摘要：学习如何学习 其实就是学习模型本身，模型的超参数 定义一个function，输入是一堆训练任务，输出是一个模型，这个和传统的机器学习没有本质不同 所以也是分成三步， 定义学什么，和相应的学习模型，meta learning本身也是有meta的。。。。。。 定义loss函数 用优化算法求解，但是这个L 阅读全文

摘要：主导的学习组件，是query-based，workload-driven，以一堆有代表性的queryset去实际运行，产生训练集。 The predominant「占主导的」 approach for learned DBMS components is that they capture the 阅读全文

摘要：OLTP系统的问题很难排查和定位，这就是为什么要花那么多钱去请DBA 因为TP系统的请求很多都是毫秒级别，而且同时有大量的并发，所以由于资源，或随机的原因导致的问题，很难去定位根因 哪怕数据库系统尤其是商业数据库系统，已经采集了上千维的对系统和数据库的监控指标，但是仍然很难提高有效的root cau 阅读全文

摘要：https://www.bilibili.com/video/av9770302/?p=24 https://www.bilibili.com/video/av24724071/?p=3 https://zhuanlan.zhihu.com/p/25239682 强化学习概览 分为几个要素， 首先我 阅读全文

摘要：https://www.bilibili.com/video/av22727915/?p=1 线性代数这门课主要描述这样的问题， 如何解多元一次方程组，即一个线性方程式的系统 解这个系统，就是要回答下面的问题，有没有解，多少解，怎么求解 为什么要研究一次线性方程组，因为他等价于线性系统，而线性系统是 阅读全文

摘要：https://www.bilibili.com/video/av9770302/?p=16 从之前讲的basic gan延伸到unified framework，到WGAN 再到通过WGAN进行Generation和Transformation 复习一下GAN， 首先我们有一个目标，target分 阅读全文

摘要：https://www.bilibili.com/video/av9770302/?p=15 前面说了auto-encoder，VAE可以用于生成 VAE的问题， AE的训练是让输入输出尽可能的接近，所以生成出来图片只是在模仿训练集，而无法生成他完全没有见过的，或新的图片 由于VAE并没有真正的理解 阅读全文

摘要：https://www.bilibili.com/video/av9770302/?p=11 Relu Leaky Relu Parametric Relu就是把leaky部分的斜率学出来，而不是指定 还有一种变体是，Randomized Relu，就是说这个斜率是每次随机的 Exponential 阅读全文

摘要：李宏毅深度学习 https://www.bilibili.com/video/av9770302/?p=8 在看RNN的时候，你是不是也会觉得有些奇怪， Train的过程中， 是把训练集中的结果作为下一步的输入 目标函数，是每一步的真实输出和训练集结果的交叉熵 Test的过程中， 是直接把每一步的输 阅读全文

摘要：李宏毅深度学习 https://www.bilibili.com/video/av9770302/?p=8 Generation 生成模型基本结构是这样的， 这个生成模型有个问题是我不能干预数据生成，这里是随机的， Conditional Generation 这里我们通过初始输入来增加条件， 比如 阅读全文

摘要：https://www.bilibili.com/video/av9770302/?p=8 李宏毅深度学习 图很清楚的反映出两者的不同 Recurrent可以看成Recursive的特殊形式，即以特定方式组成的recursive 阅读全文

摘要：Understanding Variational Autoencoders (VAEs) 为何不能用AE的decoder来直接生成数据？ 因为这里的latent space的regularity无法保证 右边给出的例子，AE只是保证training过程中的cases的这些离散点，会导致严重的ove 阅读全文

摘要：参考， An Intuitive Explanation of Convolutional Neural Networks http://www.hackcv.com/index.php/archives/104/?hmsr=toutiao.io&utm_medium=toutiao.io&utm_ 阅读全文

摘要：详解最大似然估计（MLE）、最大后验概率估计（MAP），以及贝叶斯公式的理解 https://blog.csdn.net/u011508640/article/details/72815981 聊一聊机器学习的MLE和MAP：最大似然估计和最大后验估计 https://zhuanlan.zhihu. 阅读全文

摘要：The Unreasonable Effectiveness of Recurrent Neural Networks，http://karpathy.github.io/2015/05/21/rnn-effectiveness/ https://www.csdn.net/article/2015- 阅读全文

摘要：神经网络基础 Deep learning就是深层神经网络 神经网络的结构如下， 这是两层神经网络，输入层一般不算在内，分别是hidden layer和output layer hidden layer中的一个神经元的结构如下， 可以看出这里的神经元结构等同于一个逻辑回归单元，神经元都是由线性部分和非 阅读全文

摘要：http://www.deeplearningbook.org/ mark 阅读全文

摘要：http://www.slideshare.net/tw_dsconf/ss-62245351?qid=c0f0f97a-6ca8-4df0-97e2-984452215ee7&v=&b=&from_search=1 参考链接， Softmax 函数的特点和作用是什么？ 如何直观的解释back propagation算法？ 技术向：一文读懂卷积神经网络CNN 怎样通俗易懂地解释卷积... 阅读全文

摘要：http://spark.apache.org/docs/latest/mllib-decision-tree.html 以决策树作为开始，因为简单，而且也比较容易用到，当前的boosting或random forest也是常以其为基础的 决策树算法本身参考之前的blog，其实就是贪婪算法，每次切分使得数据变得最为有序 那么如何来定义有序或无序？ 无序，node impurity ... 阅读全文

摘要：降维技术， 首先举的例子觉得很好，因为不知不觉中天天都在做着降维的工作 对于显示器显示一个图片是通过像素点0，1，比如对于分辨率1024×768的显示器，就需要1024×768个像素点的0，1来表示，这里每个像素点都是一维，即是个1024×768维的数据。而其实眼睛真正看到的只是一副二维的图片，这里眼睛其实在不知不觉中做了降维的工作，把1024×768维的数据降到2维 降维的好处，显而易见... 阅读全文