List

How to make a team of two dozens excellent students competitive and motivated? I am always wondering how my students will perceive for the life in the group after they graduate. It happened to me when seeing their acknowledge page for their thesis. Very interesting observations from what they appreciated. I found that those benefit them the most are (1) strong research engagements between the team members, (2) encouragement for the challenging research problems, (3) abundant computing resources, (4) quality time from the advisor.

今天想到一個問題,回去翻學生的論文。第一次看到學生論文中的致謝頁。

果然沒錯,團隊熱情的氣氛很重要。提供最好的資源,具有挑戰性的研究工作,讓一群聰明研究生可以隨時互信切磋協助,似乎是最有效率的管理方式。

鼓勵冒險、拉高標準、挑戰思維的完整性、關懷、敞開大門隨時進門討論。

更令我驚訝的是,從去年8月到IBM紐約Watson 研究中心進行一年的休假研究(sabbatical leave),溝通的工具轉換為slack以及hangout。發現團隊的productivity 反而變高了,有好幾件連我自己看了都相當驚艷的成果。

我還在想,這是怎樣的因素,人不在台北,為何團隊效率反而提高了呢?

  Posts

1 2 3
June 9th, 2017

Team management, productivity, and appreciation

June 1st, 2017

Practical advises for embracing AI-savvy products (Hosting AI Forum in InnoVEX 2017)

May 24th, 2017

Image to Poetry — 看圖造新詩

May 15th, 2017

島內AI的隱形驅動力

前陣子協助 天下雜誌 副總編輯 Yi-Shan Chen 完成AI專輯 [AI全面啟動Ⅰ:科技島國的翻身契機]。 我在紐約,這段時間,Yi-Shan透過FB的訪談跟資料詢問,我感受到她的焦慮,急著摸清楚這個浪潮的來龍去脈,以及我們該做的、或是已經做到的。 初稿完成,正如Yi-Shan所說的,她不那麼悲觀了。或是說我們也沒有悲觀的權利。 我的觀察。 2016年初開始,國內幾家領先企業也開始注意到AI(深度學習)浪潮可能對公司的影響。已經開始研究如何在既有的核心業務上善用這些前瞻技術。 這不是將開源的類神經網路拿來使用就好、或是付費API可以全然解決。首先產品需要的偵測/辨識的項目跟benchmark資料完全不同、產品大部分是multi-label的問題而不是大家常討論的multi-class、訓練資料的取得跟缺乏、應用場域資料型態差異、學習model的參數過大、耗電、運算時間、或是在使用者端自動調適學習等。產品佈建跟論文討論的範疇有著相當大的差異。 領導者(執行長、董事長)的決心是最關鍵的問題。因為引進新的機器學習paradigm之後,牽涉到資源配置、薪資結構、產品pipeline(如使用者資料收集、AI引擎的更新)、新產品的定位等,需要很大的決心。 缺乏深度學習技術的研究人員是第二個問題。在協助幾個團隊之後發現,台灣的數理教育品質相對優良,理工科碩士論文要求對於前瞻的研究是很有幫助的。 在組織具有某些特質的工程師之後,透過適當的做中學、學中做的過程,還有我們十幾年在影像/視訊上成功跟失敗的經驗,是可以逐漸訓練出內部深度學習基本研發團隊、也能適性地將技術調整到適合的產品線上。 目前已經看到這樣的技術成果用在解決監控系統上常見的誤判的問題、照片標註、辨識、自動分類、edge端的精簡深度學習模型、或是利用各種感測器、攝影機進行未來事件預測等。甚至有些已經上線進行A/B test,交付給客戶的PoC、或是取代原本沒效率的人工分類等。 在這次的訪問當中,也將這幾個領先企業介紹給天下雜誌,但是因為公司內部的marketing跟財務時程,還不能公開披露目前的結果。 我們不選擇悲觀、抱怨、譏笑。許多團隊,也早就捲起袖子為企業帶來更具有競爭力的AI(深度學習)能力,開啟新的產品思維,如同全球企業忙著乘著巨浪向前。也感謝 天下雜誌 […]

May 10th, 2017

Quick and incomplete observations from GTC 2017

May 9th, 2017

2017 Microsoft Research Asia Collaborative Research Project Granted

April 25th, 2017

NVIDIA AI Lab 及 台灣大學通訊與多媒體實驗室(CMLab)徵博士後/專職研究助理 (深度學習相關研究)

April 17th, 2017

How to invent the nXet great thing? 創意如何延伸發想?

April 15th, 2017

Pushing for the best — 極限在哪?

April 15th, 2017

Our CVPR 2017 Paper: Cross-Modality Convolution for 3D Biomedical Segmentation