摘要： 《机器学习十讲》第七讲 最优化 一、梯度下降的优化 动量法 Nesterov动量法 AdaGrad RMSProp Adam 二、二阶优化方法 牛顿法 三、优化算法的选择 四、案例：机器学习中常用优化算法的Python实践 阅读全文

摘要： 《机器学习十讲》第六讲 降维 一、降维 将数据的特征数量从高维转换到低维 二、主成分分析PCA（线性） 算法流程 三、自编码器（非线性） 四、Python降维实践工具 五、案例：Python降维实践及在特征脸、图像重构和文本数据中的应用 阅读全文

摘要： 《机器学习十讲》第五讲 聚类 一、聚类 将数据集中相似的样本进行分组，无监督学习方法 二、K-Means模型 固定c，优化r 固定r，优化c 算法流程 高斯混合模型GMM 求解 三、案例：K-Means的Python实现及在图像分割和新闻聚类中的应用 阅读全文

摘要： 这部分介绍商务技能，包括商务知识、创新、实用主义、认知。 1、商务知识：读懂商务语言的能力和了解产品与顾客的能力。 了解商务： 营销、财务（投入产出比）和销售。了解他们的语言。 商务学位。 了解公司： 产品对客户的价值。 知道公司如何赚钱。 公司的历史、文化。 了解顾客： 真正接触顾客（通过公司网站 阅读全文

摘要： 《机器学习十讲》第四讲 模型提升 一、模型提升的方法 二、决策树 三、随机森林 算法流程 四、AdaBoost 五、实践案例 阅读全文

摘要： 《机器学习十讲》第三讲 分类 一、数学知识 1、点到直线的距离 2、梯度下降法 机器学习——随机梯度下降法 3、最大似然估计 二、分类 1、有监督学习；y为离散值 2、感知机、支持向量和逻辑回归 三、感知机 感知机算法 四、支持向量机 间隔最大化 样本损失函数 优化目标 五、逻辑回归 赋予样本概率解 阅读全文

摘要： 《机器学习十讲》第二讲 回归 numpy矩阵求逆函数 回归：一类预测变量为连续值的有监督学习方法。 一元线性回归：y=w1x+w0； 求解 多元线性回归 矩阵表示 模型求解 线性回归的问题 正则化 岭回归 岭迹分析 LASSO最小绝对值和选择算法 岭回归和LASSO 回归模型的评价指标 案例：使用回 阅读全文

摘要： 这部分介绍个人技能（只要你能把握自己，你就能把握任何东西），包括透明、激情、语境切换。 1、透明化：使自我、团队关系和项目透明化的能力。 自我透明化： 自然真诚。 承认弱点。但这只是目前的弱项，之后要想办法弥补。 承认实力和兴趣。 赶在人前与上司沟通。主动暴露问题。如果不是自己说出去，信息传递过程中 阅读全文

摘要： 《机器学习十讲》第一讲 一、大数据：数据采集、数据清洗、数据分析和数据应用的整个流程中的理论、技术和方法。 机器学习：大数据分析的核心内容。找到将X和Y关联的模型F。 深度学习：机器学习的一部分，核心是自动找到对特定任务有效的特征，即自动完成Data到X的转换。 二、机器学习的方法 1、有监督学习 阅读全文

摘要： 这本书从关系技能、个人技能、商务技能三个方面说明了软件架构师必备的12项软技能。本书的亮点是每部分都提出了一些具体的问题，可以让人通过这些问题验证自己是否具备相关技能，而不是只有单调的观点。 首先是关系技能。关系技能包括领导力、政治、文雅的举止、沟通、协商五个方面。 1、文雅的举止：在任何环境下都能 阅读全文