成为算法工程师的路上,掌握什么思维会让自我提升突飞猛进?

算法能力提升攻略 文章目录前言一、先快速刷完100道题自顶向下学习算法的目标为什么要快速刷完100道题刷完100题的感受?二、全面提升算法思维三、利用算法产出优秀的作品总结 前言 一、先快速刷完100道题 ???? LeetCode 热题 HOT 100 快速刷完这100道题,不追求每个题的每个解法都能吃透,只是说先克服对于算法的恐惧,第二是对各种类型算法的各种解法有个概览,有一种学习方法叫做自顶向下的学习方法,大概意思就是说先构想出你想要的最终的目标是什么样的,然后逐层分解,为了完成这个目标所需要的子任务,这样的好处一个是 阅读详情

 Datawhale干货 

作者:知乎@金瀛若愚,华盛顿大学,人工智能博士

一. 反馈的闭环

在一个研究任务中,我首先尝试了方法A,没搞定,于是改用方法B。组里大哥问:为什么改方法B。我说A没效果,或许B能work。大哥继续问:为什么A不work。我说或许A不适合这个问题?

大哥说:「当你有一个尝试,你一定要知道它为什么work以及为什么不work。每次不work了你就换另一个方法,那另一个方法就能work吗?这不是科研,是赌博,是瞎试。你只有知道为什么一个方法有效或不有效,何时有效何时无效,你才能增进对这个问题的理解,然后基于此提出有价值的策略。」

我的思考是,既然做了一件事,就一定要得到反馈,要搞清楚哪里做得好哪里不好,这样这个尝试所投入的时间才是有效的。不然就是在碰运气,如同做题不对答案,如同训练模型不算loss不做backprop。

二. 把炼丹技术推广到生活中

机器学习的很多技术都与现实世界的概念相互呼应。在深度学习里,模型掉入局部最优,就是生活中的内卷,就是在狭窄的赛道上追求极致。摆脱内卷就是跳出局部寻求全局最优的过程。破局之道是尝试新事物,或增加训练数据。

081374c18b44cf4d0caa895e9df0c968.png

与人交流、观察和学习他人可以避免闭门造车。与他人交流就是深度学习里的增加训练数据。进入好的学校好的公司就是提高训练样本的质量:在label准确时,学得轻松。

前面讲的“构建闭环”,就是关注backprop时的梯度。你不能攒了特别多事情后再去反思或寻求反馈,这个反馈链太长,要么梯度消失,要么梯度爆炸,无法有效学习。类似对loss的求导过程:「你必须清晰地看到因果链条,才能做到从结果倒推原因,进而优化自己。」

已经做得很好的事情没必要重复。此时应该挑战新的项目,保持自己在学习的状态。这就是hard data mining. 遇到坏人后就认为全人类没救了,是overfitting。对应在机器学习里,在unbalanced dataset上学习,要想到用weighted loss。

挫折易使人变得复杂、内心冲突多。如果能用简单的形态存在,我们或许应警惕过分复杂。机器学习里,解决小问题硬上大模型是一种粗暴且没技术含量的办法。用不必要大的模型是对探求事物本质的逃避,科研如此,生活亦然。你以为模型练成了,其实它学的是shortcut,因此有泛化能力差的问题:variance大,不robust(内心不稳)。同时,模型太复杂就不容易理解,遇到bug不容易诊断病因(内心不易平稳和愉悦)。

但避免复杂不是要当巨婴,不是抗拒成长。当任务复杂、训练数据也大的时候,就必须要上大模型。核心是模型复杂度(心智复杂度)要与任务复杂度和数据量(阅历)匹配,才是健康的。

三. 交流,交流,再交流

组里的女神姐姐教导我:“做research要多和人交流,多去听别人的paper reading,也把你读到的论文和想法讲给别人听。因为在讨论的过程里你会意识到未曾发现的问题。尝试给人讲明白的过程里,你的思路也会越发清晰。” 道理我都懂,每次我头点得像敲鼓一样,但也没坚持做到。

