搜尋結果
2019年9月6日 · 1.登山時隨時補充水分。 脫水可以使你更容易發生體溫過低和高原病。 2.帶上傳統地圖和指南針，並學習如何使用 ，電子GPS非常有用，但可能會有故障或耗盡電池的風險。 3.注意防曬 ，特別是在高海拔地區徒步，帶上帽子、太陽鏡和防曬乳等裝備。 4.學習登山入門基本急救技能。 5.每步行一小時應該休息10分鐘， 將有助於腿部肌肉放鬆。 6.熟悉登山地圖和路線，緊急撤退點及水原處。 7.攜帶緊急食品 ，登山不要為了減輕重量就不攜帶，在必要時可能就了你一命。 8.讓外界知道你的登山行蹤 ，包含設定登山留守人和緊急聯絡人。 Step.3 裝備整理和穿著技巧. 1.做好防水 ，用袋子包裝所有登山的衣物和地圖。
- 統計學是一門關於改變既定觀念的學科
- 貝葉斯學派從先驗信念的角度看待問題
- 假設是對現實世界的一種「可能的」描述
- 簡而言之，假設檢驗的目的在於：「我們的事實證據能否拒絕零假設？」
- P 值理論是統計學中重要的一部分
- 信賴區間與零假設不重疊的話，就改變你的看法吧
- 數學理論是建立零假設的基礎，這也是 p 值理論的來源
- 我們做準備工作了嗎？這是功效所衡量的內容
- 功效分析用於檢查在著手之前你是否準備了足夠的數據
- 數據越多越容易杜絕錯誤的結論
一般情況下，我們根據事件（統計參數）進行決策尚有難度，更何況有時候我們連對應的事件都沒有。相反，我們已知的部分事件（統計樣本）與我們所希望知道的整體事件（統計總體）之間可能會存在很大的差異。這就意味測量本身是存在著不確定性的。 統計學是一門能在充滿不確定性的情況下改變你對事物看法的科學。當然，首先要確定的是：你目前的看法從何而來？是基於假設檢驗還是基於先驗信念？或者也有可能你沒有任何看法，大腦一片空白。
貝葉斯統計學通過結合數據來更新人們對事物的先驗信念（無需經驗或先於經驗獲得的知識，簡單來說就像是「直覺」。）。貝葉斯學派傾向於使用信賴區間（即介於兩個數字之間的區間）來表示結果。 頻率學派則主張從頻率的角度看待問題。 頻率學派統計學著重於改變一個人的選擇。人們不需要任何先驗信念就可以做出下意識的選擇，也無需分析任何數據。頻率學派統計學（也被稱為古典統計學）大多出現在日常生活中或者像 STAT101 這種統計學入門課程中，因此本文也對這類經典的理論進行介紹。
零假設描述的是一種缺省的情況，即默認的選擇；備擇假設（又稱：對立假設）則是與零假設對立的其他一種或者多種情況。如果我用數據證明了「零假設」並不成立，那麼你就可以拒絕「零假設」從而接受備擇假設。 例如：如果你每天早上用於準備的時間少於 15 分鐘（零假設），我們就可以一起去上課（默認情況）。但是，如果事實（數據）證明你得花更長的時間（對立假設）才能準備好的話，你就只能自己一個人去了，因為在你準備好之前我已經走了（備選情況）。
所有的假設檢驗都在問這樣一個問題：我們的證據能否拒絕零假設？拒絕零假設意味著我們學到了一些東西，我們應該改變自己的觀念。不拒絕零假設意味著我們沒有學到任何新的東西。 就像我們在樹林裡徒步旅行的時候，在周圍沒有看到其他人並不能證明地球上沒有人類，只是意味著我們沒有學到有關人類活動範圍的新知識。如果沒有學到新知識，你也不必沮喪，因為你已經知道確切的應對方法。既然你沒有學到新知識，也就沒有理由改變觀念，所以繼續採取默認做法就可以了。 那麼我們怎麼判斷我們是否學到了新內容？所謂“新內容”，就是與默認選擇完全相悖，可以讓我們新知識。為了得到上面問題的答案，我們可以查看兩個統計參數，P值和置信區間。
P 值闡述了這樣一個統計參數：如果接受原假設，觀察樣本對原假設的支持程度。通過 P 值可以判斷假設是否成立。P值越小，意味著默認結果出現的概率越小，「新內容」出現的可能性越大，統計越顯著，說明你應該改變先前的觀念。 進行假設檢驗，我們只需要將 P 值與顯著性水平進行比較。這就像是一個旋鈕，可以用來控制我們承受風險的大小。顯著性水平指當原假設正確時，人們卻因拒絕它而犯錯的上限概率。如果你將顯著性水平設置為 0，那麼就意味著你拒絕了備擇假設。那麼停下筆吧！別分析數據了，直接按默認方法去做吧。（但堅持默認做法也有可能是錯誤的。） 如何使用 P 值來獲取假設檢驗的結果。如果 P 值小於顯著性水平，拒絕原假設；如果 P 值大於顯著性水平，接受原假設。 信賴區間可以用來表示假設檢驗的結果。它的用法是，檢...
