摘要：
1 - 配置管理工具 配置管理工具（SCM，Software Configuration Management）可以将代码、软件方式实现的基础设施配置信息保存，也可以根据需求变化反复进行变更。 相关工具包括Ansible、Chef、Puppet、SaltStack等，版本管理工具有Git、Subve 阅读全文
posted @ 2019-11-09 23:47
Anliven
阅读(1612)
评论(0)
推荐(0)
摘要：
1 - 关键问题 如何向不具备相关基础知识的人说明和解释DevOps？ 如何在组织和团队中推广和实施DevOps？ 2 - 在组织中实施DevOps 在全新的组织或服务开发中，没有既定规则和老旧的习惯，所以推荐采用自上而下的方式实施DevOps。 如果无法采用自上而下的方式实施DevOps，应该通过 阅读全文
posted @ 2019-11-08 23:12
Anliven
阅读(506)
评论(0)
推荐(0)
摘要：
1 - DevOps的含义 DevOps涉及领域广泛，其含义因人而异，在不同的理解和需求场景下，有着不同的实践形式。 DevOps可以理解为是一个职位、一套工具集合、一组过程与方法、一种组织形式与文化。 但从商业价值角度来说，DevOps是指通过Dev（开发）和Ops（运维）的紧密合作来实现和提高商 阅读全文
posted @ 2019-11-08 23:05
Anliven
阅读(686)
评论(0)
推荐(0)
摘要：
1 - Kubernetes 1.1 简要说明 Kubernetes（简称K8s，用8代替8个字符“ubernete”）是Google开源的一个容器编排平台，用来构建和调度云原生应用。 K8s能够让用户有效搭建以容器为中心的架构与开发环境，可以自动部署和扩展大规模的容器化应用，并实现高效管理和跟踪。 阅读全文
posted @ 2019-08-21 23:19
Anliven
阅读(1696)
评论(0)
推荐(0)
摘要：
1 检查当前版本 2 卸载旧版本 3 设置仓库 3.1 安装必要的包 3.2 设置稳定的仓库 4 安装与配置Docker Engine Community 4.1 安装最新版本 4.2 设置代理 根据网络实际状态来选择是否设置代理。 4.3 设置国内镜像 通过修改daemon配置文件 来使用加速器 阅读全文
posted @ 2019-08-16 22:02
Anliven
阅读(3371)
评论(0)
推荐(1)
摘要：
注意：以下内容均使用root用户执行操作。 1 确认信息 2 安装依赖 3 下载与安装 4 更改软连接 5 修改yum相关配置 为了防止出现如下错误： 如下文件中的 更改为 /usr/bin/yum /usr/libexec/urlgrabber ext down /usr/bin/yum conf 阅读全文
posted @ 2019-07-29 23:12
Anliven
阅读(794)
评论(0)
推荐(0)
摘要：
本文是对 " 解决问题的一些方法" 内容的改写与补充！ 首要的问题 对于发生在线上的问题， 最紧要的事项一定是“以最快最有效的方式解决问题，降低对线上业务的影响”，然后才是深挖问题，探求根本原因，防微杜渐，未雨绸缪。 而对于非线上问题，客观上会有“相对多一点的处理时间、多一些的分析和处理方法”。 1 阅读全文
posted @ 2019-07-29 21:30
Anliven
阅读(1281)
评论(0)
推荐(1)
摘要：
通用 PicPick：https://picpick.app/zh/ Q-Dir：http://www.softwareok.com/?Download=Q-Dir 7-Zip：https://www.7-zip.org/ CCleaer：https://www.ccleaner.com/cclea 阅读全文
posted @ 2019-07-26 21:55
Anliven
阅读(260)
评论(0)
推荐(0)
摘要：
本文是已读书籍的内容摘要，少部分有轻微改动，但不影响原文表达。 <深入浅出学统计> ：以漫画形式来讲解最基本的统计概念和方法。 ISBN: 9787121299636 https://book.douban.com/subject/26906845/ 2 - 探寻参数 2.1 - 中心极限定理（Ce 阅读全文
posted @ 2019-07-12 00:28
Anliven
阅读(459)
评论(0)
推荐(0)
摘要：
本文是已读书籍的内容摘要，少部分有轻微改动，但不影响原文表达。 <深入浅出学统计> ：以漫画形式来讲解最基本的统计概念和方法。 ISBN: 9787121299636 https://book.douban.com/subject/26906845/ 引言：统计无处不在 统计值无处不在。我们伴随着统 阅读全文
posted @ 2019-07-11 00:20
Anliven
阅读(550)
评论(0)
推荐(0)
摘要：