为什么做不到?大概是心理包袱,总想着搞出一个牛X闪闪的东西后再展示给别人,不然觉得丢脸。或者总有一种再试一下就能搞定的错觉。这种错觉和我炒股票的风格如出一辙。

直到后来我看到越来越多平淡无奇的项目都逆袭了,我理解到,事物的发展都有必然的过程,要尊重其发展规律,不要总想直接搞个大新闻。高效的科研要主动的寻求身边的资源,争取让良师益友把时间花在自己身上,如果自己不主动争取,再照顾你的人也不能像亲妈一样耳提面命,他们毕竟不好逼迫你。具体的,「应该多把自己读懂的论文讲给别人,在你给他人创造价值的同时,你也使他们帮助你这件事更容易了:他们只有懂了你懂的,才能给你最有效的建议,你才能借用他们的头脑思考。」

我发现当我积极主动之后,身边的人都默默支持起我来。稻盛和夫说:“心不唤物,物不至”。

四. 「焦虑动力」模型

勤奋上进、自我驱动、有行动力,本质是内心动力充沛的精神状态。动力不足时,我们懒惰、拖延、自控力差。用向量分解的思维模型,我们可以看清「动力」的本质。

b13dbe19cd64c12f8c50235616b82de0.png
  • 「动力的分量是 1.焦虑/压力 和 2.热情。动力是二者的合力」

带着上面这句话,我们可以举出奋斗者的两种极端状况。一种由焦虑主导,被绩效和deadline催促,常处于不安和压力之中。希望获得他人的认可,如果有了过失,会感到煎熬;另一种是热情主导的。专注、投入,不易为外界干扰和诱惑所动。在做事的过程中,能收获成就感和喜悦,认为工作与个人追求比较重合。

警惕“动力”过分依赖“焦虑和压力”的状况。这个动力来源并不持久和可靠。随着年龄增加,体力和心力会下降,且随着阅历增加,阈值变高,很多事会不再觉得重要。那时就会失去动力。

分量之间存在代偿。 盲人的耳朵往往很敏锐。如果动力过多依赖焦虑和压力,则留意到热情和乐趣就更难。可能并不是你不热爱,你只是太紧张了而已。

五. 独立思考

我对独立思考这件事体会最深的就是决定要不要读PhD时。拿到UW的录取后,因为微软组里就很多博士、教授,我自然就去请教他们问要不要读博,毕竟五年是一笔不小的投入。当时有一部分人说值得一读,另一些人说专心做事业可能有更大回报。

有趣的是,当我签下offer后,所有的人,不论之前给了什么建议,都由衷恭喜和认可我的决定,并和我畅想毕业后Dr. Jin走向人生(996)巅峰的画面。

那之前他们的建议是真心的吗?当然是真心的。签offer后的认可也是真心的。于是我理解到,很多事情,做与不做都能找出道理。他人给建议时,也会考虑到我们的情绪,让我们不论怎样选择都有台阶下。因此,我们要保持独立思考,要对自己的决定负全责。

「建议的推导逻辑比结论重要。他人建议的正确用法是让自己看问题多个角度,减少信息差,而不是直接取其结论,让他人代为做选择。」

六. 把工作当做一个二阶优化过程

不管title是算法工程师还是应用科学家,产出都是代码及其体现的知识产权。我们工作的过程就是优化这个代码及知识产权的过程。但这太basic。

我们不仅要优化产品,也要优化产出产品的过程:一阶优化,是优化代码质量。二阶的优化,是优化工作过程,这个工作过程是代码质量更上一层的原因,是原因的原因,是二阶导数。

类比一下:为了走得远,你可以优化速度(路程的原因是速度),更进一步你可以优化加速度(速度的原因是加速度)。不断向上溯源,能解决根本问题、通用问题。

回到优化工作流程上,我们不断问自己:在我工作的过程中,有哪些是重复工作?有哪些可以更高效的完成?有哪些可以被拎出来整理出可以复用的,于是后面就不再需要花心思重做或者检查其bug?经过一两年我攒出了一套自己的代码库,很多被重复使用的部分(如用matplotlib画各种图,各种数据预处理)就都可以直接copy paste。这就形成了复利效应——时间越长,这些整理出来的代码片段就创造越高的价值。

七. 学习些销售意识

销售是一门大学问,值得广大猿类学习。

像设计产品外包装一样设计履历

一个畅销的产品必须有个特色,这个特色与其他竞品形成了差异化竞争,才能有自己的市场,卖上个好价格。比如始祖鸟这个牌子的衣服颜值很一般,但它的防水面料好,就拿下了户外市场。一个中庸的什么都不差也什么都不突出的产品就很难被你记住。同时,产品的优秀比不上品牌的优秀,如果产品的价值凝练成了品牌,那这个品牌本身就值高价。比如我们会为了logo付费。

