هنگام توسعه یک برنامه ، داده ها را استفاده لزوماً با همان فرکانس واکشی یا اصلاح نمی شود. همچنین ، با توجه به این فرکانس ، به همان شیوه پردازش نمی شود.
برای نشان دادن این تفاوت ، ما در مورد دمای داده ها صحبت می کنیم.
مقایسه داده های سرد و گرمباید توجه داشت که مفهوم دما باید به یک زمینه مرتبط شود. به عنوان مثال ، در یک شبکه اجتماعی مانند فیس بوک: عکسهای 10 ساله در سابقه نمایه شما به عنوان داده های سرد در نظر گرفته می شوند. 3 روز ، همچنین به عنوان داده سرد در نظر گرفته می شود. این در حالی است که ما در مورد روزها صحبت می کنیم نه سالها.
داغ داده ها عموماً ارزش بیشتری دارند ، از این رو در دسترس بودن آنداده های داغ عموماً بسیار ناپایدار هستند ، مشروط به تغییرات مکرر و باید در اسرع وقت در دسترس باشند.
به عنوان مثال ، داده های موجود در ابر مانند عکس های ما با وجود این واقعیت که لزوماً هر روز به آنها دسترسی نداریم (و این مشکل ذخیره سازی ابر است ، زیرا در دسترس بودن گران تر است) داده های داغ محسوب می شوند. < /p>
ما همچنین از نظر تعداد دفعات بروزرسانی در مورد داده های داغ صحبت خواهیم کرد ، به عنوان مثال داشبورد سهم بازار سهام یک داده داغ است ، نرخ مبادلات در همه زمانها متفاوت است.
داده های سرد در مقایسه با دفعات مشورت بسیار نادر به روز می شوند.
بایگانی پرونده هایی که اغلب مورد بررسی قرار نمی گیرند ، به عنوان مثال ، داده های سرد هستند. این کاملاً با یک HTTP یا خط مشی کش دیگر و با سخت افزار با کارایی پایین مطابقت دارد. عموماً نیازی به ذخیره شدن بر روی دیسک در دسترس نیست.
علاوه بر این ، نگهداری داده های سرد به دلیل قیمت تجهیزات و تکنیک های مورد استفاده ارزان تر است. برای جلوگیری از محاسبات غیر ضروری ، دیسک ها یا حافظه پنهان را کند کنید. به خاطر داشته باشید که سیاست های ذخیره سازی و ذخیره سازی این داده ها را به منظور بهینه سازی هزینه ها ، عملکرد خود و همچنین در مورد محیط زیست و حفاظت از کره زمین تنظیم کنید. >
زبانهای برنامه نویسی
پایتون
< uli> به پایتون فکر کنید: چگونه یک فرد مانند یک متخصص کامپیوتر فکر می کند آلن داونیزبان برنامه نویسی R
SQL
آمار و یادگیری آماری
علم داده به طور کلی
پردازش داده
تجزیه و تحلیل داده ها
یکی از بهترین مقاله های مربوط به کتابهای علم داده و یادگیری ماشین که خوانده ام: برای یادگیری علم داده و یادگیری ماشین ، این کتابها را رایگان بگیرید. مانند یک متخصص توسط Kunal Ajay Kulkarni
داده کاوی و یادگیری ماشین
بازیابی اطلاعات
تجسم داده
مصاحبه با دانشمندان داده
تشکیل تیم های علم داده
ابزارهای محاسبه توزیع شده
داده های بزرگ
به یادگیری و برنامه نویسی ادامه دهید ؛)
معرفی مارک وبر ، مدیر سرپرستی ، برنامه تاریخچه اینترنت
مشارکت ها و بینش ها توسط دیوید سی براک ، مدیر ، مرکز تاریخ نرم افزار ؛ مارگریت گونگ هنکوک ، مدیر اجرایی ، مرکز نمایی ؛ هانسن هسو ، سرپرست ، مرکز تاریخ نرم افزار ؛ ، و مورخ ؛ داگ اسپایسر ، سرپرست ارشد ؛ و مارک وبر ، مدیر متولی برنامه تاریخ اینترنت تلفن همراه در حال تبدیل شدن به متداول ترین دستگاه الکترونیکی روی زمین با بیش از 2.7 میلیارد کاربر بود. با این حال تقریباً به یک اندازه روشن بود که رویدادهای اصلی در سیلیکون ولی یا حتی ایالات متحده اتفاق نمی افتد.
