导航:首页 > 源码编译 > 算法大师简介

算法大师简介

发布时间:2023-02-11 17:10:17

1. 数据结构与算法分析的作者简介

MarkAllenWeiss,1987年在普林斯顿大学获得计算机科学博士学位,师从着名算法大师RobertSedgewick,现任美国佛罗里达国际大学计算与信息科学学院教授。他曾经担任全美AP(AdvancedPlacement)考试计算机学科委员会的主席(2000-2004)。他的主要研究方向是数据结构,算法和教育学。

2. 世界上出名的数学家(10个)简介 每个200字以上 就说他的经历说过的话等 高分悬赏 回答了50给你

世界着名的数学家
Weierstrass 魏尔斯特拉斯(古典分析学集大成者,德国人)
Cantor 康托尔 (Weiestrass的学生,集合论的鼻祖)
Bernoulli 伯努力 (这是一个17世纪的家族,专门产数学家物理学家)
Fatou 法都(实变函数中有一个Fatou引理,为北大实变必考的要点)
Green 格林(有很多姓绿的人,反正都很牛)
S.Lie 李 (创造了着名的Lie群,是近代数学物理中最重要的一个概念)
Euler 欧拉(后来双目失明了,但是其伟大很少有人能与之相比)
Gauss 高斯(有些人不需要说明,Gauss就是一个)
Sturm 斯图谟(那个Liouvel-Sturm定理的人,项武义先生很推崇他)
Riemann 黎曼(不知道这个名字,就是说不知道世界上存在着数学家)
Neumann 诺伊曼(造了第一台电脑,人类历史上最后一个数学物理的全才)
Caratheodory 卡拉西奥多礼(外测度的创立者,曾经是贵族)
Newton 牛顿(名字带牛,实在是牛)
Jordan 约当(Jordan标准型,Poincare前的法国数学界精神领袖)
Laplace 拉普拉斯(这人的东西太多了,到处都有)
Wiener 维纳(集天才变态于一身的大家,后来在MIT做教授)
Thales 泰勒斯(古希腊着名哲学家,有一个他囤积居奇发财的轶事)
Maxwell 麦克斯韦(电磁学中的Maxwell方程组)
Riesz 黎茨(泛函里的Riesz表示定理,当年匈牙利数学竞赛第一)
Fourier 傅立叶(巨烦无比的Fourier变换,他当年黑过Galois)
Noether 诺特(最最伟大的女数学家,抽象代数之母)
Kepler 开普勒(研究行星怎么绕着太阳转的人)
Kolmogorov 柯尔莫戈洛夫(苏联的超级牛人烂人,一生桀骜不驯)
Borel 波莱尔(学过数学分析和实分析都知道此人)
Sobolev 所伯列夫(着名的Sobolev空间,改变了现代PDE的写法)
Dirchlet 狄利克雷(Riemann的老师,伟大如他者廖若星辰)
Lebesgue 勒贝格(实分析的开山之人,他的名字经常用来修饰测度这个名词)
Leibniz 莱不尼兹(和Newton争谁发明微积分,他的记号使微积分容易掌握)
Abel 阿贝尔(天才,有形容词形式的名字不多,Abelian就是一个)
Lagrange 拉格朗日(法国姓L的伟人有三个,他,Laplace,Legendre)
Ramanujan 拉曼奴阳(天资异禀,死于思乡病)
Ljapunov 李雅普诺夫(爱微分方程和动力系统,但更爱他的妻子)
Holder 赫尔得(Holder不等式,L-p空间里的那个)
Poisson 泊松(概率中的Poisson过程,也是纯数学家)
Nikodym 发音很难的说(有着名的Ladon-Nikodym定理)
H.Hopf 霍普夫(微分几何大师,陈省身先生的好朋友)
Pythagoras 毕达哥拉斯(就是勾股定理在西方的发现者)
Baire 贝尔(着名的Baire纲)
Haar 哈尔(有个Haar测度,一度哥廷根的大红人)
Fermat 费马(Fermat大定理,最牛的业余数学家,吹牛很牛的)
Kronecker 克罗内克(牛人,迫害Cantor至疯人院)
E.Laudau 朗道(巨富的数学家,解析数论超牛)
Markov 马尔可夫(Markov过程)
Wronski 朗斯基(微分方程中有个Wronski行列式,用来解线性方程组的)
Zermelo 策梅罗(集合论的专家,有以他的名字命名的公理体系)
Rouche 儒契(在复变中有Rouche定理Rouche函数)
Taylor 泰勒(Taylor有很多,最熟的一个恐怕是Taylor展开的那个)
Urysohn 乌里松(在拓扑中有着名的Urysohn定理)
Frechet 发音巨难的说,泛函中的Frechet空间
Picard 皮卡(大小Picard定理,心高气敖,很没有人缘)
Schauder 肖德尔(泛函中有Schauder基Schauder不动点定理)
Lipschiz 李普西茨(Lipshciz条件,研究函数光滑性的)
Liouville 刘维尔(用Liouville定理证明代数基本定理应该是最快的方法)
Lindelof 林德洛夫(证明了圆周率是超越数,讲课奇差)
de Moivre 棣莫佛(复数的乘法又一个他的定理,很简单的那个)
Klein 克莱因(着名的爱尔兰根纲领,哥廷根的精神领袖)
Bessel 贝塞尔(Hilbert空间一个东西的范数用基表示有一个Bessel定理)
Euclid 欧几里德(我们的平面几何学的都是2000前他的书)
Kummer 库默尔(数论中最有影响的几个人之一)
Ascoli 阿斯克里(有Ascoli-Arzela定理,要一致有界等度连续的那个)
Chebyschev 切比雪夫(他证明了n和2n之间有一个素数)
Banach 巴拿赫(波兰的牛人,泛函分析之父)
Hilbert 希尔伯特(这个也没有介绍的必要)
Minkowski 闵可夫斯基 (Hilbert的挚友,Einstein的“恩师”)
Hamilton 哈密尔顿(第一个发现了4元数,在一座桥上)
Poincare 彭加莱(数学界的莎士比亚)
Peano 皮亚诺(有Peano公理,和数学归纳法有关系)
Zorn 佐恩(Zorn引理,看起来显然的东西都用这个证明)

