CDC夜校回顾NO.12|浅谈 ToB 设计、培养数据分析思维:提高研究效能的催化剂、自动机器学习:基本原理和研究进展

CDC夜校回顾NO.12|浅谈 ToB 设计、培养数据分析思维:提高研究效能的催化剂、自动机器学习:基本原理和研究进展

关于CDC夜校

关键词|专业 · 跨界 · 探索 · 成长

CDC 被称为用户体验设计界的“黄埔军校”,与我们不断求真求精求专的态度及多种学习成长措施有着密切的关联。CDC夜校至今已持续近10年,夜校题材不仅覆盖用户研究、品牌设计、体验设计、研发技术等专业还涉及生活时尚、建筑艺术、摄影等多个跨界领域,是我们沉淀、分享、专业成长的重要形式之一;也能让不同专业的伙伴灵活轻松的获得跨领域前沿题材学习与切磋机会,共同拓展知识边界,高质成长

CDC夜校回顾NO.12|浅谈 ToB 设计、培养数据分析思维:提高研究效能的催化剂、自动机器学习:基本原理和研究进展

CDC夜校回顾NO.12|浅谈 ToB 设计、培养数据分析思维:提高研究效能的催化剂、自动机器学习:基本原理和研究进展

《浅谈 ToB 设计》

劉彦良

  腾讯CDC 设计中心 专家

CDC夜校回顾NO.12|浅谈 ToB 设计、培养数据分析思维:提高研究效能的催化剂、自动机器学习:基本原理和研究进展腾讯CDC夜校分享现场

在 B 端设计中,设计规范非常重要。由于 B 端设计的体验目标是帮助组织提升工作效率,而设计规范可以有效的降低产品线的整体操作难度和学习成本,因此极为重要。

在我的从业生涯中,我做过很多规范。我做规范,有一个很特别且私密的个人目标,就是“让规范活得越久越好”,我觉得这样才能体现我活过,在世界留下痕迹。在我做规范的三个阶段中,我都秉持着这个原则,尽量让规范活得更久。

在第一阶段,我做了很多单一的小规范,例如软件安装规范,多语言规范等。在这个阶段,我专注于建立通用,不具时效性的内容。以多语言规范为例,我更着重于多元文化的差异和普世价值的表达。举例来说,几乎每个手势,都在某个文化是贬义词,因此为了尊重多元文化,我建立的规范中,禁止使用任何和“手势”相关的图像化表达。再举个例子,基于平等尊重的普世价值,在规范中明确表明不使用任何种族歧视的字眼,例如用 block list 取代 black list,用 allow list 取代 white list。

在第二阶段,我开始做公司/BU级的规范。要让公司级的规范活得久,就必须随时要有接盘侠。因此,我会因地制宜,从产品复杂度、研发流程、团队情况等各维度评估,制定适合团队的规范准入、维护、推广机制。在这个阶段,我更着重的是获得团队的认同,成就制定和使用规范的设计师,并让大家养成习惯,融合成为工作的一部分。

在第三阶段,我来到了 CDC;我开始从更根本的层面去思考如何让我的设计活得更久:帮助设计师成长。在这个阶段,我开始探索如何系统化的搭建设计师培训和成长机制,可以培养出更多 guideline makers。除了建立一系列的机制之外(述职机制、晋升机制、文章沉淀机制、激励机制),更重要的还是获得团队的认同,并将这些制度织成一张互相支持的网,可以互相促进。

说了这么多,其实我并不是在分享如何做规范,而是想回答之前有人问过我的一个问题,“如何成为一个专家”。我认为设计是艺术和科学的结合,有关科学的部分可以参考我们的新书“在你身边为你设计3”,但是除了此之外,还有艺术和情感的部分。我因为希望自己做的设计活得越久越好,因此在做规范的路上才有了这些探索和心得。所以如果你也有“如何成为专家“的疑问,在我回答问题之前,我想请问你,“你想成为什么样的设计师”?找到驱动你成为优秀设计师的根本原因,不论那是热情、恐惧、或是对世界的好奇和爱。

