摘要：
摘要：
0.神经网络基础
1.深度学习常用方法
2.深度学习实践
3.tensorflow相关组件
4.keras相关组件 阅读全文
摘要：
1.spark 数据透视图： 阅读全文
摘要：
常见的推荐引擎算法：
simHash 算法：推荐算法—协同过滤；simHash原理 阅读全文
摘要：
摘要：
1.数据增强是什么？
2.为什么要数据增强？
3.常见的数据增强举例 阅读全文
摘要：
摘要：
1.最小二乘法
2.梯度下降法
3.最大（对数）似然估计（MLE）
4.最大后验估计（MAP）
5.期望最大化算法（EM）
6.牛顿法
7.拟牛顿迭代（BFGS）
8.限制内存-拟牛顿迭代（L-BFGS）
9.深度学习中的梯度优化算法
10.各种最优化方法比较
拟牛顿法和牛顿法区别，哪个收敛快？ 阅读全文
摘要：
摘要：
0.redis安装
1.redis的常用数据结构类型
1.1 String
1.2 List
1.3 Set
1.4 Sorted Set
1.5 Hash
2.redis是单进程单线程的
3.管道
4.我的测试代码 阅读全文
摘要：
背景：本文类似文章的目录部分，以系统学习python 新知识和复习总结用
python 基本语法
numpy库
matplotlib绘图库
pandas库
scikit-learn 机器学习库 阅读全文
摘要：
摘要：
1.场景描述
2.flask介绍
3.celery介绍
4.项目伪代码记录 阅读全文
摘要：
摘要：
1.Hive安装
2.Hive DDL命令
3.Hive DML初步
4.Hive DML高级
5.Hive 优化与配置参数 阅读全文
摘要：
摘要：
1.开发UDF
2.开发UDAF
3.开发UDTF
4.部署与测试
5.一个简单的实例 阅读全文
摘要：
摘要：
centos7安装依赖库
tesseract配置
代码例子 阅读全文
摘要：
1.归并两个有序链表
2.最小路径和
3.计算int sqrt(x)
4. 阅读全文
摘要：
摘要：
1.分词
2.关键词提取
3.主题模型（LDA/TWE）
4.词的两种表现形式（词袋模型和分布式词向量）
5.关于文本的特征工程
6.文本挖掘（文本分类，文本用户画像） 阅读全文
摘要：
摘要：
1.spark_core
2.spark_sql
3.spark_ml 阅读全文
摘要：
摘要：
热门推荐
协同过滤算法
矩阵分解
基于内容的推荐（文本，标签，特征/profile）
基于图的算法 阅读全文
摘要：
摘要：
1.特征的可用性评估
2.特征的修剪
3.特征的可视化
4.特征的监控
5.特征的维护 阅读全文
摘要：
1.自然底数e的由来：知乎问答
2.正态分布的前世今生：pdf
3.常见概率分布图表总结： 阅读全文
摘要：
摘要
1.适用场合
2.算法简介
3.代码例子
4.Spark RangePartitioner 中的应用 阅读全文
摘要：
1.数据城堡 -- 猜你喜欢
2.数据城堡 -- 微额借款用户人品预测大赛
3.阿里天池 -- 需求预测与分仓规划
4.kaggle -- 14年CTR预测（GBDT+LR/FM）
5.魔镜 -- 风控 阅读全文
摘要：
摘要：
1.算法概述
2.算法推导
3.算法特性及优缺点
4.注意事项
5.实现和具体例子
6.适用场合
7.与NB,pLSA比较 阅读全文
摘要：
1.算法概述
2.算法推导
3.算法特性及优缺点
4.注意事项
5.实现和具体例子
6.适用场合 阅读全文
摘要：
摘要：
1.算法概述
2.算法推导
3.算法特性及优缺点
4.注意事项(算法过程，调参等注意事项)
5.实现和具体例子
6.适用场合 阅读全文
摘要：
1.常见问题
1.1 什么是偏差与方差？
1.2 为什么会产生过拟合，有哪些方法可以预防或克服过拟合？
2.模型选择
3.特征选择
4.特征工程与数据预处理 阅读全文
摘要：
周二面试了一天，结果就是各种被虐。下面记录下我的面试题，大神直接略过。
内容总结：
欧朋：
1.算法题：给一个字符串，相邻的字符去重。（我的想法是写了个循环，如果下一个和现在的不同才添加到结果字符串中，直至串尾）
2.算法题：给一个9*9的数独，判断行，列以及小九宫格不重复。(leetcode原题：https://leetcode.com/problems/valid-sudoku/)
百度：
1.java相关：垃圾回收机制，对象是值传递还是引 阅读全文
摘要：
1.StackOverflowError
问题：简单代码记录 :
for (day <- days){
rdd = rdd.union(sc.textFile(/path/to/day) .... )
} 阅读全文
摘要：
摘要：
1.RDD的五大属性
1.1partition(分区)
1.2partitioner(分区方法)
1.3dependencies(依赖关系)
1.4compute(获取分区迭代列表)
1.5preferedLocations(距离近的节点列表)
2.RDD实现类举例
1.MapPartitionsRDD
2.ShuffledRDD
3.RDD可以嵌套吗？ 阅读全文
摘要：
摘要：
1.算法概述
2.算法推导
3.算法特性及优缺点
4.注意事项
5.实现和具体例子 阅读全文
摘要：
摘要：
1.常见离散变量的分布
2.常见连续变量的概率分布
3.共轭分布 阅读全文
摘要：
李航的《统计学习方法》 这本书开篇第一章写得特别好，各个模型的算法推导也比较全，基本涵盖了比较经典的判别模型和生成模型。 《机器学习实战》 这本书代码和应用特别多，了解python用法和机器学习算法的代码实现非常方便。 项亮的《推荐系统实践》 这本书个人感觉偏理论一点，伪代码看着都实现不了，不过关于 阅读全文
摘要：
摘要
1.使用reduceByKey/aggregateByKey替代groupByKey
2.使用mapPartitions替代普通map
3.使用foreachPartitions替代foreach
4.使用filter之后进行coalesce操作
5.使用repartitionAndSortWithinPartitions替代repartition与sort类操作
6.使用broadcast使各task共享同一Executor的集合替代算子函数中各task传送一份集合 阅读全文
摘要：
摘要：
1.算法概述
2.算法推导
3.算法特性及优缺点
4.注意事项
5.实现和具体例子 阅读全文
摘要：
摘要：
1.信息的度量
2.信息不确定性的度量 阅读全文
摘要：
摘要：
1.正则化（Regularization）
1.1 正则化的目的
1.2 正则化的L1范数（lasso），L2范数（ridge），ElasticNet
2.归一化 （Normalization）
2.1归一化的目的
2.1归一化计算方法
2.2.spark ml中的归一化
2.3 python中skelearn中的归一化 阅读全文
摘要：
摘要：
1.各个数据结构的应用举例
1.1 String类型应用举例
1.2List类型应用举例
1.3Set类型应用举例
1.4Sorted Set类型应用举例
1.5Hash类型应用举例 阅读全文
摘要：
摘要：
1.算法概述
2.算法推导
3.算法特性及优缺点
4.注意事项
5.实现和具体例子
6.适用场合 阅读全文
摘要：
介绍：以下是李航《统计学习方法的》第一章的部分摘录，只为复习总结用 内容： 1.损失函数： 扩展：线性回归，LR，svm,boosting的损失函数 2.分类器评估方法： 阅读全文