1.国际着名数学大师,沃尔夫数学奖得主,陈省身
1931年入清华大学研究院,1934军获硕士学位.1934年去汉堡大学从Blaschke学习.1937年回国任西南联合大学教授.1943年到1945年任普林斯顿高等研究所研究员.1949年初赴美,旋任芝加哥大学教授.1960年到加州大学伯克利分校任教授,1979年退休成为名誉教授,仍继续任教到1984年.1981年到1984年任新建的伯克利数学研究所所长,其后任名誉所长。陈省身的主要工作领域是微分几何学及其相关分支.还在积分几何,射影微分几何,极小子流形,网几何学,全曲率与各种浸入理论,外微分形式与偏微分方程等诸多领域有开拓性的贡献.陈省身本有极多荣誉,包括中央研究院院士(1948).美国国家科学院院士(1961)及国家科学奖章(1975),伦敦皇家学会国外会员(1985),法国科学院国外院士’(1989),中国科学院国外院士等。荣获1983/1984年度Wolf奖,及1983年度美国科学会Steele奖中的终身成就奖.
2.享有国际盛誉的大数学家,新中国数学事业发展的重要奠基人,华罗庚
华罗庚是一位人生经历传奇的数学家,早年辍学,1930年因在《科学》上发表了关于代数方程式解法的文章,受到熊庆来的重视,被邀到清华大学学习和工作,在杨武之指引下,开始了数论的研究。1936年,作为访问学者去英国剑桥大学工作。1938年回国,受聘为西南联合大学教授。1946年应美国普林斯顿高等研究所邀请任研究员,并在普林斯顿大学执教。1948年开始,他为伊利诺伊大学教授。1950年回国,先后任清华大学教授,中国科学院数学研究所所长,数理化学部委员和学部副主任,中国科学技术大学数学系主任、副校长,中国科学院应用数学研究所所长,中国科学院副院长、主席团委员等职。还担任过多届中国数学会理事长。此外,华罗庚还是第一、二、三、四、五届全国人民代表大会常务委员会委员和中国人民政治协商会议第六届全国委员会副主席。华罗庚是在国际上享有盛誉的数学家,他的名字在美国施密斯松尼博物馆与芝加哥科技博物馆等着名博物馆中,与少数经典数学家列在一起。他被选为美国科学院国外院士,第三世界科学院院士,联邦德国巴伐利亚科学院院士。又被授予法国南锡大学、香港中文大学与美国伊利诺伊大学荣誉博士。华罗庚在解析数论、矩阵几何学、典型群、自守函数论、多复变函数论、偏微分方程、高维数值积分等广泛数学领域中都作出卓越贡献。由于华罗庚的重大贡献,有许多用他他的名字命名的定理、引理、不等式、算子与方法。他共发表专着与学术论文近三百篇。华罗庚还根据中国实情与国际潮流,倡导应用数学与计算机研制。他身体力行,亲自去二十七个省市普及应用数学方法长达二十年之久,为经济建设作出了重大贡献。
3.仅次于哥德尔的逻辑数学大师,王浩
1943年于西南联合大学数学系毕业。1945年于清华大学研究生院哲学部毕业。1948年获美国哈佛大学哲学博士学位。1950~1951年在瑞士联邦工学院数学研究所从事研究工作1951~1953年任哈佛大学助理教授。1954~1961年在英国牛津大学作第二套洛克讲座讲演,又任逻辑及数理哲学高级教职。1961~1967 年任哈佛大学教授。1967年后任美国洛克斐勒大学教授,主持逻辑研究室工作。1985年兼任中国北京大学名誉教授。1986年兼任中国清华大学名誉教授。50年代 初被选为美国国家科学院院士,后又被选为不列颠科学院外国院士,美籍华裔数学家、逻辑学家、计算机科学家、哲学家。
4.着名数学家力学家,美国科学院院士,林家翘
1937年毕业于清华大学物理系。1941年获加拿大多伦多大学硕士学位。1944年获美国加州理工学院博士学位。1953 年起先后担任美国麻省理工学院数学教授、学院教授、荣誉退休教授。 林家翘教授曾获:美国机械工程师学会Timoshenko奖,美国国家科学院应用数学和数值分析奖,美国物理学会流体力学奖。他是美国国家文理学院院士(1951),美国国家科学院院士(1962),台湾“中央研究院”院士(1960)。从40年代开始,林家翘教授在流体力学的流动稳定性和湍流理论方面的工作带动了整整一代人在这一领域的研究探索。从60年代开始,他进入天体物理的研究领域,开创了星系螺旋结构的密度波理论,并为国际所公认。1994年6月8日当选为首批中国科学院外籍士。
5.我国泛函分析领域研究先驱者,曾远荣
1919年入清华学校(清华大学前身)留美预备部,一直读到1927年7月。由于学习成绩优异,先后在美国芝加哥大学,普林斯顿大学及耶鲁大学学习并研究数学,1933年取得博士学位。1934年8月至1942年7月一直任教于清华大学(1938年与北京大学、南开大学在昆明组成西南联合大学)。1950年2月,受国立南京大学数学系系主任孙光远教授写信聘请到南京大学任教直至退休,曾在南京大学建立国内最早的计算数学专业。长期从事泛函分析研究,是我国开展这一领域研究的先驱者之一,在广义逆等研究领域成就卓着。
6.我国最早提倡应用数学与计算数学的学者,赵访熊