注:此课程仅做内部分享,分享视频暂不对外公开。

CDC夜校回顾NO.12|浅谈 ToB 设计、培养数据分析思维:提高研究效能的催化剂、自动机器学习:基本原理和研究进展

培养数据分析思维:提高研究效能的催化剂

黄利贤

腾讯CDC 用户研究中心总监

CDC夜校回顾NO.12|浅谈 ToB 设计、培养数据分析思维:提高研究效能的催化剂、自动机器学习:基本原理和研究进展

腾讯CDC夜校分享现场

数据分析是用户研究、商业分析、产品运营等许多岗位能力模型中要求具备的技能,有很高的普及性,初步掌握数据分析能力的门槛不算高,但数据分析能力的天花板却又很高。在职场上,要提高数据分析能力,除了不断地通过个案项目来提高数据分析方法和工具的熟练程度之外,更重要的是还需要培养好自己的数据分析思维。

什么是数据分析思维?这个问题没有教科书式的标准答案,也不需要从教科书上去找答案,而是要从自己所处的数据分析环境中去寻找答案。对我们团队而言,它是一种贯穿在数据分析流程所有环节的思考和解决问题的思维方式,内容包括了信度效度、模型框架和换位思考3种主题的20个重要元素。例如Fact Check、Double Check和Cross Check这三种检查习惯,是非常建议大家在数据分析过程中高频使用的,这有利于认知和控制数据分析的信度和效度,提升数据结论的说服力。

总的来说,数据分析能力的提升,需要有好的数据分析项目锻炼作为土壤不断提高自己的方法和工具使用熟练度,了解自己的优势和短板,这是“见自己”;也需要能善于总结经验和突破局限,在不同环境下都能很好地思考和解决问题,这是“见天下”;更需要的是能沉淀出好的套路、规范和工具,帮助更多的人和团队提升数据分析效能,这是“见众生”。

注:此课程仅做内部分享,分享视频暂不对外公开。

CDC夜校回顾NO.12|浅谈 ToB 设计、培养数据分析思维:提高研究效能的催化剂、自动机器学习:基本原理和研究进展

《自动机器学习:基本原理和研究进展》

赵沛霖
腾讯AI Lab 专家研究员
CDC夜校回顾NO.12|浅谈 ToB 设计、培养数据分析思维:提高研究效能的催化剂、自动机器学习:基本原理和研究进展

腾讯CDC夜校分享现场

自动化机器学习是指,把机器学习在现实问题上的应用过程自动化的技术。针对它,我们主要讲解了三个方面:超参数优化、网络结构搜索、和迁移学习。

首先,我们回顾了超参数优化的基础概念,并介绍了三种超参数优化算法:网格搜索、随机搜索、以及标准的贝叶斯优化。更进一步,我们简单讲解了基于数据分布迁移的贝叶斯优化算法。它可以利用历史任务的超参数优化数据,来对新任务的超参数优化进行热启动。

其次,我们回顾了神经网络结构在计算机视觉中的重要性,并引出了网络结构搜索的问题。针对该问题,我们先介绍了谷歌的经典的算法。更进一步,我们介绍了三个自研算法:基于课程的网络结构搜索、基于元参数的网络结构搜索、和元网络搜索。基于课程的网络结构搜索,通过逐步扩大搜索空间减小了问题难度,提高了搜索效果。基于元参数的网络结构搜索,利用元参数替代谷歌所用的参数共享,提高了策略梯度的精度,进而提升了搜索性能。元网络结构搜索,使得所得网络结构,可以快速迁移到新的任务上。

最后,我们回顾了迁移学习的基本概念,以及基于预训练的迁移学习方法。进一步,我们讲解了,如何利用扫描仪所得图片和它的标签,来学习适用于显微镜的深度学习模型。其思想,主要是应用对抗域学习,来训练深度神经网络。这样可以使得它,获得提取两种不同图片的,通用特征的能力。
总之,自动化机器学习是人工智能的一个重要发展方向。我们期待它可以帮助人工智能更好地助力各个行业,进一步解放全人类。

▼点击观看现场视频


  下期CDC夜校将在11月末进行,敬请期待  


CDC夜校回顾NO.12|浅谈 ToB 设计、培养数据分析思维:提高研究效能的催化剂、自动机器学习:基本原理和研究进展




快乐工作,快乐生活

Happy work , Happy life


/


Join us


CDC夜校回顾NO.12|浅谈 ToB 设计、培养数据分析思维:提高研究效能的催化剂、自动机器学习:基本原理和研究进展


本篇文章来源于微信公众号: 腾讯CDC体验设计

UI/UX

【快闪课】DOGA in 故宫 — C4D/OC三维实景结合小技巧

2020-11-4 16:30:00

UI/UX

设计师有必要读研吗?

2020-11-5 8:20:00

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索