摘要：
12月 准备自己的学习与期末考试 17年最后一月 目标:好好的总结这半年接触到的经典算法,看的时候参考工业界的实现如sklearn spark等的实现,重点是LR,GLM,NB,KNN; SVM,DT,ensemble(Tree Base:adaboost rf, gbdt,xgboost) ; u 阅读全文
摘要：
数 据库基础 参考链接 http://blog.csdn.net/yutianzuijin/article/details/12243751 如何学习sql知乎 https://www.zhihu.com/question/19552975 思维图 sql执行顺序 http://www.cnblog 阅读全文
摘要：
参考:https://www.cnblogs.com/zhizhan/p/5238908.html titanic比赛 一些做比赛的要点: 『对数据的认识』 『数据中的特殊点/离群点的分析和处理』 『特征工程(feature engineering) 在很多Kaggle的场景下，甚至比model本身 阅读全文
摘要：
关于pip安装 .\pip.exe install --ignore-installed --upgrade tensorflow-gpu python可视化库 Seaborn:是一个基于matplotlib的高级可视化效果库，针对的点主要是数据挖掘和机器学习中的变量特征选取，seaborn可以用短 阅读全文
摘要：
数学基础与计算机基础 算法基础方面 牛顿法、随机梯度下降法、拟牛顿法、BFGS 传统机器学习 深度学习 CNN-基础学习与应用 十一期间 RNN 算法应用方面 工程方面 kaggle 十一期间把第一个项目流程完整走下来 java hadoop spark mapreduce c++? http:// 阅读全文
摘要：
在家呆的最后一个月，啥都没干成，现在回到学校，继续之前要学的东西 1.TensorFlow （书籍） 2.深度学习 ang 网易云的视频 http://mooc.study.163.com/course/deeplearning_ai-2001281002#/info 阅读全文
摘要：
7月30之前做了什么 监督学习的常见算法，如决策树，SVM，GLM，naive bayes，非监督算法，k-means，kNN 相关的概率论知识补充，除神经网络与深度学习外的资料收集，对脑机研究的基本了解，对整体机器学习，深度学习，数据挖掘这块宏观的认识 接下来还需要继续学习的有： 1.继续传统机器 阅读全文
摘要：
师姐，我理解的这些机器学习算法其实都是一种工具，光研究这个工具，单纯搞理论研究，做到算法优化这种水平是很难的（杭电这种级别基本没有几个人能做到），所以一般都把精力放在算法的应用上，算法的应用方面就很多了， 拿找工作来说，最容易找的是 【数据挖掘】，也是需求量最大的，挖掘大量数据中商业价值（我认为的所 阅读全文
摘要：
学完机器学习cs229前10集，满心的疑惑，感觉找到了新世界，但是还没找到钥匙， 故总结一波，结合cs229讲义，课后作业，中文笔记，Coursera版机器学习的笔记，Coursera版编程作业，机器学习-周志华，统计学习方法-李航，相关章节，试图完善整个监督学习体系，尝试理解SVM（不做高要求，看 阅读全文
摘要：
7月9号 概率论已经看完,大体够用 线性代数 不想再看,找不到切入的点 机器学习 进行到第五节课,慢慢步入正轨 机器学习应用方面,现在需要试着做下了.. 深度学习应该啥时候开始?? LeetCode 还是没做几个,没有啥动力 脑电相关知识才刚刚开始 后面何去何从? 再有一个月就回家了,这一个月,我能 阅读全文