1922年考取北京清华学校。当时清华学校是公费留美预备学校,竞争激烈,在江苏只招3名学生,他在众多考生中名列榜首。毕业后即到美国麻省理工学院(MIT)电机系学习。他1930年在电机系毕业,被哈佛大学数学系录取为研究生,且于1931年获硕士学位。1933年他受聘回国在清华大学数学系任教,1935年被聘为教授,从此一直在清华大学任教,参与创办国内第一个计算数学专业。赵访熊于1962年和1978年先后两次出任清华大学副校长,1980-1984年兼任新成立的应用数学系主任,并受聘担任国务院学位委员会学科评议组委员。他担任过中国数学会理事、名誉理事。1978年至1989年担任第一、二届计算数学学会理事长及第三届名誉理事长和《计算数学学报》主编等一系列职务。数学家,数学教育家。我国最早提倡和从事应用数学与计算数学的教学与研究的学者之一。自编我国第一部工科《高等微积分》教材。在方程求根及应用数学研究方面颇有建树。
7.着名数学家,数学教育家,吴大任
1930年与陈省身以最优等成绩在南开大学毕业,考取清华大学研究生,1933年夏,在姜立夫的鼓励下,吴大任参加了中英庚款第一届公费留学考试,被录取到英国学习。他本想到剑桥大学攻读,因抵伦敦时间错过了该校入学的时机,改入伦敦大学的大学学院,注册为博士研究生。1937年9月初,吴大任到武汉大学任教,之后即随武汉大学迁到四川乐山。后来长期担任南开大学领导工作与教学工作,着、译数学教材及名着多种。对我国高等教育事业作出了积极贡献。研究领域涉及积分几何、非欧几何、微分几何及其应用(齿轮理论)。1981年他任国家学位委员会第一届数学组成员,《中国大网络全书数学卷》编委兼几何拓扑学科的副主编以及全国自然科学名词审定委员会第一和第二届委员。
8.着名数学家,北大教授,庄圻泰
1927年考入清华学校,1932年毕业于清华大学数学系,1934年,熊庆来教授接受庄圻泰为自己的研究生,1936年于该校理科研究所毕业。1938年获法国巴黎大学数学博士学位。曾任云南大学教授。1952年院系调整后,庄圻泰留任北京大学。此后除继续担任复变函数课程的教学任务外,他还陆续讲过保角变换,拟保角变换,整函数与亚纯函数等专业课。九三学社社员。长期从事函数论研究,在整函数与亚纯函数的值分布理论上取得重要成果。着有《亚纯函数的奇异方向》,合编《AnalyticFunctionsOfOneCom·plexVariable》(在美国出版)
9.着名数学家,数学教育家,四川大学校长,柯召
1931年,入清华大学算学系。1933年,柯召以优异成绩毕业。1935年,他考上了中英庚款的公费留学生,去英国曼彻斯特大学深造,在导师L.J.莫德尔(Mordell)的指导下研究二次型,在表二次型为线性型平方和的问题上,取得优异成绩,回国后先后任教于重庆大学,四川大学。1953年,他调回四川大学任教至今。在这40余年间,他以满腔的热情投入教学和科研工作,为国家培养了许多优秀数学人材,在科研上硕果累累。与此同时,他还先后担任了四川大学教务长、副校长、校长、数学研究所所长等职,作为学术带头人和学校负责人,他卓有成效地抓了几个重要方面的工作:努力提高教学质量,积极开展基础理论研究,发展应用数学,培养一批高水平的人材。其研究领域涉及数论、组合数学与代数学。在二次型、不定方程领域获众多优秀成果。1955年选聘为中国科学院院士(学部委员)。
10.中央研究院院士,首批学部委员,许宝騄
1929年入清华大学数学系,1933年毕业获理学士学位,1936年许宝騄考取赴英留学,派往伦敦大学学院,在统计系学习数理统计,攻读博士学位。1940年到昆明,在西南联合大学任教。1948年他当选为中央研究院院士。回国后不久就发现已患肺结核。他长期带病工作,教学科研一直未断,在矩阵论,概率论和数理统计方面发表了10余篇论文。1955年,他当选为中国科学院学部委员。在中国开创了概率论、数理统计的教学与研究工作。在内曼-皮尔逊理论、参数估计理论、多元分析、极限理论等方面取得卓越成就,是多元统计分析学科的开拓者之一。1955年选聘为中国科学院院士(学部委员)。
11.中科院院士,原北大数学系主任,段学复
1932年考入了清华大学数学系(当时称为“算学系”)。 1936年夏,段学复获得理学士学位,毕业留校任助教。1941年8月进入美国普林斯顿大学数学系攻读博士学位。1946年回国任清华大学教授,自1952年院系调整后,任北京大学数学系系主任近40年。长期从事代数学的研究。在有限群的模表示论特别是指标块及其在有限单群和有限复线性群构造研究中的应用方面取得突出成果。指导学生用表示论和有限单群分类定理彻底解决了着名的Brauer第39问题、第40问题。在代数李群研究方面与国外学者合作完成了早期奠基性成果。在有限P群方面取得一系列研究成果。在数学应用于国防科研和国防建设方面作了大量工作。1955年选聘为中国科学院院士(学部委员)。
12.我国拓扑学的奠基人 江泽涵
毕业于南开大学,1927年参加清华大学留美专科生的考试,考取了那年唯一的学数学的名额,后在美国哈佛大学数学系留学,1930年获得博士学位。1930在美国普林斯顿大学数学系做研究助教。1931年起,长期担任任北京大学数学系教授,并任北京大学数学系主任,曾兼任理学院代理院长。数学家,数学教育家。早年长期担任北京大学数学系主任,为该系树立了优良的教学风尚。致力于拓扑学,特别是不动点理论的研究,是我国拓扑学研究的开拓者之一。1955年当选为中国科学院数理学部委员。