از سال 1999 ژاپن با نسخه خاص خود از وب تلفن همراه ، حالت i-mode ، به همه چیز از نقشه های تلفن همراه گرفته تا خرید آنلاین متصل شده بود. وقتی نوبت به بازار کوچک اما در حال رشد انبوه گوشی های هوشمند می رسید ، سیستم عامل Symbian اروپا - که نوکیا یکی از شرکای اصلی آن بود - به احتمال زیاد موفق می شد. بازار سودآور تلفن های هوشمند تجاری متعلق به بلک بری امن و با نوع آسان کانادا بود.
تنها مدعی محلی Palm Treo بود. این یک تلفن هوشمند همه کاره بود که بر اساس سیستم عامل زیبا و کاربر پسند Palm طراحی شده بود. اما بیشتر برای گیک های آمریکایی شناخته شده بود. سابقه مشاغل سنگین نخل این شرکت را بسیار کوچک نگه داشته است تا در جهان بزرگتر حضور داشته باشد.
این واقعیت که استفاده از تلفن همراه ایالات متحده - و شبکه ها - سالها از سایر کشورها عقب افتاده است ، کمکی نکرد. ، و به دو استاندارد رقیب (GSM و CDMA) تقسیم شد. به نظر می رسید که این تنها یک رکورد 20 ساله محلی از شکست محاسبات دستی را تأیید می کند-نیوتن اپل ، Go Eo ، جنرال مجیک ، راهنمای جانبی و موارد دیگر.
شش سال سریع جلو بروید. گوشی ای که دفعه قبل وجود نداشت مرکز ثقل جهانی توسعه موبایل را به سیلیکون ولی باز کرده بود و ظاهر ، احساس و مدل تجاری تقریباً همه تلفن های هوشمند دیگر را در طول مسیر تغییر داد. مهمتر از همه ، پلت فرم آیفون و اندروید آرشیو جدید آن ، تلفن هوشمند را از یک اسباب بازی عالی به میدان نبرد برای کل جهان متصل تبدیل کرده بود. خطوط درگیری دیگر بین مرورگرها نبود ، بلکه بین سیستم عامل های تلفن همراه ، خود وب در مقابل برنامه های مستقل و حتی رایانه های لوحی در مقابل رایانه ها بود. قبلا وارد کردن متن بر روی آن ناخوشایند بود و نه به سرعت ، و در ابتدا 500 دلار هزینه داشت. اما نگاه کردن به مواد تشکیل دهنده آن مانند این است که بگوییم پخت و پز سطح میشلن با روغن و پیاز مشابه غذاهای ناهارخوری انجام می شود. مهم این است که چه چیزی را داخل یا خارج می گذارید و ارائه آن اهمیت دارد.
آیفون در 9 ژانویه 2007 در یکی از دموهای خیره کننده استیو جابز معرفی شد. در 29 ژوئن عرضه شد. اپل یک میلیون دستگاه از آنها را در سه ماه و بیش از یک میلیارد تا به امروز فروخت.
استیوجابز آیفون اصلی را در 9 ژانویه 2007 معرفی کرد. عکس © Apple. میلیون ها کلمه در مورد آنچه باعث موفقیت آیفون شده است نوشته شده است. علاوه بر هنرمندی کامل در طراحی آن از نرم افزار تا بسته بندی ، در اینجا پنج ویژگی ذکر شده است: کیف پول. کلیدها و عملکردهای تلفن را می توان به دکمه های نرم افزار منتقل کرد.
این که شبکه های تلفن همراه اخیراً به حدی سریع شده اند که از مرور کامل وب در آن صفحه بزرگ پشتیبانی کنند ، ضرری نداشت. همچنین تجربه اپل با فروشگاه فوق العاده موفق iTunes به سرعت به App Store و معادل نسخه اندرویدی ترجمه شد (ناگفته نماند خدماتی که از سواری گرفته تا بررسی برنامه ها و برنامه های متصل به آنها). مطمئناً ضرری نداشت که استیو جابز (هنوز) در اوج قدرت خود باشد.
