<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Duke__Lee的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Duke__Lee</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Duke__Lee]]></copyright><item><title><![CDATA[NLPer必备技能及如何面试（专栏目录）]]></title><link>https://blog.youkuaiyun.com/Duke__Lee/article/details/108233409</link><guid>https://blog.youkuaiyun.com/Duke__Lee/article/details/108233409</guid><author>Duke__Lee</author><pubDate>Wed, 26 Aug 2020 09:25:35 +0800</pubDate><description><![CDATA[上周末我发的对于 算法工程师职业生涯规划的考虑感觉还不错呀～ ，推荐大家看看。

在这篇文章中我说道在选择工作的时候有以下的考虑：

行业&gt;方向&gt;领域&gt;专业举例来说：
行业：电商行业（淘宝），O2O（美团），直播（快手），短视频（抖音）、智慧+一切 etc
方向：算法、工程、大数据 etc
领域（工业应用）：广告，搜索，推荐 【业务成熟】，量化投资，自动驾驶，语音识别 etc
专业（偏学术，学校）：nlp、cv、ml、dl、asr、mmu etc

当然这个分类也是一个前辈告诉我的，我个.]]></description><category></category></item><item><title><![CDATA[对于算法工程师职业生涯规划的考虑]]></title><link>https://blog.youkuaiyun.com/Duke__Lee/article/details/108230599</link><guid>https://blog.youkuaiyun.com/Duke__Lee/article/details/108230599</guid><author>Duke__Lee</author><pubDate>Tue, 25 Aug 2020 22:56:05 +0800</pubDate><description><![CDATA[对于算法工程师职业生涯规划的考虑

推荐关注：https://zhuanlan.zhihu.com/c_142467262。有关于AI算法的一切
移动端推荐关注「小李杜的科幻年」～～～

----

最近和很多p8，p9，p10..～后面我也迷糊了的级别的同学请教，也阅读了很多资料，在此也分享一下我从他们身上学习到的东西和自己的思考和大家讨论

本文分为两个部分：什么叫做优秀的算法工程师、在面临换工作/就业的时候，自己应该依据什么做选择。（阅读时间约7min）

移动端推荐关注「小李杜的科幻年」～～～

什]]></description><category></category></item><item><title><![CDATA[爱丁堡大学的PMR（PMR in the University of Edinburgh）【1】]]></title><link>https://blog.youkuaiyun.com/Duke__Lee/article/details/77972657</link><guid>https://blog.youkuaiyun.com/Duke__Lee/article/details/77972657</guid><author>Duke__Lee</author><pubDate>Wed, 13 Sep 2017 23:55:08 +0800</pubDate><description><![CDATA[每天写一千字的blog，这个是http://www.cnfeat.com/ 提出的，我也想这样做。可能是觉得每天固定做点儿什么事情确实会比较cool吧。虽然我有时候不知道自己应该写什么。那么今天就写一下我对爱丁堡大学PMR这门课的想法吧（Probability modeling and reasoning
 in the University of Edinburgh）。应该很多学校都有类似的课]]></description><category></category></item><item><title><![CDATA[初识TensorFlow]]></title><link>https://blog.youkuaiyun.com/Duke__Lee/article/details/77964098</link><guid>https://blog.youkuaiyun.com/Duke__Lee/article/details/77964098</guid><author>Duke__Lee</author><pubDate>Wed, 13 Sep 2017 12:13:33 +0800</pubDate><description><![CDATA[唔，我可能会抽个时间把Tensorflow系统的介绍一下，因为数据流图这个概念，张量的概念等我想并不是每个人都十分清楚（至少我不是很清楚，囧）


