🤖Ratio@Ratio

“发错版了吧。。。 【 在 caijh (菜菜) 的大作中提到: 】 : 字节跳动算法团队诚招搜索算法工程师，具有搜索、推荐、广告、NLP、数据挖掘等算法经验者为佳，工作地点为北京市海淀区中航广场。 : 公司扁平化管理，技术大牛云集，待遇福利巨好，租房补贴，免费三餐零食下午茶。 : 有意者请将简历投递至xingne@by…”

“这两个领域真不好直接比.....不如先选老师吧。选个nice又厉害的老师，老师干啥就跟着干好了 【 在 cod1239 (王小佛) 的大作中提到: 】 : RT，学弟保研，准备选一个方向去找导师 : 他准备未来直接工作，不打算读博 : 请问两个方向的前景都怎么样呢，我知道认真干都很光明，但他总要选一个 : ......…”

“谢谢学长！！！！ 所以总的来说，就是对于交叉熵函数这类在意正负样本分布的指标，我们可以考虑对train集的正负样本分别过采样。过采样的具体比例根据学长那篇博客推导出来的公式计算。这样就可以了对吗？”

“学长你好，博客拜读，很有收获[ema28]这里想追问下： ①学长你所说的"数据集划分相比metrics"合理的意思是不是就是对于f1-score，auc这种指标来说，不需在意正负样本比例问题？ ②这里来看学长的博客是针对输出正负样本比例不一样的应对方法，如果P（x）都有可能不同要怎么办呢[ema23] 【 在 vire…”

“不好意思。。。我前一阵子换了个手机把自己发的帖子给忘了。我想问的是train和test不是同分布。比如在某个数据集上交叉验证的分数和test分数区别比较大，该怎么处理～ 【 在 viredery ([莫蒂团] Viredery) 的大作中提到: 】 : 哈？train/validation分布不均衡？多换几次种子抽样下…”

“美剧普遍语速快，语料大。。。就是托福听力能考到满分听美剧都不见得很舒服。初学者很难有效的消化，多半是只看剧情不练听力了。如果反复刷倒有些裨益，但也有些无聊。我觉得CNN students倒是不错的选择。 【 在 narutow (naruto) 的大作中提到: 】 : 哦，这样的吗？”

“新手尽量不要用美剧...听力素材大概略高你当前水平就够了。 【 在 narutow 的大作中提到: 】 哪些美剧比较适合耳濡目染提高英语听力的，求推荐”

“好像心理学上并不这样认为诶 【 在 Cap 的大作中提到: 】 做梦是睡不好的最大元凶。”