我们的职业发展,说得现实些,也是希望自己在市场上有个好价格。为此,我们不需样样精通,但必须有一个具有代表性的,能拿得出手的技能。比如,我就是要和所有人不同,去学远古技术汇编语言。那只要市场出现了对这个技能的需求,你就能有极大的定价权。当我们深耕一个领域很久,又写了很多优质的博客,那你的名字就成为了品牌,可以帮助公司招贤纳士,等等。

我的老板兼导师也曾说:你做paper要想怎样把你的paper卖出去。你要站在消费者角度想,他们为什么要花时间去读你的文章?你的论文有没有创意,能给他们带来什么价值?写作语言,图表美观程度,就是卖相。这和销售很像。

我们的简历就是商品的成分表——在决定选择什么项目时,不妨想想这会在简历里留下一行什么样的记录,会不会帮你抬高自己的职业价值。

用产品思维规划项目

科研项目的立项过程和产品策划非常像。第一步都是要做survey,了解清楚目前技术有哪些分支,是什么历史契机促成了某个技术的出现(比如有了新的数据集),不同的技术优点缺点在哪(A更准确,B速度更快,C不需要很多训练数据,等等)。然后了解这个任务的定义,metric(关键指标)是什么,也就是搞清楚游戏规则,知道大家在比些什么,头部的玩家都是谁等等。不了解清楚,后面的一切都是错的。

导师们经常问我的一个问题就是“这个task的upper bound是什么”。我说我知道state-of-the-art是什么,还要知道upper bound吗?导师说你在开始一个尝试前,要知道还有多少空间留给你去做。如果SOTA(目前最好的)已经比较接近upper bound了,你就很难再往上去攻了,你可能找个别的任务更有成就感。「你跳进一个赛道前,要对其发展到了什么阶段有些概念」。

八. 关于忙碌

在上面各种催人上进的内容之后,我再来分享一个故事来结尾。

一次公司的一位高层前辈见面,临走前我问他能不能给我个过来人的建议。

我以为他会给我讲一些勤奋工作的态度、人生规划的经验、或者给我打打鸡血这种内容。

而前辈只是指了指办公室书架上的一排没拆封的乐高跟我说,我给你一个建议,就是年轻时多花点时间在自己的嗜好上。我年轻时喜欢乐高,但因为一直忙于工作,并没有花很多时间在我这个小小的嗜好上。现在我时间多了,但对乐高也不再有那种热情了,现在只把他们摆起来,包装都没拆。所以年轻的时候,你可以花点时间在自己的爱好上。不能只有忙碌的工作。

金瀛若愚@知乎

https://www.zhihu.com/question/436874654/answer/1808192248

觉得还不错就给我一个小小的鼓励吧!
特斯拉 FSD 算法实战解析:从感知到控制的软件架构演进 本文深入解析了特斯拉FSD(完全自动驾驶)软件架构从感知到控制的演进路径。核心在于其“软件定义汽车”理念,通过纯视觉算法,将摄像头数据转化为动态3D世界模型。文章详细拆解了感知(如BEV鸟瞰图、Occupancy Network)、规划(交互式决策)与控制(车辆动力学模型)三大核心环节的深度联动与持续迭代,揭示了其通过OTA实现能力进化的底层逻辑。 阅读详情

相关推荐

51c自动驾驶~合集57

多目标多头蒸馏模块:我们看到轨迹模仿学习之后的轨迹还过了其他的MLP,这就是其他头,它的目标也是不一样的,第一个是跟碰撞相关的,第二个是跟行驶区域相关的,第三个是跟舒适度相关的,也就是说不同的评判指标都有一个teacher,之前的模仿学习就是人类的teacher,那么这些teacher是怎么来的呢?本文作者提出的新的范式,就是规划模块是多模的输出,同时,目标也是多样性的,即不仅是GT的轨迹也同时引入了更多的正样本,由不同的专家给出的。还是那句话,小米汽车的成功,是小米价值观,小米模式,和小米方法论的成功。

whaosoft~aiotの开发板商城 2359

算法工程师之路,何时自觉有突飞猛进的提升?