雖然信賴區間的定義晦澀難懂，但它有兩大優點有助於描述數據特性：（1）區間總是包含最合理的假設（2）數據量越大，區間範圍越窄。請注意，置信區間和 P 值並沒有簡練精闢的定義，因為當初設計這兩個統計參數的目的不在於方便教學。它們只是總結檢驗結果的方法。（如果你上了一節統計課，發現根本記不住這些的定義，原因就在於此。我來代表統計學說一句：不是你的鍋，是我自己的鍋。） 這樣做的意義是，如果你按照我剛才描述的方法進行測試，數學可以保證你犯錯誤的風險被限制在你選擇的顯著性水平以內（這就是為什麼你親自設置顯著性水平很重要……數學計算就是為了保證你所選擇的風險設置得以實現，如果你不費心選擇就沒有意義了。）
數學可以製造和檢驗零假設這個「玩具宇宙」（親愛的統計學家們，這多麼的酷啊！？簡直太酷了！），並生成數據，從而與已有的數據集進行相似度對比。如果你的零假設玩具宇宙與現實數據相似的可能性太低，你的 P 值將會很低，你最終會拒絕零假設……那就改變主意接受備擇假設吧！ 那些瘋狂的公式、概率、分佈是用來做什麼的呢？它們讓我們得以描述那些統治零假設世界的一系列規則，從而判斷零假設是否與真實世界相符。如果不是，你就可以大喊：「太荒唐了！拉出去砍了！」如果相符，你聳聳肩，遺憾沒學到新知識。以後我們再深入討論這個話題。 就目前而言，只需將數學的作用看作是幫我們建立了多個小的玩具世界，幫助我們進行檢驗，看看真實數據如果放進玩具世界中是否合理。P 值和信賴區間是幫你總結的方法，讓你不需要眯眼費力來閱讀關於這個世界...
等一下，我們是否做足了準備工作，確保我們實實在在的收集了足夠的證據，讓我們有足夠的把握地改變觀念了嗎？這個問題的答案是由功效這個概念所衡量的。不改變觀念很簡單，只要不去尋找支持它的證據就好了。你的功效越大，說明你給自己更多機會來改變觀念。功效是拒絕原假設且結果正確的概率。 當繼續採取默認做法，我們雖然沒學到什麼，如果用功效對原假設進行衡量也能讓我們感覺更好。至少我們做了足夠的準備，也進行了嘗試。如果沒有用功效進行衡量，我們肯定不會改變自己的觀念。這樣甚至不需要去分析數據了。
功效分析是對給定數量的數據檢測預期功效大小的一種方法，你可以借助功效分析制定研究計畫。 不確定性意味著，即使你擁有世上最棒的數學方法，也可能得出錯誤的結論。 統計是什麼？在不確定性中找確定性的神奇魔法。但沒有哪種魔法可以做到這一點，人們總會犯錯誤。提到錯誤，在頻率統計中有兩類經常出現的錯誤。 第一類錯誤是指原假設是對的，我們卻拒絕了原假設。大概就是，老兄，雖然你對這個默認做法很滿意，但你的數學計算說服你放棄它。第二類錯誤是指原假設是錯的，我們卻接受了原假設。（我們統計學家對命名真是有創意。猜一猜哪一個錯誤更糟糕？第一類？沒錯，很有創意吧。） 第一類錯誤就像是給一個無辜的人定罪，而第二類錯誤則是未能給一個有罪的人定罪。犯這兩類錯誤的概率是平衡的（提高抓住壞人的概率也同時提高了錯判好人的概率），...
