京公网安备 11010802034615号
经营许可证编号:京B2-20210330
Google更多的数据胜过更好的算法 _数据分析师
时下大数据的关注是越来越高,关于大数据的讨论也是火热异常。而作为玩转大数据的巨头之一Google对数据的重视更是非同一般,这次Google给我们带来的是更多是数据意味着更好的语音识别。其产品研发总监Peter Norvig更认为:更多的数据胜过更好的算法!
Google发布的新研究论文详述了语音识别程序幕后的数据科学,包含了语音搜索和向YouTube视频中添加文字说明和标签。虽然其中的算法多数人都无法掌握,但是思想却是完全可以理解的。论文的出发点在于人们对大数据热衷的原因及为工作选择合适数据集的重要性。
Google自始至终都认为数据是越多越好,用产品研发总监Peter Norvig的话就是:更多的数据胜过更好的算法。尽管Norvig的评价中还有一些对算法的吹毛求疵,但是显然更多的人接受了这篇论文并在大数据领域引起了热烈的讨论。模型用来学习的数据越多,模型就会变的越精确 即使开始时不是最尖端的。
言归正传,下面我们来看一下更多的数据在语音识别系统的改善中所起到的作用。研究人员发现数据集和大型语言模型(维基百科对Google 研发中涉及到的n-gram模型的解释)可以降低在收到第一个单词时推测下一个单词时的错误率。比如Google高级研究员在10月31日关于这项研究的博客中给出的例子:一个好的模型在前两个单词是New York时推测下一个词时会更多的选择pizza而不是granola。在做语音搜索时,他的团队发现:模型的大小每增加两个数量级就可以减少10%的关系词错误率。
这里的关键在于什么类型的数据集对你的模型有益,不管它们是什么。对于搜索的测试,Google使用google.com匿名查询的随机样本中抽取没有出现拼写校正的230个单词。因为人们讲话和写作不同于普通的打字搜索,所以YouTube模型的数据都是来自新闻报道的录音和大型网站上的抓取。他们写道:单纯的就语言建模而言,各种各样的话题和口语风格让大型网站抓取成为语言模型建立的很好选择。
虽然这个研究并不一定具有突破性,但是却道出了大数据和数据科学为什么会在今天引起这么多的注意。随着消费者需求更智能的应用程序和更无缝的用户体验,每一块数据的选择及每一块数据对应分析方案无疑都是重中之重!(文章来源:CDA数据分析师)
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22