点击上方“机器学习与生成对抗网络”,关注星标获取有趣、好玩的前沿干货!作者:金瀛若愚,CMU硕士,微软计算机视觉工程师文章编辑 人工智能与算法学习 文仅交流,侵删在科研中训练到的思维方式,...

idol24的博客 607

告别降级CUDA!手把手教你为RTX 50系显卡(5080/5090)配置专属的PyTorch Nightly + vLLM推理环境

本文详细指导如何为RTX 50系显卡(5080/5090)配置专属的PyTorch Nightly和vLLM推理环境,特别针对CUDA 12.8的适配问题提供解决方案。从硬件准备到源码编译,再到模型部署与性能调优,手把手教你构建高效AI推理系统。

weixin_33724046的博客 409

算法工程师如何提升技术水平?

参与开源项目:积累实战经验参与开源项目,如GitHub上的机器学习项目,不仅可以学习优秀代码,还能积累实战经验。编程实践:从入门到精通选择一种主流编程语言,如Python或C++,从基础语法开始,逐步掌握高级特性。数学学习:从基础到进阶,从线性代数、概率论到微积分,逐步深入学习数学知识。实践创新:勇于尝试新方法在实际项目中,尝试应用新的算法和模型,勇于突破传统思维。通过不断实践和优化,提升创新能力和解决问题的能力。只要你具备扎实的技术基础、创新的思维能力和强大的实践能力,就能在这个领域大放异彩!

teach2004的博客 333

uniapp APP分享;判断用户是否安装APP,已安装直接打开,未安装跳转下载页;uniapp 在外部打开APP(schemes)

A将某商品分享给B,B点击后判断是否安装APP,若安装直接打开,没有安装则跳转下载页;

@微你 5686

银河麒麟V10离线安装VLC播放器:依赖处理与3.0.9.2版本实操指南

在国产化操作系统日益普及的背景下,软件安装方式成为政企内网用户关注的重点。离线安装作为一种不依赖公网源的部署手段,常用于解决内网环境下的软件获取问题。其核心在于理解Linux包管理机制,如dpkg与apt对依赖关系的处理逻辑。掌握这一原理,不仅能应对多媒体软件的部署,也能提升系统维护效率。VLC作为跨平台多媒体播放器,凭借强大的解码能力与协议支持,广泛应用于本地视频播放、RTSP拉流及监控大屏等场景。本文从离线安装的通用概念出发,结合银河麒麟V10桌面版的实际环境,详细梳理了VLC 3.0.9.2离线包的获

weixin_32247165的博客 380

算法工程师的核心竞争力

工作以来一直在思考算法工程师这个岗位的核心竞争力,自己的心路历程分为三个阶段。 第一阶段 这一阶段我认为算法工程师的核心竞争力是对模型的理解,对于模型不仅知其然,还得知其所以然。 于是我把目标检测的经典论文翻来覆去地看,将各种目标检测模型分解成了N个模块,针对每个模块,反复比对各篇论文处理方式的异同,思考各种处理方式各自的优缺点,以及有没有更好的处理方式,比如: 深度卷积神经网络中的降采样...

喜欢打酱油的老鸟 684

联想拯救者r7000p在ubuntu20.04未找到wifi适配器,安装rtl8852ae网卡驱动问题解决方案

新买的拯救者r7000p 2021款,装完ubuntu20.04之后显示未找到wifi适配器, 更换N次源之后还是只有一个显卡驱动,在网上找了很多方法,再自己折腾了一段时间后,总算是解决了这个问题。 1.设置bios 打开主板系统,将security boot设置为disenable,因为设计到修改内核配置,必须得关掉安全启动。 2.查询网卡状态 使用命令查询网卡(hardware of Internet)状态 lshw -C network 因为是双系统,在Windows下控制面板-设备管理器中可以

MCZ777的博客 1万+

"算法"于招聘:一位算法工程师的深度思考

点击上方“3D视觉工坊”,选择“星标”干货第一时间送达作者丨栗子@知乎来源丨https://zhuanlan.zhihu.com/p/286505709编辑丨极市平台导读本文作者在今年...

3D视觉工坊 1378

STM32F4 Flash数据的保存和读取。

STM32F4 Flash数据的保存和读取。

张一西的博客 9216

【产品经理修炼之道】- 优惠券系统从入门到精通(二)

在电商平台中,优惠券的使用场景与频次都很高。那么如何做好一个优惠券系统呢?本文总结了相关流程和设计思路,希望对你有所帮助。上一篇与大家分享了架构中的前端应用、生命周期、优惠券管理中OpenAPI 、基础系统,今天继续与大家分享架构图中优惠券模板部分。

xiaoli8748的专栏 1294

知乎热问:成为算法工程师的路上,掌握什么技术会感觉自我提升突飞猛进?