3. 中国数学家有哪些有简介。(现代古代都行)

祖冲之,在世界数学史上第一次将圆周率(π)值计算到小数点后的第7位,即3.1415926到3.1415927之间。他提出约率22/7和密率355/113,这一密率值是世界上最早提出的,比欧洲早1100年,所以有人主张叫它“祖率”,圆周率的祖先。他将自己的数学研究成果汇集成一部着作,名为《缀术》,唐朝国学曾经将此书定为数学课本。他编制的《大明历》,第一次将“岁差”引进历法。提出在391年中设置144个闰月。推算出一回归年的长度为365.24281481日,误差只有50秒左右。他不仅是一位杰出的数学家和天文学家,而且还是一位杰出的机械专家。重新造出早已失传的指南车、千里船、水碓磨等巧妙机械多种。他还经过多年测算,编制了一部新的历法《大明历》。这是当时世界上最先进的历法。

秦九韶(1208年-1261年)南宋官员、数学家,与李冶、杨辉、朱世杰并称宋元数学四大家。字道古,汉族,自称鲁郡(今山东曲阜)人,生于普州安岳(今属四川)。精研星象、音律、算术、诗词、弓剑、营造之学,历任琼州知府、司农丞,后遭贬,卒于梅州任所,着作《数书九章》,其中的大衍求一术、三斜求积术和秦九韶算法是具有世界意义的重要贡献。

刘徽(约公元225年—295年),汉族,山东邹平县人,魏晋期间伟大的数学家,中国古典数学 理论的奠基者之一。是中国数学史上一个非常伟大的数学家,他的杰作《九章算术注》和《海岛算经》,是中国最宝贵的数学遗产刘徽思想敏捷,方法灵活,既提倡推理又主张直观.他是中国最早明确主张用逻辑推理的方式来论证数学命题的人.刘徽的一生是为数学刻苦探求的一生.他虽然地位低下,但人格高尚.他不是沽名钓誉的庸人,而是学而不厌的伟人,他给我们中华民族留下了宝贵的财富。

苏步青,中国科学院院士,中国杰出的数学家,被誉为数学之王,与棋王谢侠逊、新闻王马星野并称“平阳三王”。主要从事微分几何学和计算几何学等方面的研究。他在仿射微分几何学和射影微分几何学研究方面取得出色成果,在一般空间微分几何学、高维空间共轭理论、几何外型设计、计算机辅助几何设计等方面取得突出成就。曾任中国科学院学部委员、多届全国政协委员、全国人大代表,第五、第六届全国人大常委会委员,第七、第八届全国政协副主席和民盟中央副主席,复旦大学校长等职。获1978年全国科学大会奖。

华罗庚,江苏金坛人,国际数学大师,中国科学院院士,是中国解析数论、矩阵几何学、典型群、自安函数论等多方面研究的创始人和开拓者。他为中国数学的发展作出了无与伦比的贡献。 被誉为“中国现代数学之父”,被列为“芝加哥科学技术博物馆中当今世界88位数学伟人之一”。美国着名数学史家贝特曼称:“华罗庚是中国的爱因斯坦,足够成为全世界所有着名科学院的院士”。华罗庚先生早年的研究领域是解析数论,他在解析数论方面的成就尤其广为人知,国际间颇具盛名的“中国解析数论学派”即华罗庚开创的学派,该学派对于质数分布问题与哥德巴赫猜想做出了许多重大贡献。他在多复变函数论、矩阵几何学方面的卓越贡献,更是影响到了世界数学的发展。也有国际上有名的“典型群中国学派”,华罗庚先生在多复变函数论,典型群方面的研究领先西方数学界10多年,这些研究成果被着名的华裔数学家丘成桐高度称赞。华罗庚先生是难以比拟的天才。

4. 初中毕业学软件编程怎么样

谢邀。难度大,别培训,不适合做这个。
其实并不难
第一,编程需要英语功底?恩需要,也就是哪几个关键词罢了。
第二,数学,+-*/会了,就可以踏入编程界了。
第三,年龄,这个没影响,越年轻越好。
那真正困难的是:
第一,学完才几岁啊,成年没有?学着是为了什么啊?混口饭吃?劝你别学了,不想看到又一个垃圾软件诞生。
第二,学历呢?初中吗?对不起,我们公司最低大专。
好好的上学当什么程序员,我们程序员公司都被你们这种混口饭吃的拉低了!
搞编程90%以上用不到高数的内容。程序员也是分档次的。。
一般北上广,搞PHP,JAVA,.net这些编程的基本用不上高数,待遇看水平在1-3万不等。
但是,逻辑能力、英文阅读能力和自学能力却是不可欠缺的。程序设计不是喜欢就能学号的。所以,最好还是有大学的受教育经历比较好。

补充一下答案给那些来秀优越感的。。
程序开发,特别是应用范围最广的业务系统和使用量最大的网站、APP、微信公众号。。
这些内容中,90%以上都工作内容是对数据的增、删、改、搜、列表排序、关联、缓存等简单逻辑的处理。。
如果是原生APP开发,这个比例还会更低,因为
要分至少20%去画界面。。
怎么就是有那么几个所谓的算法大师就会来吐槽这些工作低级呢?
这么牛逼,去写一个算法自动生成网站/业务系统从需求调研到发布迭代的所以流程啊。。
搞的好像只有外科医生是医生,皮肤科就是外行一样。
有这种想法的只有两种可能性:
第一,彻彻底底的外行,半瓶子醋晃荡;
第二,刚刚入门的新人,没有系统的管理过技术开发。否则,就不会认为团队里面只有算法大师是牛逼,其它美工、UI、前端、普通程序开发、数据库开发、APP开发、测试、产品、服务器管理、运维这些人都是太低级了。
最后,实话实说,专门研究算法的人虽然待遇也许会高一点,但就业难度一定比普通程序员高。

5. 谁有算法大师高德纳(Donald E.Knuth)的《研究之美》电子文件啊可以给一个吗不胜感激

中英文的都给你一份

6. 把2.5万工程师变成机器学习专家是怎样的体验

谷歌转型:把2.5万工程师变成机器学习专家是怎样的体验?


