专业探索

回溯算法思想简单，但是应用却非常广泛，常用的DFS(Depth-First-Search) 深度优先搜索算法利用的就是回溯算法思想。很多经典的数学问题也都可以用回溯算法解决，比如数独、八皇后、0-1

为了进行数据挖掘任务，数据科学家们提出了各种模型，在众多的数据挖掘模型中，国际权威的学术组织ICDM（the IEEE International Conference on Data Mining）

概述 具备产品思维的软件工程师对产品本身会有极大的兴趣。他们渴望理解产品的决策，以及用户使用产品的方式，也热衷于去进行每一次产品的决策。他们也许会放弃工程的兴趣，从而成为一名好的产品经理。我曾经和很多

一、背景 出行场景下的司乘匹配非常复杂。一方面，高峰期出行平台每分钟会接到大量出行需求；另一方面车辆会在路上不停地移动，可能几秒后这个司机就通过了一个路口，或是行驶上了高速路；不仅如此，每一次派单的决

前提概要 前一篇文章，主要介绍了动态规划解题的整体思路。 动态规划算法 但是要达到熟练运用，我们都少不了要多加练习，只有刻意练习后才有可能产生更好的联想力，从而帮助你在工作中用来解决难题。 题目描述

一、基本定义 1.1、百度百科定义 1.2、热度推荐定义一 1.3、热度推荐定义二 1.4、个人理解 二、适用场景 动态规划一般是用来解决最优问题。而解决问题的过程，需要经历多个决策阶段，每个决策阶段

前提概要 谈到分治算法其实思想很简单就是分而治之，而且我们也很容易就联想到这种算法应用的最佳实践案例就是Google的MapReduce，但是当我们遇到真实的场景需要你运用这种算法思想去解决问题时，你

概率论的一个重要应用是描述随机变量。根据取值空间的不同，随机变量可以分为：离散型随机变量和连续型随机变量。 概率质量函数： 离散变量的每个可能的取值都具有大于0的概率，取值和概率之间一一对应的关系就是

集成学习 集成学习正是使用多个个体学习器来获得比每个单独学习器更好的预测性能。 性能优劣不一的个体学习器放在一块儿可能产生的是更加中庸的效果，即比最差的要好，也比最好的要差。那么集成学习如何实现“1

解决分类问题可以基于概率推断的朴素贝叶斯分类器和基于判别模型的逻辑回归。而决策树算法却使用另一种方法来解决分类问题，采用树形结构，使用层层推理来实现最终的分类。 与贝叶斯分类器相比，决策树的优势在于构

一、概述 从大量现象中提取反复出现的规律与模式，这一过程在人工智能中的实现就是机器学习。从方法论的角度看，机器学习是计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的学科。 在机器学习中，

在人工智能中线性代数和概率论是数学基础，而数理统计是用于人工智能结果检测和解释必不可少的武器。 数理统计：根据观察或实验得到的数据来研究随机现象，并对研究对象的客观规律做出合理的估计和判断。 一、数理

谈到人工智能和机器学习，就必须具备一定的数学基础知识，才能让我们更深刻的理解其本质。而这些数学基础知识中最重要的包含两块内容：线性代数和概率论。 线性代数 线性代数的核心意义：万事万物都可以被抽象成某

机器学习需要根据问题特点和已有数据来确定最好的预测模型。可以设计为三个阶段： 模拟拟合：利用训练数据集对模型的普通参数进行拟合。 模型选择：利用验证数据集对模型的超参数进行调整，刷选出性能最好的模型。

《底层逻辑》把智慧分为三个层次：博弈、定力、选择。 博弈：代表你要用双赢的思维，去赢得你选择赛道的胜利。 定力：代表你要坚定自己选择的赛道，不随意更换，来赢得长期的红利。 选择：代表你的选择要能顺应时

为什么要并发编程 CPU、内存、I/O设备这三者的速度差异。可以形象地描述为：CPU是天上一天，内存是地上一年；内存是天上一天，I/O设备是地上十年。根据木桶理论，程序整体的性能取决于最慢的操作即I/

Spring Event(第一篇)，本篇继续延伸讲解。 一、Spring Playload Event Spring Payload Event 接口（Spring 4.2版本之后才提供相关能力）：

一、为什么需要面向事件编程 面向事件编程：所有模块或者对象都是通过事件来进行交互，区别于传统编程不同模块直接相互调用，模块间不需要进行强依赖。 传统编程模式如下： 面向事件编程模式如下： 面向事件编程