什麼是多重比較校正（multiplecomparisons correction）呢？如果你打算對同一個受試群體詢問多個問題時，那麼你必須以不同的、不斷調整的方式詢問。如果你一遍又一遍地審訊無辜的嫌疑人（當你持續探測你的數據），最終某個隨機事件總會讓案子看起來有罪。 「統計顯著」（statistically significant）這個術語並不意味著在零假設的世界裡發生了重要的事情，它僅僅意味著我們改變了看法。這種改變也可能是錯誤的，都怪煩人的不確定性！ 別浪費你的時間來嚴謹地回答錯誤的問題了，試試統計學的方法吧！ 那什麼是第三類錯誤呢？這是一個統計學的笑話：它指的是正確地拒絕了錯誤的零假設。換句話說，運用的數學方法都是正確的，卻回答了錯誤的問題。 解決這個錯誤的問題的一個方法可以在「智能決...
2015年10月22日 · Google 員工現身解惑：想成為 Google 軟體工程師，你需要準備什麼？. 【伯樂在線導讀】：本文源自 Quora 同名問答 po 文 。. Google 程序員 Gaurav Jha 的回答獲得了 8000+ 頂。. 他從谷歌員工角度給出了 6 個重要的建議，並且推薦了很多學習資源。. 但神級工程師 ...
2019年7月24日 · 屬於冰川湖的「夢蓮湖」在十峰谷下，海拔高度約1,884公尺，無污染下呈現非常清澈的感覺，而且因為折射沉積的岩粉，所以是藍綠色澤，要拍出好照片可以站在Rockpile Trail的頂端，對了！這 個湖泊 每年只開放5~10月喔～
2018年12月22日 · 你爬過幾座台灣百岳了呢？ 在無邊際的翠綠草原與滿天星斗的懷抱中，呼吸零汙染的空氣，都是登山健行的迷人之處，只要跟著專業嚮導，就能挑戰各種登山難度，完成你心中的登山健行夢！ 這次小編特別整理了最美的台灣百岳Top 10，目前也在陸續挑戰當中，快來看看你完成了幾座爬山景點吧！ 台灣百岳登山健行NO.10. 合歡山群峰. 台灣爬山景點推薦-南投百岳合歡山。 （圖／ Tripbaa趣吧！ 亞洲自由行專家 ）。 作為一座登山難度入門款的台灣百岳，合歡山從交通便利性到登山健行路線都不難，僅須具備基本登山健行能力便可攻頂，沿途風景遼闊寬廣，沿著緩上坡度不知不覺就深入山林的環抱之間，即便如此輕鬆，它依然是名副其實的台灣百岳之一。
2021年1月8日 · DeBERTa 使用三種新技術 — 分離的注意力機制、增強的掩碼解碼器和一種用於微調的虛擬對抗訓練方法。 改進了以前的最新 PLM（如 BERT、RoBERTa、UniLM）。 這項研究是由微軟研究團隊的四位華人學者完成。 另一超越人類的 AI 是由 CMU 博士生王子瑞提交的 T5+Meena，這兩項技術均來自谷歌。 其中，Meena 是一個 26 億參數端到端訓練的神經對話模型，它具有一個演進 Transformer 編碼器塊和 13 個演進 Transformer 解碼器塊。 編碼器負責處理對話上下文，幫助 Meena 理解對話中已經說過的內容。 然後，解碼器使用該資訊來製定實際回應。
2018年8月1日 · 大數據文摘. 2018-08-01. 分享本文. 【我們為什麼挑遠這篇文章】Google 正在加大人工智慧晶片上的佈局。 目前 Nvidia 的 GPU 依然是市面上最常見、普遍的人工智慧硬體，但 Google 身為人工智慧領導者，當然不遑多讓，Edge TPU 的未來發展如何，也很值得期待（責任編輯：林子鈞） 兩年前，谷歌推出了旗下的張量處理器（Tensor Processing Units），即 TPUs。 這種晶片可以用在公司數據中心裡，專門負責一些人工智能數據處理工作。 但是隨著物聯網的發展和物端智能計算的需求，現在谷歌正在將他們的人工智能計算經驗從雲端往下搬，推出了新的 Edge TPU（邊緣計算 TPU）。