简要说明 本文来自网络流传的“百度内部培训PPT - 数据分析的道与术”，版权属于“百度”，如有冒犯，即刻删除。 PDF下载 - 数据分析的道与术 什么是数据分析（道） 1 - 数据分析是什么？ 2 - 什么是做好数据分析的关键？ 3 - 分析要思考业务，尤其是接地气 4 - 分析要言之有物，行之有 阅读全文
posted @ 2019-07-07 23:04
Anliven
阅读(552)
评论(0)
推荐(0)
摘要：
9 - 数据解读与表达 数据解读 数据解读需要选择一个基点、一个参照系，单独的一个数值往往不具备价值，它只是数字。 注意点： 关注异常值，并深究WHY? 相互验证、大胆假设、多方验证。 把握趋势或者规律。 归纳总结、数清理明。 数据表达 用恰当的图表表达，让图表会说话。 图表建议 图表与关系的匹配 阅读全文
posted @ 2019-07-04 00:47
Anliven
阅读(303)
评论(0)
推荐(0)
摘要：
6 - 模型与框架 利用现有的成熟的理论、模型与框架，结合实际业务情况，搭建分析框架，尽量确保数据分析维度的完整性，结果的有效性及正确性。 营销理论模型：4P、用户使用行为、STP理论、SWOT等。 管理理论模型：PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则等。 7 - 简 阅读全文
posted @ 2019-07-03 00:40
Anliven
阅读(683)
评论(0)
推荐(0)
摘要：
1 - 概念与定义 如果分析思维是一种结构化思考的体现，那么数据分析思维（简称数据思维）则是以数据为依托的结构化分析方式。 不同于“我觉得”、“以前是怎样”、“其他人如何”这些直觉化、经验化、类比化的思考方式，数据思维是以数据为导向，依据严格的分析、统计和证明来指导具体的应用与操作。 首先，要对事物 阅读全文
posted @ 2019-07-02 00:35
Anliven
阅读(1223)
评论(0)
推荐(1)
摘要：
前言 在数据集上训练神经网络时，主要有两个目标： 定义符合数据集特性的神经网络架构。 在许多试验中对一组超参数进行调优，从而使得模型具有较高的准确率并且能够泛化至训练集和测试集之外的数据。 针对不同的数据集和问题，往往需要进行几十至上百次的实验，花费几百到上千小时的计算时间，才能找到神经网络架构和超 阅读全文
posted @ 2019-06-25 22:48
Anliven
阅读(1067)
评论(0)
推荐(0)
摘要：
1 - Iris数据集 Iris数据集是常用的机器学习分类实验数据集，特点是数据量很小,可以快速学习。 数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。 Sepal.Length（花萼长度），单位是cm Sepal.Width（花萼宽度），单位是cm Petal.Lengt 阅读全文
posted @ 2019-06-24 23:54
Anliven
阅读(1621)
评论(0)
推荐(0)
摘要：
安装的要求 H2O的安装对操作系统、编程语言和浏览器有具体的要求。 详情请查看官方信息 下载H2O Downloading & Installing H2O Download 示例 - 在CentOS7.5中直接运行 官网信息 查看系统及Java信息 [Anliven@localhost ~]$ u 阅读全文
posted @ 2019-06-21 23:33
Anliven
阅读(2718)
评论(0)
推荐(0)
摘要：
1 - 持续集成简介 持续集成（Continuous integration，简称CI）是软件的开发和发布标准流程中最重要的部分。 作为一种开发实践，在CI中可以通过自动化等手段高频率地去获取产品反馈并响应反馈的过程。 简单来说，就是持续不断地（一天多次）将代码合并（集成）到主干源码仓库，让产品可以 阅读全文
posted @ 2019-06-07 23:11
Anliven
阅读(3203)
评论(0)
推荐(0)
摘要：
1 - AutoML AutoML（自动化机器学习）是将机器学习应用于现实问题的自动化端到端过程。 安装一个程序库/使用一个web接口 将程序库/接口指向数据 自动在数据上训练模型，无需调整参数/深入了解驱动它的算法 AutoML定义 简单来说就是一种自动化任务的方法： 预处理并清理数据。 选择并构 阅读全文
posted @ 2019-06-04 00:10
Anliven
阅读(1449)
评论(0)
推荐(0)
摘要：
本文是已读书籍的内容摘要，少部分有轻微改动，但不影响原文表达。 ISBN: 9787508644691 https://book.douban.com/subject/25873066/ 5 基本的思考方法 在理清思绪的前提下采取行动是决定成果的关键。 5.1 不要只从硬币的正反面考虑问题 试着形成 阅读全文
posted @ 2019-05-24 00:33
Anliven
阅读(392)
评论(0)
推荐(0)