卡森·霍尔盖特(Carson Holgate)正在接受忍者培训。


但这里的忍者指的并不是武术——她已经有不错的武术功底。26岁的霍尔盖特是空手道黑带二段。现在的培训重点是算法。霍尔盖特几周前加入这个项目,她希望借此掌握机器学习方面的技能,这是一种比身体对抗更加强大的技术。作为谷歌Android部门的一名工程师,霍尔盖特是参加今年忍者学习项目的18名程序员之一。该项目从各个团队招收有才华的程序员,向他们传授人工智能技术,以便提升其产品的智能性——尽管这有可能让他们开发的软件更加难以理解。


正在接受机器学习“忍者训练”的谷歌工程师卡森·霍尔盖特。正在接受机器学习“忍者训练”的谷歌工程师卡森·霍尔盖特。

“该项目的标语是:你想成为一名机器学习忍者吗?”谷歌内部机器学习产品经理克里斯汀·罗伯森(Christine Robson)说,她负责管理这个项目,“所以我们从谷歌各个部门招收人员,用6个月的时间为他们提供机器学习培训。让他们跟着导师学习6个月机器学习,并进行一些项目。他们可以由此入手,从而掌握大量知识。”


霍尔盖特4年前拿着计算机科学和数学学位来到谷歌,对她来说,这是一次掌握最热门软件技术的机会:使用学习算法和海量数据,教给软件完成任务的方法。多年以来,机器学习都被视作一个高度专业的领域,仅有少数精英人群能够掌握这种技术。但这个时代已经结束了,最近的结果表明:由模拟生物大脑工作方式的“神经网络”驱动的机器学习技术是将计算机与人类能力融为一体的正确方式。


在某些情况下,甚至可以借此打造出超人。谷歌希望在内部扩大这类精英人群的范围,甚至希望让机器学习成为一种常规技术。对霍尔盖特这样的工程师而言,忍者项目是一次实现自我飞跃的绝佳机会,可以向精英中的精英学习知识。“这些人都在开发不可思议的模型,而且都有博士学位。”她言语间流露出无法掩饰的敬畏之情。由于该项目会将所有学员都称作“忍者”,所以她开始有些难以接受,但最终还是克服了心理障碍。“我起初很难接受,但还是学着接受了。”她说。


考虑到谷歌员工人数众多——其总部的6万员工中约有半数是工程师——所以这个项目的规模其实很小。不过,这个项目却标志着谷歌内部的认识开始发生变化。尽管谷歌从很早以前就开始使用机器学习技术,而且一直在这一领域积极聘请各类专家,但该公司直到2016年才开始真正痴迷于机器学习技术。谷歌CEO桑达尔·皮查伊(Sundar Pichai)在去年末的财报电话会议上阐述了该公司的想法:“机器学习是一项有颠覆性的核心技术,我们可以借此重新思考我们做一切事情的方式。我们还会尽力将它应用于所有的产品中,包括搜索、广告、YouTube或Play。我们还处于发展初期,但你会看到我们以系统化的方式将机器学习应用到所有这些领域之中。”


很显然,如果谷歌要在旗下的所有产品中融入机器学习技术,就需要精通这项技术的工程师。正如机器学习畅销书《算法大师》(The Master Algorithm)的作者佩德罗·多明戈斯(Pedro Domingos)所说:“机器学习是阳光下的一项新生事物,这是一项可以自己发展的技术。” 编写这样的系统需要找到合适的数据,选择合适的算法,然后为成功营造合适的环境。之后就要给予系统足够的信任(这对程序员来说是一件很难做到的事情),让它们自己完成工作。


“通过这种方式思考解决方案的人越多,我们就会变得越好。”谷歌机器算法项目负责人杰夫·迪恩(Jeff Dean)说。他估计,谷歌目前约有2.5万工程师,但只有几千人精通机器学习,占比大约为10%。他希望最终的比例能接近100%。“如果能让所有工程师都在一定程度上掌握机器学习技术,那就太好了。”他说。


他认为这个愿望能否实现呢?


“我们会尽力尝试。”他说。


神奇技术


多年以来,约翰·迦南德里(John Gianandrea)一直都是谷歌机器学习的重要推动者,而作为该公司的最新动向,他最近成为了搜索业务主管。但当他2010年加盟该公司时(他是在谷歌收购MetaWeb时随之一同加入谷歌的,那家公司的庞大数据库已经以知识图谱的形式整合到谷歌搜索中),他在机器学习和神经网络方面并没有太多经验。


谷歌最权威的计算机科学专家杰夫·迪恩正在制作机器学习方面的工具,领导团队进行相关工作。谷歌最权威的计算机科学专家杰夫·迪恩正在制作机器学习方面的工具,领导团队进行相关工作。

但在2011年左右,来自神经信息处理系统(以下简称“NIPS”)大会的一条消息令他感到震惊。似乎每年都会有团队在NIPS上宣布机器学习的最新进展,涉及翻译、语音识别和视觉系统等诸多领域。一些令人惊讶的事情正在悄然发生。“当我第一次关注时,NIPS的内容十分晦涩难懂。”他说,“但过去3年间,这一领域在学术界和产业界都得到了蓬勃发展,去年的参会人数大约有6000人。”


随着神经网络算法的进步,加上摩尔定律带来的强大计算能力,以及谷歌和Facebook等科技公司挖掘出来的庞大用户数据,机器学习的新时代就此拉开帷幕。迦南德里也加入其中,他认为这将成为谷歌的核心。与他志同道合的还包括迪恩,他是“谷歌大脑”(Google Brain)的联合创始人,这个神经网络项目来自谷歌旗下的研究部门Google X(现已更名为X)。


