您的位置:首 页 > 言情小说 > AI时代:码农的涅盘重生 > AI时代:码农的涅盘重生目录 > 第333章 用心教学(第1页/共2页)
返回目录 | 加入书签 | 推荐本书 | 收藏本页

AI时代:码农的涅盘重生 第333章 用心教学(第1页/共2页)


****3*6*0**小**说**阅**读**网**欢**迎**您****

请用户自行鉴定本站广告的真实性及其合法性,本站对于广告内容不承担任何责任。

    训练营进入项目实战阶段之后,林晨每周的线上答疑从两小时变成了三小时。

    学员们的问题变了。之前问的是线性代数怎么学Python哪个框架好用,现在问的是模型收敛不了怎么办特征工程应该怎么做。问题变具体了,说明他们真的在动手写代码了。

    周六晚上八点,林晨打开钉钉视频会议。二十多个人已经在线上等着了,聊天框里刷着林总好今晚讲什么。林晨没有寒暄,直接打开了共享屏幕,上面是一份学员提交的训练日志。

    赵刚,你这个loss曲线我看了一下。第二个epoch之后开始震荡,你学习率设的多少?

    屏幕那头传来赵刚的声音,带着一点紧张:0.01。

    降到0.001,再跑一轮看看。跑完把训练集和验证集的loss曲线都画出来,截个图发群里。

    赵刚照做了。他花了大概五分钟调参数,重新训练了一轮。新的loss曲线出现在群聊里,从之前的锯齿状震荡变成了平滑的下降曲线。他在群里打了一行字:好了,收敛了。谢谢林总。

    林晨扫了一眼群里的消息,没有回复感谢,直接点了下一个学员的名字。

    刘洋,你的项目做到哪了?

    特征提取做完了,但是模型效果不太好,准确率只有71%。

    你特征怎么选的?相关性分析做了吗?

    没做。

    先做相关性分析,把相关系数低于0.01的特征去掉,再跑一遍。

    刘洋花了十分钟做完特征筛选,重新训练之后准确率从71%涨到了78%。他在群里发了一个竖起大拇指的表情。

    林晨往下翻学员的代码提交记录,看到一个叫周涛的学员提交了一个新版本。他点开看了一眼,特征工程的代码写得很规整,注释也清楚,数据清洗的步骤一步一步都有标注。他在群里艾特了周涛:你的特征工程写得不错,可以当模板给其他学员参考。

    周涛回了一句:谢谢林总。

    这种教学方式跟他带团队的时候一样。他不会手把手教你写代码,但他会告诉你调试的方向。学员问为什么模型不收敛,他不会从数学原理讲起,只会说先看学习率,再看数据分布,然后让你自己跑一遍。

    线上答疑进行到一半的时候,一个学员问了一个关于反向传播的问题。林晨打字回答说不清楚,干脆开了一块白板,从链式法则开始画。他画了三层网络的结构图,标出每一层的梯度方向,用不同颜色的笔标注了梯度消失和梯度爆炸的区域。

    梯度消失的根源在激活函数。用ReLU替换Sigmoid,大部分情况就能解决。如果还不行,考虑残差连接。

    他讲这部分的时候语速比平时快,但每个步骤都讲得很清楚。群里有人在同步截图,有人说记笔记记不过来。林晨看了一眼聊天框,说了一句:课后我会把白板的截图发到群里。现在先听。

    答疑结束的时候已经十点半了。林晨关掉视频会议,揉了揉眼睛。钉钉群里还有十几条未回复的消息,都是学员下午发的问题。他一条一条看,能一两句回答的就直接回,需要看代码的就让他们把代码贴到共享文档里。

    有一个学员晚上十一点还在群里问问题,林晨回了一句:先睡,明天再看。然后他关掉手机,去厨房倒了一杯水。

    陈铭有一次在T厂的茶水间碰到他。那是个周三的下午,林晨刚从会议室出来,手里端着一杯黑咖啡,靠在茶水间的吧台边上刷手机。陈铭走过去接热水,瞥了一眼他的屏幕,上面是钉钉群的消息列表,密密麻麻的消息全是学员发的代码截图。

    你最近周末都在忙什么?陈铭问了一句。我看你钉钉经常在线。

    在线上带几个人学AI。

    免费的?

    免费的。

    陈铭点了一下头,没有再问。他端着水杯站在窗边,看了一眼楼下的停车场。两年前他们面试的时候,林晨的简历上写着从零到拿到offer用了九个月。陈铭当时就记住了这个人。

    需要帮忙吗?陈铭问。

    暂时不用。人还不多,我一个人能应付。

    陈铭喝完水,把杯子放回吧台上。有需要跟我说。

    林晨嗯了一声,继续刷手机。

    张雨也知道了训练营的事。她在一次周会上跟林晨说:林总,我能不能也去讲一节课?数据工程的方向我可以讲。

    林晨想了一下。可以。下周六的答疑你来讲数据清洗和特征工程,我讲模型训练。一人一半时间。

    张雨准备了一整周。她做了五年数据工程师,从数据采集到特征构建,每一步都踩过坑。周六那天她打开共享屏幕,从数据缺失值的处理开始讲起。她讲得很细,每个步骤都配合着真实的代码示例,连缺失值的类型都分了两类:随机缺失和非随机缺失,每种类型的处理方式不同。

    随机缺失你可以看它跟其他特征的关系来决定怎么补,非随机缺失你得重新想数据采集的方式。她一边说
>>>点击查看《AI时代:码农的涅盘重生》最新章节