اما پیروزی آیفون بیشتر از آن چیزی که بسیاری از ما به خاطر داریم ، طول کشید.
هنگامی که برنامه را توسعه دادم گالری محاسبات موبایل برای نمایشگاه دائمی انقلاب موزه در سالهای 2009 و 2010 ، مرکز ثقل داستان تلفن های هوشمند هنوز به شدت در خارج از دره سیلیکون قرار داشت. من با پیشگامان ژاپنی و سوئدی مصاحبه کردم و به لندن رفتم تا با سازندگان سیمبیان و سیستم عامل اولیه Psion که بر اساس آن ساخته شده بود مصاحبه کنم. گروه محلی توسط Palm Treo ، که هنوز مدعی است ، و این ابزار جدید اپل ، نمایندگی شد. اندروید - به سرپرستی اندی روبین ، فارغ التحصیل اپل - به عنوان چهره جدید تلفن همراه به iOS آیفون پیوست. اما رقبا هنوز چند کارت برای بازی داشتند. آنها امیدوار بودند هم از مدل iOS/Android تقلید کنند و هم یک یا چند مورد از نقاط ضعف آن را برطرف کنند: کمبود راه های عملی برای ایجاد و نه صرفاً استفاده از محتوا. آدرس ها ، تقویم ، کارهای انجام شده و یادداشت ها ضعیف ادغام شده اند. و فقدان امنیت ، همگام سازی آسان یا اتصال با لوازم جانبی. چنین ویژگی هایی ممکن است اهمیت بیشتری داشته باشند زیرا تلفن همراه iPad را از تلفن به تبلت دنبال می کند.
اما پس از آن ویندوزفون 8 مایکروسافت از بین رفت و بازار تلفن های هوشمند نوکیا را به همراه تبلت مایکروسافت ، Surface ، از بین برد. با ترک HP از WebOS ، میراث Palm وارد آخرین مراحل انحلال شد. سیستم عامل "قاتل آیفون" ² Blackberry 10 خراب شد. سرانجام دنیای موبایل در حال حاضر متعلق به اپل و گوگل - و دره سیلیکون است.
امسال ، بسیاری از تیم متولی CHM در حال بررسی نگاهی جامع به تکامل iPhone با پروژه iPhone 360 هستند. تکنیک های اصلی شامل تاریخ شفاهی ، جمع آوری نرم افزار ، اسناد ، اشیاء و موارد دیگر و رویدادهای عمومی و خصوصی است. این تیم یک همکاری داخلی بین مرکز نمایی است که مدیر آن مارگریت گونگ هنکوک هماهنگ کننده کل تلاش است ، هانسن هسو و دیوید بروک از مرکزتاریخچه نرم افزار ، جان مارکوف ، مورخ ، داگ اسپایسر ، و من از برنامه تاریخ اینترنت. به قول مرحوم استیو جابز ، "این یک جادو است". برای بازگرداندن مجدد سفر ، این فهرست را دنبال کنید.
ون جایی که "اینترنت در آن متولد شد" به طور مشهور برای آزمایش پروتکل های اینترنتی مورد استفاده ما در سال 1977 استفاده شد. اما این ون در ابتدا در سال 1973 برای تحقیقات بنیادی در زمینه شبکه های رادیویی موبایل و بسته بسته بندی شده بود و با تجهیزات پیشرفته پر شده بود. اینها اساس خدمات داده تلفن همراه امروز است.
