r17u6i6rgvzhukxs0x0myf51y

从基础到进阶，还有作者分享的一些资源。

本文以浅显易懂的语言介绍了机器学习和深度学习的定义及应用，以及在源数据要求，硬件支持，特征工程、问题解决方式、执行时间及可解释性等方面的区别，对于新手入门有很大启示意义。

梯度下降是最流行的优化算法之一并且目前为止是优化神经网络最常见的算法。本次分享旨在为您提供对不同梯度算法的直观感受，以期会帮助您更好地使用不同的梯度下降算法。

线程的定义给我们提供了并发执行多个任务的方式，大多数情况下我们会让每个任务都自行执行结束，这样能保证事务的一致性，但是有时我们希望在任务执行中取消任务，使线程停止。在 java 中要让线程安全、快速、可靠地停下来并不是一件容易的事，java 也没有提供任何可靠的方法终止线程的执行。 …

前言 说来也奇怪，高中学代码的时候，整天在刷一些noip的题目，钻研各种算法，什么递归、分治、动态规划。而真正工作后，发现很少用不到，直到这个页面才让我用到算法。其实这个页面，是我前年写的，但是一直偷懒，不想整理发布，去年的时候，在csdn上发布过一些，但是没怎么认真写，今天乘…

今日头条当前后端服务超过 80% 的流量是跑在 Go 构建的服务上。微服务数量超过 100 个，高峰 QPS 超过 700 万，日处理请求量超过 3000 亿，是业内最大规模的 Go 应用。

支持 GitHub, MDN, Gist, StackOverflow, StackExchange, npm 和 Medium ...

本书为斯坦福吴恩达教授的在 coursera 上的机器学习公开课的知识笔记，涵盖了大部分课上涉及到的知识点和内容，因为篇幅有限，部分公式的推导没有记录在案，但推荐大家还是在草稿本上演算一遍，加深印象，知其然还要知其所以然。 本书涉及到的程序代码均放在了我个人的 github 上，采用了 python 实现，大部分代码都是相关学习算法的完整实现和测试。我没有放这门课程的 homework 代码，原因是 homework 布置的编程作业是填空式的作业，而完整实现一个算法虽然历经更多坎坷，但更有助于检验自己对算法理解和掌握程度。 学生我才疏学浅，对机器学习也只是刚刚入门，文中难免不少纰漏甚至严重错误，希望大家指正，这是对我最大的帮助。本书最大的目的也在于交流学习，而不在 star 和传播。任重而道远，你我共勉。

介绍了几乎没有 python 机器学习背景的新手学习机器学习需要的资源。包括 python 语言基础，机器学习基础技巧，科学计算 python 软件包概述，之后利用 sklearn 实现了一些基本的机器学习算法和进阶的算法（集成方法，EM 算法等）。文章中提及的材料参考价值很高，并提供了跳转链接，非常实用。文章还提到了 python 进行深度学习的资源。文章提纲挈领，非常推荐。