虽然迦南德里否认“机器会杀死我们”这样的预言,但他的确认为,机器学习系统将成为一项革命性的技术,从医疗诊断到无人驾驶汽车,各行各业都将利用这种技术。虽然机器学习不会取代人类,但它却会改变人类。


迦南德里以Google Photos为例进行了解释。这款产品的标志性功能是能够在图片中识别出用户指定的物品,这令人感觉颇为神秘,甚至有些不安。他给我展示一些边境牧羊犬的图片。“当有人第一次看到这个场景时,他们会以为发生了与众不同的事情,因为电脑不仅为你计算出偏好,甚至还推荐你观看一段视频。”迦南德里说,“它可以理解画面中的内容。” 他解释道,通过专门的学习,电脑便可“知道”边境牧羊犬的样子,而且可以识别出不同年龄和毛长的边境牧羊犬。


人类当然可以做到这一点。但没有一个人能够从数百万张图片中筛选出来这些照片,同时还能识别出不同的犬种。但机器学习系统就可以做到。如果它学会了一个犬种,便可使用相同的技术识别出另外9999个犬种。“这才是真正新颖的地方。”迦南德里说,“通过这样一个狭小的领域,你可以看到某些人所谓的超人究竟能达到什么效果。”


逐步探索


需要强调的是,谷歌早已了解机器学习的概念,该公司的创始人始终坚信人工智能的前景。机器学习已经整合进谷歌的很多产品,尽管未必采用了最近大热的神经网络技术(早期的机器学习往往依赖更加直接的统计方法)。


事实上,谷歌10年前就开始通过内部培训,向该公司的工程师传授积极学习技术。2005年初,当时负责谷歌搜索业务的彼得·诺维格(Peter Norvig)向科学家大卫·帕布洛·科恩(David Pablo Cohn)提出建议,希望了解谷歌能否采用卡内基梅隆大学组织的相关课程。科恩表示,只有谷歌自己才能教授这种内部课程,因为谷歌的运营规模与其他公司都大不相同(可能只有美国国防部是个例外)。所以他在谷歌总部的43号楼(那里当时是搜索团队的总部所在地)订了一个大房间,每周三在那里开设两小时的课程。就连杰夫·迪恩也参加过几次课程。“那是全世界最好的课程。”科恩说,“作为工程师,他们都比我优秀得多!”


那个课程广受欢迎,甚至变得一座难求。就连班加罗尔办事处的员工都会特意等到午夜过后接入远程教学系统。几年后,一些谷歌员工把授课演讲内容制作成了短片,结束了直播授课的历史。科恩认为,当时的那个课程算得上是MOOC(大规模开放在线课程)的先驱。接下来几年,谷歌还针对机器学习培训展开了其他的尝试,但组织上并不严密,内容上也并不连贯。科恩2013年离开谷歌后,机器学习才突然间成为了至关重要的领域。


在2012年之前,这种认识尚未形成气候,直到迦南德里决定“吸收大量从事这项工作的人”,并将他们安排到同一栋办公楼之后。脱胎于该公司的X部门的谷歌大脑也加入进来。“我们吸收了很多团队,将他们安排到同一栋办公楼内,还提供了全新的咖啡机。”他说,“有些人之前只是一直在从事他们所谓的感知计算——声音和语音识别等技术——现在都可以与那些从事语言工作的人展开沟通。”


逐渐地,这些工程师们开发的机器学习技术开始出现在谷歌的热门产品中。由于视觉和语音识别以及翻译是机器学习的主要领域,也就难怪这项技术成为谷歌语音搜索、翻译和Photos等服务的重要组成部分。迪恩表示,随着他和他的团队对机器学习的理解逐步深入,他们开始以更具野心的方式探索这项技术。“我们之前或许会在系统的组件中使用机器学习技术,”他说,“现在则会使用这项技术替代整套系统,而不是为每一个组件设计更好的机器学习模式。”迪恩表示,如果现在让他重新编写谷歌的基础架构,其中的很多内容都不再是预先编好的代码,而是后期学习而来的。迪恩更为人所知的身份是Bit Table和MapRece等革命性系统的联合创造者。


谷歌大脑联合创始人格雷格·考拉多正在和多个团队协作,将人工智能转化成为自己的软件。谷歌大脑联合创始人格雷格·考拉多正在和多个团队协作,将人工智能转化成为自己的软件。

机器学习还能够实现一些原本无法想象的产品功能。2015年11月推出的Gmail自动回复便是其中之。这项功能源自谷歌大脑项目联合创始人格雷格·考拉多(Greg Corrado)与Gmail工程师巴林特·米克洛斯(Bálint Miklós)之间的一次对话。考拉多之前曾经与Gmail团队合作使用机器学习算法探测垃圾信息,归类邮件内容,但米克洛斯提出了一些更激进的建议。能否利用机器学习技术自动生成回复邮件,省去移动用户在狭小的键盘上输入文字的繁琐过程。“我大吃一惊,因为这个建议太疯狂了。”考拉多说,“我后来想,借助我们一直以来都在研究的预测性神经网络技术,或许的确可能实现这种功能。一旦我们意识到这是一个机会的时候,就必须去尝试一下。”


为了提高成功概率,谷歌让考拉多和他的团队与Gmail部门展开了密切合作。这种派遣机器学习专家进驻产品部门的做法如今已经越来越普遍。“机器学习既是科学又是艺术。”考拉多说,“这就像烹饪——没错,烹饪过程发生了化学反应,但对于真正对烹饪感兴趣的人来说,必须要学习如何搭配手中的食材。”