摘要：
本文是已读书籍的内容摘要，少部分有轻微改动，但不影响原文表达。 ISBN: 9787508644691 https://book.douban.com/subject/25873066/ 1 专业作风 1.1 客户第一主义 正规的工作方法：分析案例、展开讨论、逻辑思考、框架分析、资料制作、图表绘制等 阅读全文
posted @ 2019-05-22 23:15
Anliven
阅读(558)
评论(0)
推荐(0)
摘要：
Runboob https://www.runoob.com/ 支持语言种类丰富，无需注册，包含教程、笔记、手册等内容。 菜鸟在线工具：https://c.runoob.com/ 菜鸟在线编译器：https://c.runoob.com/compile repl.it https://repl.it 阅读全文
posted @ 2019-05-19 22:46
Anliven
阅读(1338)
评论(0)
推荐(0)
摘要：
保存和恢复模型（Save and restore models） 官网示例：https://www.tensorflow.org/tutorials/keras/save_and_restore_models 在训练期间保存检查点 在训练期间或训练结束时自动保存检查点。权重存储在检查点格式的文件集合 阅读全文
posted @ 2019-05-05 23:49
Anliven
阅读(882)
评论(0)
推荐(0)
摘要：
过拟合与欠拟合（Overfitting and underfitting） 官网示例：https://www.tensorflow.org/tutorials/keras/overfit_and_underfit主要步骤： 演示过拟合 - 创建基准模型 - 创建一个更小的模型 - 创建一个更大的模型 阅读全文
posted @ 2019-05-05 23:28
Anliven
阅读(684)
评论(0)
推荐(0)
摘要：
基本回归 回归（Regression）：https://www.tensorflow.org/tutorials/keras/basic_regression 主要步骤：数据部分 获取数据（Get the data） 清洗数据（Clean the data） 划分训练集和测试集（Split the 阅读全文
posted @ 2019-04-27 08:36
Anliven
阅读(1071)
评论(0)
推荐(1)
摘要：
影评文本分类 官网示例：https://www.tensorflow.org/tutorials/keras/basic_text_classification主要步骤： 1.加载IMDB数据集 2.探索数据：了解数据格式、将整数转换为字词 3.准备数据 4.构建模型：隐藏单元、损失函数和优化器 5 阅读全文
posted @ 2019-03-28 00:11
Anliven
阅读(1638)
评论(0)
推荐(0)
摘要：
基本分类 官网示例：https://www.tensorflow.org/tutorials/keras/basic_classification主要步骤： 加载Fashion MNIST数据集 探索数据：了解数据集格式 预处理数据 构建模型：设置层、编译模型 训练模型 评估准确率 做出预测：可视化 阅读全文
posted @ 2019-03-27 23:44
Anliven
阅读(1817)
评论(0)
推荐(0)
摘要：
原文链接：https://yq.aliyun.com/topic/111 本文是对原文内容中部分概念的摘取记录，可能有轻微改动，但不影响原文表达。 08 - BP算法双向传，链式求导最缠绵 反向传播(Back Propagation，简称BP) 算法 在神经网络（甚至深度学习）参数训练中，BP算法占 阅读全文
posted @ 2019-03-06 00:01
Anliven
阅读(737)
评论(0)
推荐(0)
摘要：
原文链接：https://yq.aliyun.com/topic/111 本文是对原文内容中部分概念的摘取记录，可能有轻微改动，但不影响原文表达。 01 - 一入侯门“深”似海，深度学习深几许 什么是“学习”？ “如果一个系统，能够通过执行某个过程，就此改进了它的性能，那么这个过程就是学习”。 学习 阅读全文
posted @ 2019-02-28 00:11
Anliven
阅读(1010)
评论(0)
推荐(0)
摘要：
过拟合 过拟合（overfitting，过度学习，过度拟合）： 过度准确地拟合了历史数据（精确的区分了所有的训练数据），而对新数据适应性较差，预测时会有很大误差。 过拟合是机器学习中常见的问题，解决方法主要有下面几种： 1. 增加数据量 大部分过拟合产生的原因是因为数据量太少。 2. 运用正则化 例 阅读全文
posted @ 2019-02-26 00:01
Anliven
阅读(901)
评论(0)
推荐(0)
浙公网安备 33010602011771号