ثبت کاتالوگ | SRI Mobile Van
فیلم جشن | سی امین سالگرد نقطه عطف اینترنت
مشارکت مارک وبر ، مدیر سرپرستی ، برنامه تاریخچه اینترنت
در سال 1977 ، Apple II محصولی بود که اپل را به عنوان یک شرکت معرفی کرد و رایانه های شخصی را از دست علاقه مندان به بازار وسیع تری خارج کرد. مانند آیفون امروزی ، Apple II به یک نرم افزار موفق نرم افزاری ، مخصوصاً برای بازی ها تبدیل شد. همانند آیفون ، اپل II حتی پس از معرفی محصولات بعدی ، بیشترین سود را برای اپل فراهم کرد. هر دو منجر به رشد نمایی شد. با فروش Apple II ، اپل در ماه می 1983 به Fortune 500 رسید. با پشتیبانی iPhone ، اپل در آگوست 2012 بزرگترین شرکت از نظر سرمایه بازار شد.
نمایشگاه | "کامپیوتر برای همه" در گالری کامپیوترهای شخصی ، انقلاب: اولین 2000 سال محاسبه
تاریخ شفاهی | مایک مارکولا
مجموعه | Apple Computer Inc. پیش نویس محرمانه ارائه یادداشت
مشارکت هانسن هسو ، سرپرست ، مرکز تاریخ نرم افزار
همانطور که معرفی آیفون توسط استیو جابز در سال 2007 باعث تغییر محاسبات شد ، معرفی مکینتاش در سال 1984 نیز تغییر کرد. اگرچه هیچ یک از محصولات در دسته خود اولین نبودند ، اما هر دو انقلابی در نحوه تعامل کاربران با رایانه های خود ایجاد کردند. با Mac ، کاربران اکنون می توانند رایانه های شخصی خود را به صورت گرافیکی ، با ماوس ، و نه با دستورات متنی مبتنی بر متن کنترل کنند. مک توسط مایکروسافت ویندوز کپی شد و امروزه همه رایانه های شخصی مانند مک کار می کنند. با استفاده از آیفون ، کاربران می توانند تلفن های هوشمند خود را مستقیماً با انگشتان خود کنترل کنند. آیفون توسط اندروید Google کپی شد و امروزه همه تلفن های هوشمند مانند یک iPhone کار می کنند.
مقاله و ویدئو | "اولین" Stevenote "، توسط جاناتان روتنبرگ ، بنیانگذار انجمن کامپیوتر بوستون
نمایشگاه | "گفتن آن با تصاویر" ، در گالری رایانه های شخصی ، انقلاب: اولین 2000 سال محاسبات
مشارکت هانسن هسو ، سرپرست ، مرکز تاریخ نرم افزار
Newton MessagePad اولین رایانه جیبی اپل بود که در سال 1993 عرضه شد. دستگاه نیوتن مبتنی بر قلم به دلیل ضعیف بودن دستخط خود بدنام بود و موفقیت چندانی نداشت. سپس مدیرعامل اپل ، جان اسکالی ، اصطلاح "دستیار دیجیتال شخصی" را برای توصیف نیوتن ، دسته ای که بعداً تحت سلطه PalmPilot قرار گرفت ، مطرح کرد. مدلهای بعدی بهبود یافتند ، اما محصول بهبود یافتدر بازگشت استیو جابز در سال 1997 کشته شد. شاید مهمترین میراث نیوتن استفاده از ریزپردازنده ARM بود. امروزه تراشه های ARM مغز هر آیفون هستند.
Catalog Record | Newton Message Pad 110
نمایشگاه | "قلم از صفحه کلید قوی تر است" ، در گالری محاسبات موبایل ، انقلاب: اولین 2000 سال محاسبات
مشارکت هانسن هسو ، سرپرست ، مرکز تاریخ نرم افزار
ثبت فهرست | Mac OS X ، 102776949
تاریخ شفاهی | Avadis Tevanian
مقالات | "تاریخچه مختصری از Objective-C" و "NeXT: IPO استیو جابز dot.com که هرگز اتفاق نیفتاده است" ، توسط Hansen Hsu
توسط Hansen Hsu ، سرپرست ، مرکز تاریخ نرم افزار
تلفن هوشمند پیشگام Simon 1993 دارای صفحه نمایش لمسی نوآورانه بود اما به عنوان محصول ناموفق بود. چهار خط اول تلفن های هوشمند موفق از نظر جغرافیایی پراکنده بودند. اریکسون P800 سیستم عامل Symbian را اجرا می کرد ، که مشترکاً بین نوکیا و پیشگام دستی بریتانیایی Psion انجام می شد. BlackBerry 5810 اولین مدل بود که یک تلفن هوشمند و همچنین یک دستگاه ایمن ایمن بود. تلفن های i-mode مانند این از NTT Docomo در وب تلفن همراه سفارشی ژاپن گشت و گذار کردند. گوشی هوشمند Handspring (بعداً Palm) Treo بر اساس PDA های محبوب Palm و تنها مدعی محلی ساخته شد.