传统的人工智能技术在理解语言时,需要将语音规则嵌入系统,但在这个项目中,系统可以利用现代化的机器学习技术,借助足够的数据像儿童一样自学。“我的语言能力并不是从语言学家那里学来的,而是通过听别人说话学来的。”考拉多说。但真正令智能回复变得切实可行的,是它的成功很容易定义——他们的目的不是创造一个妖艳的虚拟斯嘉丽·约翰逊(Scarlett Johansson),而是希望它能回复真正的电子邮件。“这项服务的成功标志是,系统可以生成一个对用户有用的备选回复,以便用户能够真正使用这些内容。”他说。因此,只需要知道用户是否点击了系统推荐的回复内容,便可对其进行训练。


但当该团队开始测试智能回复时,用户却注意到了一些怪异的事情:它经常会推荐一些不合时宜的暧昧语言。“其中一个比较失败的情况是:只要系统感觉困惑,它就会说‘我爱你’。”考拉多说,“这并不是软件漏洞,问题出在我们让它做的事情上。” 这个程序已经了解了人类行为的一些微妙之处:“如果你感到担忧,那么说一句‘我爱你’是一种很好的防御策略。” 考拉多帮助该团队压制了系统的热情。


去年11月发布的智能回复取得了巨大成功——Gmail Inbox应用的用户现在可以直接从系统提供的三条备选内容中选择一条进行回复。由于系统提供的回复内容非常切题,用户经常感到惊讶。在通过该应用发送的回复信息中,有十分之一都是由机器学习系统生成的。“这个项目能够成功还是令我感到有些惊讶。”考拉多笑着说。


类似于智能推荐这样的例子还有很多,它们都充分说明机器学习系统在谷歌业务中发挥的作用。或许最终的拐点是当机器学习成为搜索的一个必不可少的组成部分时——作为谷歌的旗舰产品,搜索几乎为该公司贡献了所有营收。多年以来,由于搜索引擎对谷歌过于重要,所以始终没有融入机器学习算法。“由于搜索在公司内部占据的份额巨大,高级管理者深度参与其中,所以很多人都怀疑我们无法真正取得进展。”迦南德里说。


其中部分阻力源自文化因素——必须要让那些有极强控制欲的程序员适应带有禅宗韵味的机器学习模式。长期掌管谷歌搜索业务的阿密特·辛格(Amit Singhal)曾是传奇计算机科学家杰拉德·萨尔顿(Gerald Salton)的助手。萨尔顿在文档检索方面的开创性工作启迪辛格帮助谢尔盖·布林(Sergey Brin)和拉里·佩奇(Larry Page)把研究生时期编写的代码,扩展成了可以适应当今网络时代的程序。(这使得他成为了“检索派”的一员。)


他从20世纪的方法中梳理出了令人惊讶的结果,但如果要将机器学习系统整合到关系谷歌命脉的复杂系统中,他却持怀疑态度。“进入谷歌的前两年,我负责搜索质量,试图用机器学习来改进排名。”大卫·帕布洛·科恩说,“结果发现阿米特的团队是全世界最优秀的,我们把阿里特脑海中的所有内容都变成了硬编码,以此实现进步。已经找不到比他更好的方法了。”


到2014年初,谷歌的机器学习大师们认为需要改变现状。“我们与排名团队展开了一系列讨论。”迪恩说,“我们认为至少应该尝试一下,看看能不能有一些收获。” 他的团队所设想的那个实验最终成为了搜索的核心:文件排名与搜索请求的匹配程度有多高(需要以用户的点击为衡量标准)。“我们跟他们说,可以用神经网络计算额外的分数,看看到底有没有用。”


答案是:确实有用。这套系统如今已经成为谷歌搜索的一部分,被称作RankBrain。它于2015年4月上线。谷歌还是像以往一样对如何改进搜索讳莫如深(究竟是与长尾理论有关?还是更好地解读了模糊不清的搜索请求?),但迪恩表示,RankBrain“融入到每一个搜索请求中”,虽然未必会影响所有的排名,但的确对很多搜索请求的排名都产生了影响。另外,实际的影响幅度也很大。在谷歌计算排名时所使用的数百个信号中(这些信号可能包括用户所在的地理位置,或者页面标题是否与搜索请求匹配),RankBrain现在的用途排名第三。


“我们成功利用机器学习改进了搜索结果,这对公司来说意义重大。”迦南德里说,“这引发了很多人的关注。” 华盛顿大学教授佩德罗·多明戈斯则给出了另外一种说法:“检索派与机器学习派始终都存在斗争。机器学习最终赢得了胜利。”


内部培训


谷歌面临的新挑战是如何让所有工程师都熟悉机器学习。还有很多公司也都秉承着相同的目标,其中最引人关注的当属Facebook,该公司与谷歌一样着迷于机器学习和深度学习。这一领域的毕业生变得非常抢手,而谷歌正在努力保持对毕业生的吸引力:学术圈多年以来都流传着一个玩笑:即使不需要顶尖学生,谷歌也会招聘他们,避免人才被竞争对手抢走。(这个玩笑的错误之处在于,谷歌的确需要这些人才。)“我的学生无一例外都得到了谷歌的录用通知。”多明戈斯说。目前看来,竞争的激烈程度有增无减:就在上周,谷歌宣布将在苏黎世开设一个新的机器学习实验室,有很多工作岗位有待填补。


但由于学术项目尚未培养大量机器学习专家,为员工提供在职培训面成为了必要措施。但这却并非易事,尤其是对于谷歌这样的公司而言。这里有很多世界顶尖工程师,他们一生都在研究传统的编程方式。机器学习却需要截然不同的思维模式,精通编码的工程师之所以能有如今的成就,往往是因为他们希望完全控制一套编码系统。机器学习还需要掌握一些数学和统计学知识,但是很多程序员却对此不屑一顾的,即便是那些能够写出超长代码的超级黑客也不例外。