不过对于大多数初步接触ML的同学来说，大可以把Tensorflow暂时当成是一个函数包，直接调用函数搭建模型（一般都是神经网络对不对^.^），就可以了。



import tensorflow as tf]]></description><category></category></item><item><title><![CDATA[Mixture of conda2 and conda3 problem and A guidance of environment set-up for windows users]]></title><link>https://blog.youkuaiyun.com/Duke__Lee/article/details/74025153</link><guid>https://blog.youkuaiyun.com/Duke__Lee/article/details/74025153</guid><author>Duke__Lee</author><pubDate>Sat, 01 Jul 2017 07:14:46 +0800</pubDate><description><![CDATA[Sometime, Conda2 and conda3 are exits in a system at the same time. When we creat new environment, there may be some confusion for machine to figure out which version should be. This could solve this ]]></description><category></category></item><item><title><![CDATA[The quiz 1 of Intro to Parallel Program]]></title><link>https://blog.youkuaiyun.com/Duke__Lee/article/details/73526235</link><guid>https://blog.youkuaiyun.com/Duke__Lee/article/details/73526235</guid><author>Duke__Lee</author><pubDate>Wed, 21 Jun 2017 03:57:16 +0800</pubDate><description><![CDATA[Homework 1
Color to Greyscale Conversion
 
A common way to represent color images isknown as RGBA - the color is specified by how much Red, Green, and Blue is init. The 'A' stands for Alpha and is]]></description><category></category></item><item><title><![CDATA[【大数据】Knowledge structure]]></title><link>https://blog.youkuaiyun.com/Duke__Lee/article/details/71600220</link><guid>https://blog.youkuaiyun.com/Duke__Lee/article/details/71600220</guid><author>Duke__Lee</author><pubDate>Thu, 11 May 2017 07:43:02 +0800</pubDate><description><![CDATA[在爱丁堡大学学习结束Extreme computing 之后懵逼一学年，终于试图梳理清楚整个知识脉络，希望可以给自己一个框架，也希望可以帮助到别人。以后如果有时间的话，我会把各个部分的内容都写下来自己的理解]]></description><category></category></item><item><title><![CDATA[从线性回归(Linear regression)到逻辑回归(Logistic regression)]]></title><link>https://blog.youkuaiyun.com/Duke__Lee/article/details/69489551</link><guid>https://blog.youkuaiyun.com/Duke__Lee/article/details/69489551</guid><author>Duke__Lee</author><pubDate>Fri, 07 Apr 2017 00:17:44 +0800</pubDate><description><![CDATA[今天我想要重新对线性回归和逻辑回归做一个总结回顾，相比于简单的调用接口，我希望自己可以更深入的理解本质。只有对算法有了好的理解，再加上数据才能做有意义的事情：
线性回归
逻辑回归线性回归什么叫做线性回归？就是满足线性关系的回归问题。所谓最难回答的就是定义问题，如果预测结果是连续性数据，那么就是线性回归问题；如果是离散数据，那么就是分类问题。更加详细的定义请移步到吴恩达老师的ｃｏｕｒｓｅｒａ课程。言归]]></description><category></category></item><item><title><![CDATA[如何安装编译KenLM]]></title><link>https://blog.youkuaiyun.com/Duke__Lee/article/details/69345910</link><guid>https://blog.youkuaiyun.com/Duke__Lee/article/details/69345910</guid><author>Duke__Lee</author><pubDate>Wed, 05 Apr 2017 22:49:11 +0800</pubDate><description><![CDATA[4.5
这是一个记录性的blog for me
http://kheafield.com/code/kenlm/

遵照命令
wget -O - http://kheafield.com/code/kenlm.tar.gz |tar
 xz 
cd kenlm


mkdir -p build
cd build
cmake ..
make -j 4
嗯这样就可以了
因为我觉]]></description><category></category></item><item><title><![CDATA[什么是UNIX/LINUX]]></title><link>https://blog.youkuaiyun.com/Duke__Lee/article/details/69055199</link><guid>https://blog.youkuaiyun.com/Duke__Lee/article/details/69055199</guid><author>Duke__Lee</author><pubDate>Tue, 04 Apr 2017 06:50:45 +0800</pubDate><description><![CDATA[因为4.3是周一所以根据拖延症还是在周一的晚期开始写blog了。本blog计划至少持续到七月底，至于之后就在看之后的情况吧。Blog将会关注机器学习包括机器翻译，并行计算或者相关的知识整理或总结，如果有错误或者不当之处还请大神不吝指教。