نمایشگاه | "تلفن ها هوشمند شوند" ، گالری محاسبات موبایل ، انقلاب: اولین 2000 سال محاسبه
مقاله | "وقتی دره سیلیکون متوجه شد که می تواند محاسبه را در جیب شما بگذارد ،" نوشته جان مارکوف
تاریخ شفاهی | چارلز دیویس و جف هاوکینز
ویدئوی رویداد | "محاسبه در جیب شما: ماقبل تاریخ آیفون در دره سیلیکون" ، با حضور اعضای هیئت مدیره: استیو کپس (نیوتن) ، دونا دوبینسکی (Handspring/Palm) ، جری کاپلان (Go Corp.) و مارک پورات (جنرال عمومی). < /p>
بینش رویداد | "محاسبه در جیب شما: ماقبل تاریخ iPhone در سیلیکون ولی" ، نوشته جان مارکوف
مشارکت مارک وبر ، مدیر سرپرستی ، برنامه تاریخچه اینترنت
دستگاه پخش موسیقی بسیار موفق iPod راه را برای iPhone هموار کرد. این نشان داد که اپل می تواند یک محصول الکترونیکی موفق را طراحی کند و تعدادی از اعضای تیم را که بعداً روی iPhone کار می کردند گرد هم آورد. این نشان داد که اپل می تواند یک شرکت رسانه ای باشد. مهمتر از همه ، iPod به علاوه فروشگاه i-Tunes نشان داد که اپل می تواند یک اکوسیستم یکپارچه از سخت افزار ، نرم افزار ، محتوا و تجارت الکترونیکی را ایجاد کند. نکته اصلی فروش آیفون ،البته ، این بود که یک پخش کننده موسیقی iPod نیز بود. به به .
ثبت کاتالوگ | آی پاد ، 102757290
نمایشگاه | "نوآوری اخلال گر" ، گالری MP3 ، ایجاد نرم افزار: تغییر جهان!
مشارکت مارک وبر ، مدیر سرپرستی ، برنامه تاریخچه اینترنت
تونی فادل طراح رایانه جوان بود که هنگام استخدام به عنوان پیمانکار برای طراحی اولین iPod در General Magic کار کرده بود. او در ادامه توسعه سخت افزاری اولین آیفون را هدایت می کند و سپس اپل را ترک می کند تا Nest را تاسیس کند ، شرکتی که یک ترموستات متصل طراحی کرده است ، که در سال 2014 به قیمت 3.2 میلیارد دلار به گوگل فروخته می شود.
Event Insights | "محاسبه برای کل جهان" ، توسط جان مارکوف
مشارکت توسط جان مارکوف ، مورخ و روزنامه نگار
در سال 2006 ، یک سال قبل از معرفی آیفون ، به نظر می رسید که نوآوری در دستگاه های تلفن همراه در حال دور شدن از سیلیکون ولی است. محاسبات بی سیم در اروپا سریعتر از ایالات متحده پیشرفت می کرد. وقتی استیو جابز روی صحنه در مرکز Moscone در سانفرانسیسکو روی صحنه رفت و اظهار داشت که "سه محصول انقلابی" را در یک بسته - آیفون ، معرفی می کند ، همه چیز به یکباره تغییر می کند.
آیفون چگونه به وجود آمد؟ در 20 ژوئن ، چهار نفر از اعضای تیم توسعه اصلی در مورد پروژه محرمانه اپل بحث کردند که در دهه گذشته صنعت رایانه را تغییر داده ، چشم انداز تجارت را تغییر داده و به ابزاری در دست بیش از یک میلیارد نفر در سراسر جهان تبدیل شده است.
