为什么我们需要比贝叶斯派驻COVID 19更多的贝叶斯训练有素的数据科学家

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

为什么我们需要比贝叶斯派驻COVID 19更多的贝叶斯训练有素的数据科学家
本周早些时候，我在一个关于房地产人工智能的活动上发表讲话，其中展示了一个BBC剪辑中的一个例子，该片断说“伦敦市中心现在是一个鬼城”（由于COVID 19）
几个月前，这个标题真是可笑
在伦敦，伦敦市中心和伦敦地下是日常生活的重要组成部分
因此，我对这次会议的假设是：
在后COVID世界中，过去并不等于未来
经常性方法依靠数据（过去）
在许多情况下（例如：房地产），现在不成立，因此，我们需要新的方法
具体而言，我们需要研究在当前数据科学课程和从业人员中并不常见的贝叶斯方法
为了说明原因，
通常，数据科学家缺乏很好地建模流程的数据。现在，情况变得更糟了，因为我们拥有的数据（如果我们一开始就能掌握足够的数据）–可能不再适用，因为我们面临不连续性
贝叶斯技术使我们可以更轻松地编码专家知识
贝叶斯技术在稀疏数据下表现更好
贝叶斯模型更容易解释
贝叶斯技术允许使用较小的数据集
您可以将贝叶斯技术与其他模型（例如隐马尔可夫模型）结合使用
贝叶斯技术使您可以对罕见/不可重复的事件进行建模
所有这些特征在今天变得很重要
无论如何，这种观点在实践和教育上都需要得到更多的重视。

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：数据科学家 训练有素 OVID 数据科学 贝叶斯