小弟比较蠢，最近才觉得不用linux不行，但是同时又十分的好奇linux究竟是一个什么概念


以下资料主要来自百度百科以及网站（哈哈我觉得百度百]]></description><category></category></item><item><title><![CDATA[DATA Augmentation 数据增强]]></title><link>https://blog.youkuaiyun.com/Duke__Lee/article/details/53162216</link><guid>https://blog.youkuaiyun.com/Duke__Lee/article/details/53162216</guid><author>Duke__Lee</author><pubDate>Mon, 14 Nov 2016 18:40:29 +0800</pubDate><description><![CDATA[最近遇到一个新的概念，data augmentation。翻译叫做数据增强
增强数据，简单来说，是增强数据在训练中的作用，这么理解应该比较符合我们的习惯。
比如说，我们有一个set的数据，但是这些数据对于实际的训练来说其实是不够的。但是我们只有这么多数据，要怎么办呢？只能在这个基础上进行操作，我们可以对基础数据进行一系列操作，例如：放大，翻转，加噪声等，就得到了更多的数据。同时也增强了数据的多]]></description><category></category></item><item><title><![CDATA[图片格式转换]]></title><link>https://blog.youkuaiyun.com/Duke__Lee/article/details/51413152</link><guid>https://blog.youkuaiyun.com/Duke__Lee/article/details/51413152</guid><author>Duke__Lee</author><pubDate>Sun, 15 May 2016 00:18:05 +0800</pubDate><description><![CDATA[https://github.com/nyanp/tiny-cnn/wiki/Data-Format




在使用CNN网络的时候涉及到了图像格式转化的问题，上面的地址有示例函数
mark]]></description><category></category></item><item><title><![CDATA[批处理导出完整路径以及文件名]]></title><link>https://blog.youkuaiyun.com/Duke__Lee/article/details/51344948</link><guid>https://blog.youkuaiyun.com/Duke__Lee/article/details/51344948</guid><author>Duke__Lee</author><pubDate>Sat, 14 May 2016 15:57:32 +0800</pubDate><description><![CDATA[批处理导出完整路径以及文件名（转）






转自搜狐博客XX豆豆XX。感谢网络上各路人员的无私奉献
    最近的工作包含了整理所有开发人员的程序，有项工作相信从事oracle oaf开发的技术顾问都会遇到，就是把xml文件导入到数据库，因为涉及到文件数较多，所以做了个批处理，希望能帮组到和我一样遇到这个问题的同仁。也希望有人有更好的办法。
     粘贴下面代码到记事本，保]]></description><category></category></item><item><title><![CDATA[VS中多个main的问题]]></title><link>https://blog.youkuaiyun.com/Duke__Lee/article/details/51406463</link><guid>https://blog.youkuaiyun.com/Duke__Lee/article/details/51406463</guid><author>Duke__Lee</author><pubDate>Sat, 14 May 2016 15:56:36 +0800</pubDate><description><![CDATA[作为一名资深小白，遇到很多小白问题
在网上“学习”别人的代码的时候会遇到：咦，为什么他的代码有很多的main函数但是还可以运行呢？而且
这是什么鬼，为什么和我平时的不一样。



由于一开始学习的时候没有任何工程，项目的概念，这才知道这是多个项目的原因，并且可以设置启动项目。






对的吧……]]></description><category></category></item><item><title><![CDATA[MFC定义全局变量]]></title><link>https://blog.youkuaiyun.com/Duke__Lee/article/details/50557592</link><guid>https://blog.youkuaiyun.com/Duke__Lee/article/details/50557592</guid><author>Duke__Lee</author><pubDate>Thu, 21 Jan 2016 20:52:30 +0800</pubDate><description><![CDATA[用MFC制作的工程由很多文件构成，它不能象一般C++程序那样随意在类外定义全局变量，在这里要想定义能被工程内多个文件共享的全局变量和函数必须用一些特殊方法才行。实际上有多种方法可以实现，这里只介绍两种方法。
　　一、在应用程序类中定义