克里斯汀·罗伯森的职责是在机器学习方面孵化谷歌内外的人员。克里斯汀·罗伯森的职责是在机器学习方面孵化谷歌内外的人员。

这还需要一定程度的耐心。“机器学习模型不是静态代码——你需要不断为其提供数据。”罗伯森说,“我们一直在不停地更新模型,而且还要不断学习,增加更多数据,调整预测方式。它就像是一个有生命的东西,这是一种截然不同的开发模式。”


“这是一个使用不同的算法进行实验的学科,需要挑选那些真正适合使用场景的训练数据。”迦南德里说。尽管他也是新的搜索业务主管,但却仍然把在谷歌内部传播机器学习理念作为自己工作的一部分。“计算机科学那一部分不会消失,但需要更加关注数学和统计学,而对数十万行代码的关注度则需要相应地降低。”


至于谷歌所担心的障碍,完全可以通过明智的在职培训来解决。“归根结底,这些模型中使用的数学原理并不那么复杂。”迪恩说,“谷歌聘用的多数软件工程师都可以掌握。”


为了进一步帮助不断扩容的机器学习专家团队,谷歌开发了一系列强大的工具,帮助他们选择合适的算法训练模型,加快培训和提炼过程。其中最强大的是TensorFlow,它可以加速神经网络的构建过程。TensorFlow源自谷歌大脑项目,由迪恩和他的同事拉加特·芒格(Rajat Monga)共同发明。它能把构建系统过程中涉及的晦涩难懂的细节变成标准化的内容——尤其是在谷歌2015年11月开始将其开放给公众后,这种做法的效果更加得以显现。


尽管谷歌煞费苦心地将这种行为描述为一种无私的举动,但该公司也承认,如果新一代程序员都能熟悉该公司内部的机器学习工具,那对谷歌未来的招聘活动将会起到莫大的帮助。(质疑者甚至指出,谷歌的TensorFlow开源项目是为了追赶Facebook,后者已经在2015年6月公布了早期机器学习系统的深度学习模块Torch。)不过,TensorFlow的功能以及谷歌的开源模式很快受到了程序员的欢迎。迦南德里表示,当谷歌首次提供TensorFlow课程时,共有7.5万人报名参加。


但谷歌仍为自己的程序员保留了很多好东西。该公司在内部拥有一套更加优秀的机器学习工具——Tensor Processing Unit(以下简称“TPU”)。他们虽然使用这项创新已经多年时间,但直到最近才对外宣布。这是一种针对机器学习程序优化的芯片,就像GPU是专门针对图形处理优化的芯片一样。该公司的庞大数据中心里使用了数以千计的TPU(具体有多少恐怕只有上帝和佩奇才知道)。通过赋予神经网络这种超级计算能力,TPU为谷歌带来了巨大优势。“如果没有它,我们就无法实现RankBrain。”迪恩说。


但由于谷歌最需要的还是设计还提炼这些系统的人才,他们也在不断尝试各种方式来为工程师提供机器学习方面的培训。这些培训的规模各异,其中也包括为期两天的速成班。谷歌希望这只是初步尝试,工程师随后还会寻找更多资源来深入学习。“已经有数千人报名参加下一次课程。”迪恩说。


该公司还在通过其他一些措施,为外部人才提供机器学习培训。今年初春,谷歌启动了Brain Residency项目,利用谷歌大脑项目为有潜力的外部人才提供了为期一年的集训。“我们称之为你的深度学习职业生涯的开端。”罗伯森说,他负责协助管理这个项目。尽管这27名来自不同学科的机器学习学员中,可能有一些会留在谷歌,但他表示,该公司的目的是让他们自行发展,利用自己掌握的先进知识在世界各地传播谷歌的机器学习技术。


前景广阔



当今时代,机器学习正在逐步走上中心舞台,而谷歌则希望以人工智能公司的身份继续占据主导。所以,从某种意义上讲,卡森·霍尔盖特在忍者项目中学到的知识正是这一计划的核心所在。


她的课程最初是一个为期4周的新兵训练营,由谷歌最先进的人工智能项目产品负责人提供指导,教给他们如何将机器学习融入项目中。“我们把忍者带进会议室,格雷格·考拉多站在白板前解释LSTM(长短期记忆,一种可以打造强大神经网络的技术)。他做着夸张的手势,讲述这种系统的工作方式、利用何种数学原理、如何应用于实际。”罗伯森说,“在最初的4个星期里,我们几乎用到了我们的所有技术和所有工具,为的是给他们带来切身体会。”


霍尔盖特从新兵训练营毕业了,她现在正在使用机器学习工具开发一款Android通讯功能,帮助谷歌员工彼此交流。她正在调整超参数,清理输入数据,去掉停止词。但她已经不可能回头,因为她知道人工智能技术就是谷歌的现在和未来,甚至可能是所有技术和所有东西的未来。


“机器学习时代已经来临,”她说,“前景无比广阔。”

阅读全文

与算法大师简介相关的资料

热点内容
myeclipselinux破解版 浏览:416
批处理命令语法不正确 浏览:888
pdf合并成一个pdf在线 浏览:383
柱加密区构造要求 浏览:514
地板木龙骨标准跟加密区别 浏览:150
解压放松的好地方河南 浏览:965
搜狗怎么移动到文件夹 浏览:617
文件自动选择到文件夹 浏览:794
赠送的app怎么在ipad下载 浏览:508
颈椎解压后神经恢复 浏览:849
怎么看app订阅扣费 浏览:314
linux系统的负载均衡 浏览:419
遇到挫折解压视频 浏览:778
什么指令看服务器运行负载 浏览:84
因硕智能门锁卡片是加密的么 浏览:336
为什么会服务器不可用 浏览:290
wow宏命令设置 浏览:264
解压神器一张纸折叠魔术球 浏览:23
怎么样可以取消加密软件oppo 浏览:580
屏幕共享源码哪家比较不错 浏览:665