بینش رویداد | "ایجاد جادو: مکالمه با مهندسان اصلی آیفون و تیم نرم افزاری اسکات فورستال ،" توسط جان مارکوف
مشارکت جان مارکوف ، مورخ و روزنامه نگار
در نمایشگاه تجاری Macworld 2007 ، جابز اعلام کرد که اپل کلمه "Computer" را از نام خود حذف کرده و به سادگی "Apple Inc." می شود. این حرکت باعث تغییر عمیق در جهت شرکت شد و نشان از جاه طلبی ظاهرا نامحدود آن در بازار چند میلیارد دلاری محصولات روشن مصرفی داشت. در نمایشگاه Macworld ، جابز همچنین بخش معمول "یک چیز دیگر" از ارائه خود را برای یک اعلامیه پرفروش دیگر ذخیره کرد: iPhone. او آن را چیزی کمتر از اختراع مجدد تلفن توصیف نکرد: ترکیبی از "iPod با صفحه نمایش عریض و کنترل های لمسی" ، "تلفن همراه انقلابی" و "ارتباط دهنده دستیابی به موفقیت در اینترنت".
مقاله | "استیو جابز: از گاراژ تا با ارزش ترین شرکت جهان" ، توسط داگ اسپایسر
مشارکت داگ اسپایسر ، سرپرست ارشد
p http://www.icinsights.com/news/bulletins/Worldwide-Cellphone- اشتراک ها-پیش بینی-فراتر-از-جمعیت-جهان-در-2015/
² http://www.huffingtonpost.ca/2013/09/30/blackberry-iphone-killer-verizon_n_4017227.html < /p>
مصاحبه توسط ML Ball
استادیار ریاضیات کارلوس فرناندز گراندا به تازگی به دانشکده موسسه Courant پیوسته است علوم ریاضی و مرکز علوم داده و در حال تدریس "روش های آماری و ریاضی" ، دوره مورد نیاز برای کارشناسی ارشد علوم داده است. فرناندز گراندا که اهل مادرید است ، مدرک دکتری خود را دریافت کرد. در مهندسی برق از دانشگاه استنفورد ، M.S. در ریاضیات کاربردی (یادگیری ماشین و بینایی رایانه) از École Normale Supérieure de Cachan (پاریس) و مدارک مهندسی از Universidad Politécnica de Madrid و École des Mines (پاریس).
در پاییز امسال ، شما در حال تدریس دوره مقدماتی روشهای آماری و ریاضی مورد نیاز برای علم داده. آیا از آن لذت می برید؟
بله ، من از آموزش بسیار لذت می برم. هدف این دوره این است که به دانش آموزان زمینه ای در زمینه احتمال ، آمار ، جبر خطی و بهینه سازی ارائه شود تا بتوانند الگوریتم های پیشرفته تری را در یادگیری ماشین و علم داده درک کنند. اکثر دانش آموزان برای دوره کارشناسی ارشد خود می روند ، هرچند در ابتدا مطالب آنقدرها هم پیچیده نیستند ، اما من سعی می کنم آن را در سطحی دقیق تر از آنچه احتمالاً در مقطع دبیرستان دیده اند ، مورد بررسی قرار دهم. من به آنها دیدگاه عملی در مورد موضوعات ارائه می دهم ، اما جنبه های تئوریک بیشتری را نیز به آنها می گویم تا هر دو را بشناسند. مانند بیشتر - به طور خاص ، احتمالاً و جبر خطی. همچنین ، بسیاری از تحقیقات من در زمینه بهینه سازی است ، بنابراین بسیار مناسب است. من یادداشت های خودم را می نویسم زیرا در واقع کتابی وجود ندارد که شامل تمام ریاضیات اولیه مورد نیاز شما برای علم داده باشد. من واقعاً از تدریس این موضوع که اساسی است اما می تواند بسیار مشکل باشد لذت می برم. من فکر می کنم برای درک درست الگوریتم های پیشرفته برای دانش آموزان مهم است.