　　用MFC生成的工程中都有一个名为CxxxApp的类，它派生于CWinApp类。这个类主要进行程序的初始化，生成文档、视图对象等工作。可以把需要全局访问的]]></description><category></category></item><item><title><![CDATA[The Pattern Recognition]]></title><link>https://blog.youkuaiyun.com/Duke__Lee/article/details/49316949</link><guid>https://blog.youkuaiyun.com/Duke__Lee/article/details/49316949</guid><author>Duke__Lee</author><pubDate>Thu, 22 Oct 2015 00:36:53 +0800</pubDate><description><![CDATA[The Pattern Recognition
最初了解到这个概念是在刚刚入手Iphone5s的时候……当时旧的手机丢了，就狠狠心买了苹果，然后自己神奇的发现手指在home键上面多停留一会就可以自动解锁屏幕。这个trick可是狠狠的震惊了我一把，原来这个可以用到手机上面（原谅我的小白）。
很早的时候我们就从电影中看到了诸如指纹识别、声音识别、瞳孔识别，甚至还有步态识别这种东西，小时候单纯认为这]]></description><category></category></item><item><title><![CDATA[Tips]]></title><link>https://blog.youkuaiyun.com/Duke__Lee/article/details/48047785</link><guid>https://blog.youkuaiyun.com/Duke__Lee/article/details/48047785</guid><author>Duke__Lee</author><pubDate>Fri, 28 Aug 2015 09:56:31 +0800</pubDate><description><![CDATA[可能是没有养成写vlog的习惯吧
有一个好玩的小东西。
关于using namespace std;
这种东西大家不知道是什么可以问问度娘。
好玩的是，去掉它之后，其实在代码里面也是可以用的
cout 

这个是会报错的


但是改一改，如下
std::cout 

好吧，我承认我无聊了]]></description><category></category></item><item><title><![CDATA[如何区分监督学习(supervised learning)和非监督学习(unsupervised learning)]]></title><link>https://blog.youkuaiyun.com/Duke__Lee/article/details/47998289</link><guid>https://blog.youkuaiyun.com/Duke__Lee/article/details/47998289</guid><author>Duke__Lee</author><pubDate>Wed, 26 Aug 2015 09:07:49 +0800</pubDate><description><![CDATA[如何区分监督学习(supervised learning)和非监督学习(unsupervised learning)
机器学习的常用方法中，我们知道一般分为监督学习和非监督学习。（当然还有半监督）
l 监督学习：监督学习，简单来说就是给定一定的训练样本（这里一定要注意，这个样本是既有数据，也有数据相对应的结果），利用这个样本进行训练得到一个模型（可以说就是一个函数），然后利用这个模型，将所有的]]></description><category></category></item><item><title><![CDATA[如何区分监督学习(supervised learning)和非监督学习(unsupervised learning)]]></title><link>https://blog.youkuaiyun.com/Duke__Lee/article/details/84739065</link><guid>https://blog.youkuaiyun.com/Duke__Lee/article/details/84739065</guid><author>Duke__Lee</author><pubDate>Wed, 26 Aug 2015 09:07:04 +0800</pubDate><description><![CDATA[

如何区分监督学习(supervised learning)和非监督学习(unsupervised learning)

机器学习的常用方法中，我们知道一般分为监督学习和非监督学习。（当然还有半监督）
l 监督学习：监督学习，简单来说就是给定一定的训练样本（这里一定要注意，这个样本是既有数据，也有数据相对应的结果），利用这个样本进行训练得到一个模型（可以说就是一个函数），然后利用这个模型，将...]]></description><category></category></item><item><title><![CDATA[PHPnow搭建指南]]></title><link>https://blog.youkuaiyun.com/Duke__Lee/article/details/84714875</link><guid>https://blog.youkuaiyun.com/Duke__Lee/article/details/84714875</guid><author>Duke__Lee</author><pubDate>Mon, 27 Apr 2015 08:20:09 +0800</pubDate><description><![CDATA[
实验背景：
从Wikipedia搜索跨站脚本，解释到跨区脚本(Cross-zone Scripting或者Cross Site Scripting)是指浏览器利用浏览器一些有漏洞的安全解决方案，这种攻击使没有权限跨站脚本在未经授权的情况下以较高的权限去执行，脚本的执行权限被客户端(Web浏览器)扩大升级了。 这些XSS跨站脚本漏洞可能是： *网页浏览器设计缺陷使得在一定的条件下，一个站点完全信...]]></description><category></category></item></channel></rss>