
方向本身确实不那么唯一，但是博士本身就是偏研究性的，而不是一个单纯的码农，你可以和老板谈他想让你干 ...
谢谢你的建议，我肯定是要和他具体聊的。现在只是在询问哪里有比较合适的位置。
你说的我也考虑过，我比较倾向于研究某个领域（生物，仿生，模拟，等等）的问题，然后去找不同的ML工具，看哪个工具对解决这个问题最有效。我大概的思路是这样的，基本上ML方向的具体知识我是有的，当然需要更加的深入研究一些东西，比如说我现在的optimizer是无脑上adam，以后可能要具体研究某些问题adam可能不是最优的。
至于具体问题，这个更是需要好好研究一下
我大概理解LZ的想法，不去做ML的基础研究，而是应用研究。比如把ML和Robotics结合，例如自动驾驶，这也是现在很火的一个ML应用研究方向，比如用深度学习做目标探测和识别，用深度强化学习做端到端自动驾驶控制等等，不一定需要精深的ML基础知识。但是，这一类应用研究需要研究者有相应精深的domain knowledge，比如机器人学的相关基础知识，例如关于perception, sensor model, path planning, motion control等等的理论知识。如果不具有相应深度的domain knowledge，研究者是很难提炼出好的研究课题，并完成好的研究报告的，这样也就很难实现博士的毕业目标。大部分博士相关的Ausschreibung只是指出有读博的可能性，但它们本质上首先是一份工作岗位，而Promotion实际一般是与工作内容不直接相关的。真正Promotion首先需要你开题，而这就要求你提炼出好的研究课题，并受到教授认同，之后才是去大学学院注册开题，才是正式开启Promotion生涯。换句话说，如果你在工作合同时限内开不了题，那你基本到期就得走人（这个也要看具体的研究所，有的是Promotion freiwillig，有的就不行，必须开题），除非支持这个岗位的项目得到续期。当然，德国读博还有个普遍现象就是，研究所的工作合同结束，但你的Promotion没有结束，这样你就得另找一份工作，然后用业余时间继续做，或者放弃。当然也要看实验室和个人资质，即便是Info领域3-4年毕业的也大有人在。