در مورد احتمال ، آمار ، جبر خطی و بهینه سازی چه چیزی به شما علاقه دارد؟
همه آنها برای علم داده به نظر من احتمال ، روشی بسیار مفید برای برخورد با عدم قطعیت و دانش جزئی به صورت اصولی است. جبر خطی به ما امکان می دهد مدلهای خطی با تفسیرهای هندسی بصری بسازیم. آمار به ما این امکان را می دهد که از داده ها نتیجه گیری کرده و صحت این نتایج را بررسی کنیم. در مورد بهینه سازی ، شاید ده تا بیست سال پیش ، بسیاری از افرادی که در زمینه کارشناسی ارشد در زمینه آمار مشغول به کار بودند ، بهینه سازی را فرا نمی گرفتند ، اما اکنون این امر اهمیت فزاینده ای پیدا می کند ، زیرا به ما امکان می دهد از مدل های انعطاف پذیر و پیچیده تری استفاده کنیم. برای درک رویکردهای مختلف علم داده که در برنامه در معرض آنها قرار می گیرد ، دانش آموزان باید در هر یک از این چهار زمینه دارای پایه های قوی باشند.
سابقه شما چگونه شما را برای کار فعلی شما آماده کرده است؟
من در مادرید بزرگ شدم. پدرم مهندس برق و مادرم پزشک بود. در دبیرستان ، من عمدتاً به ادبیات علاقه داشتم ، اما در نهایت کارشناسی مهندسی برق را انجام دادم. در اسپانیا ، برای افراد متداول استدانش آموزان خوب به مهندسی برق بروند زیرا از نظر علمی معتبر است ، مانند فیزیک در آلمان. خوشبختانه ، من دوره های ریاضی و برنامه نویسی را بسیار دوست داشتم ، بنابراین معلوم شد. همچنین به من اجازه داد در یک سال و نیم گذشته در پاریس در l’École des Mines کار کنم ، که یک فرصت عالی بود. از آنجا که می خواستم در مورد یادگیری ماشین ، هوش مصنوعی و بینایی رایانه ای بیاموزم ، همزمان در Ecole Normale کارشناسی ارشد انجام دادم. آنجا بود که فهمیدم این مناطق را خیلی دوست دارم. سپس من پایان نامه کارشناسی ارشد خود را در فیلیپس در آلمان در زمینه تصویربرداری رزونانس مغناطیسی انجام دادم و واقعاً از آن بسیار لذت بردم. من برنامه را دوست داشتم اما متوجه شدم که در مورد چارچوب نظری که زیربنای برخی از الگوریتم ها است ، آنقدر که می خواستم نمی دانم ، به همین دلیل تصمیم گرفتم برای دکترا
چقدر آیا روش ریاضی و علم داده از کشوری به کشور دیگر متفاوت است؟ نظریه اسپانیا کمتر احتمالاً به دلیل عدم وجود سنت است. من نمی توانم در مورد آلمان خیلی اظهار نظر کنم زیرا زمانی که من آنجا بودم ، در شرکتی مشغول تحقیق بودم.
در مورد دانشگاه های آمریکا ، با محققان زیادی ملاقات کردم که بسیار کاربردی هستند اما هنوز به نظریه علاقه دارند. به در عین حال ، بیشتر محققان نظری اغلب از برنامه های کاربردی دانش خوبی دارند. من این را بسیار جذاب می دانم.
موضوع دکتری شما چه موضوعی بود. در استنفورد؟
قبل از اخذ دکترا ، الگوریتم هایی برای تصویربرداری رزونانس مغناطیسی بر اساس بهینه سازی ایجاد کردم. من به این روش ها بسیار علاقه مند بودم و همانطور که قبلاً اشاره کردم ، می خواستم نظریه زیرین را بهتر درک کنم. در دانشگاه استنفورد ، دکترای من زیر نظر امانوئل کاندس بود که در روشهای مبتنی بر بهینه سازی برای مشکلات معکوس بسیار تأثیرگذار بوده است. من مطالعه کردم که چگونه می توان این الگوریتم ها را برای مشکلاتی مانند وضوح فوق العاده در میکروسکوپ فلورسانس و ضمانت های نظری مشتق شده به کار برد که نشان می دهد تحت چه شرایطی می توانیم انتظار داشته باشیم که آنها کار کنند.
