Data Weekly [第十四期]

[emptymalei]

欢迎大家来到 Data Weekly 第二季！点击查看第一季十期。

欢迎大家关注供稿作者们！

欢迎大家投稿呀

Hidden Markov Models for Chord Recognition

[@emptymalei 提供] [讨论此话题]

2019 年的 PyConDE & PyData 会议上 Caio Miyashiro 给了一个非常有趣的 talk: Hidden Markov Models for Chord Recognition. Caio 主要讲了他作为一个热爱音乐的人，有时候却找不到乐谱，所以就想要用 Machine Learning 读入音乐来自动根据声音生成乐谱。Caio 用的是 Hidden Markov Models (HMM) 来把听到的音乐里面的乐谱识别出来。虽然 Hidden Markov Model 并不一定是这个任务完美的模型，因为音乐本身也（可能）是关于不同距离上的关联，但是最后的效果也不算差，更重要的是这个 talk 是非常好的 HMM 的入门介绍。

Caio Miyashiro 是 FreeNow 的 data scientist. 作为一个 ride-sharing 行业的 data scientist，我们也跟 Caio 聊了一些有趣的话题。

Caio 以前在银行工作，主要是从事 credit risk 的管理，当时进银行这个部门很早所以得以了解整个数据工作的流程。Caio 的工作内容有很多，其中包括 data science 的工作，比如 riding-sharing 行业的一个问题是如何解决不同时段和区域的定价问题，解决方案比如通过对 supply-demand 的建模进行 dynamic pricing. 除了机器学习，另外非常重要的工作就是帮助 data scientist 和 managers 衔接，进行合理的 KPI 定义等等，这样使得 data scientist 的工作更加有效。

另外我们还问了 Caio 一些个人喜好的问题：

1. 一般是从什么地方找教程和学习资料？

Medium 是主要的学习资料来源。

2. 你最喜欢的统计分布是什么？

Poisson distribution 非常有用例如 可以用来对不同区域的用户的分布进行建模。

最后，欢迎大家关注 caiomiyashiro .

尾注:

1. FreeNow 是欧洲最大的 ride-hailing/sharing 服务（就是 uber/lyft/滴滴 的服务）

---

如果想要分享你的视角或者经历或者建议，可以通过 Discussions 来提交，或者参与讨论，也可以写邮件给我们：[email protected]

来自 GetDataWeekly.com