از یک سو ، من هنوز به تجزیه و تحلیل نظری روشهای تحلیل داده بر اساس بهینه سازی علاقه دارم. از سوی دیگر ، من به کاربردهای کاربردی تری مانند مرتب سازی سنبله در علوم اعصاب علاقه مند شده ام. این مشکل مستلزم پردازش داده ها از حسگرهایی است که سیگنال های نورون های مختلف را دریافت می کنند. شما می خواهید این سیگنال ها را مخلوط کنید تا تصمیم بگیرید کدام یک از هر نورون بیرون می آید. بسیاری از چالش های جالب مانند حجم زیاد داده ها وجود دارد. از آنجا که اندازه گیری های زیادی وجود دارد ، بسیار مهم است که اطمینان حاصل کنید که الگوریتم ها را برای قسمت هایی از داده که فعالیت در آنها وجود دارد به کار می برید. در غیر این صورت همه چیز از نظر محاسباتی بسیار گران می شود.
در علم داده ، اکتشافات بزرگ بعدی را از کجا می بینید؟
اخیراً پیشرفتهای شگفت انگیزی در یادگیری ماشین در مورد مشکلات به وجود آمده است. در بینایی رایانه ای و تشخیص گفتار این پیشرفت ها در دسترس بودن مجموعه داده های عظیم با نمونه های حاشیه ای امکان پذیر شده است. من فکر می کنم یک چالش مهم در آینده استسال است که بتوانیم این تکنیک ها را در زمینه های دیگر که در آن اطلاعات زیادی نداریم به کار گیریم. برخی از ایده ها قطعاً باید منتقل شوند ، اما شما مجبور خواهید بود از داده ها به شیوه ای ظریف استفاده کنید ، زیرا آنها به خوبی طبقه بندی نمی شوند. به عنوان مثال ، تشخیص پزشکی ، علوم اجتماعی ، اقتصاد ، سیاست - شما داده های زیادی در این زمینه ها دارید اما معمولاً بسیار ناهمگن هستند ، بنابراین نمی توانید مشکلاتی را ایجاد کنید که به اندازه "بیایید چهره برخی افراد را شناسایی کنیم" تمیز است.
در حال حاضر ، ما تکنیک های کلان داده هیجان انگیز داریم که در مواردی مانند بینایی رایانه بسیار خوب کار می کنند ، اما هنوز باید نحوه استفاده از آنها را در بسیاری از زمینه های دیگر که می توانند تأثیر داشته باشند ، بررسی کنیم. معلوم نیست چگونه می توان داده ها را کنار هم جمع کرد ، قسمت های جالب را شناسایی کرد و سپس آنها را به روش های پیچیده ترکیب کرد - این همان چیزی است که ما می توانیم در صورت داشتن مجموعه داده های عظیم تنظیم کنیم ، مانند دید رایانه. این چیزی است که من فکر می کنم جذاب است.
آیا زندگی در نیویورک و کار در Courant و CDS برای شما مناسب است؟
از آمدن به نیویورک بسیار هیجان زده بودم. من فکر می کنم Courant مکان بسیار خوبی برای بودن است. من بیشتر ریاضی دارم ، بنابراین در اینجا بیشتر از بخش مهندسی خوشحالم. اما در عین حال ، احساس می کنم ارتباط قوی ای با برنامه ها وجود دارد. من در حال حاضر به علوم اعصاب علاقه مند شده ام و Courant/CDS مکانی ایده آل برای انجام چنین کارهایی است.
ابتدا در cds.nyu.edu در 26 اکتبر 2015 منتشر شد.
اخیراً تیتری را دیدم که مرا متوقف کرد و داستان را خواند. این از IFLScience بود و مقاله "افراد مبتلا به افسردگی از زبان متفاوت استفاده می کنند. در اینجا نحوه تشخیص آن وجود دارد. " کسانی از شما که از علاقه دائمی من به بیماری های روانی ، علم و…
خبر دارید