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习,不错过Datawhale干货作者:桔了个仔,南洋理工大学,Datawhale成员这个问题我犹豫...

Datawhale 485

车载以太网-组播

车载以太网-组播

天赐好车的博客 254

算法工程师的成长心得

成为算法工程师的路上,掌握什么思维会让自我提升突飞猛进? 感悟 1 你只有知道为什么一个方法有效或不有效,何时有效何时无效,你才能增进对这个问题的理解,然后基于此提出有价值的策略。 感悟 2 来自焦虑的动力终究是不能长久的。跟随自己的内心,遵从自己的兴趣而产生的动力才是我们几十年职业生涯的能量来源。 ...

阿Ray的成长小窝 400

论文阅读:arixv 2025 Poisoning Attacks on LLMs Require a Near-constant Number of Poison Samples

研究者做了目前最大规模的“投毒实验”,训练了从6亿参数到130亿参数的模型(覆盖了中小到大型LLM),用的训练数据量也是“最适合模型大小”的(按行业里的“Chinchilla法则”,模型越大,训练数据量也按比例增加)。总结下来就是:这篇论文告诉我们,给大语言模型投毒,比之前想的容易得多——不需要海量毒数据,只要几百条藏好后门的文档,就能让大模型“带毒工作”,而且平时还看不出来。——这比之前大家担心的“需要投毒数据占训练集一定比例”要可怕得多,因为对大模型来说,“固定数量”的毒数据更容易偷偷塞进去。

CSPhD-winston的博客 1081

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

程序员进阶攻略:从技术纵深到系统思维,实现认知跃迁

在软件工程领域,技术深度与系统思维是开发者从执行者迈向工程师的关键。理解核心原理,如数据库索引的B+树数据结构与磁盘IO优化机制,是构建扎实知识体系的基础。这种对原理的深入探究,其技术价值在于能支撑起稳定、可扩展的系统架构,并在高并发场景下做出合理的权衡决策。例如,在电商库存扣减等典型应用场景中,开发者需要在性能与一致性之间进行取舍,这正是系统思维的体现。本文结合《程序员进阶攻略》的精华,探讨如何通过构建知识网络、深入源码分析(如Redis)、掌握架构权衡艺术,最终将认知升级落地为高质量的工程实践,完成从“

weixin_34406086的博客 450

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

技术学习的本质:底层思维比工具迭代更重要

编程不是掌握某门语言或框架,而是一种可迁移的底层思维训练——它源于对计算本质、系统约束与抽象建模的持续理解。当AI能自动生成CRUD代码、低代码平台快速搭建应用时,真正区分工程师能力边界的,是能否将HTTP状态码差异映射到网络协议栈行为,能否从内存溢出日志反推cgroup与OOM Killer协作机制。这种能力不依赖技术风口,却决定你能否在Rust、WebAssembly、Serverless等新范式中快速锚定问题域。重读经典的价值,正在于剥离表层工具,回归‘数据结构教会时空权衡’‘操作系统揭示确定性幻觉’

as2886089的博客 422

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

代码即接口:2025年程序员的核心能力迁移

在大模型深度融入开发流程的今天,‘写代码’正从技术核心退居为编译结果,真正决定工程效能的是对系统接口的精准定义与协同设计能力。Prompt Engineering 与 LLM-Augmented Development 不是替代编程,而是将开发重心从语法实现转向语义契约和系统约束表达;其技术价值在于降低人机协作损耗、提升业务逻辑可维护性与自治性;典型应用场景涵盖风控规则引擎、通知中心DSL化、工业IoT告警重构等需跨角色对齐的复杂系统。本文聚焦‘Code as Interface Design’范式,揭示如

weixin_30627341的博客 363

2025国产大模型实战指南:职场人如何选对AI工具

大型语言模型(LLM)作为人工智能的核心技术,已从实验室走向真实办公场景。其本质是基于海量文本学习语言规律与知识关联的深度神经网络,技术价值在于将模糊需求转化为可执行结果。当前国产大模型在通用能力上趋于均质化,真正差异体现在对中文语境、业务逻辑和多模态输入的理解深度——即‘场景穿透力’。典型应用场景包括政务文档解析、方言语音转写、销售数据分析、小红书文案生成等高频职场任务。本文聚焦GPT类交互范式下的实测经验,不比参数,只看能否三分钟提炼招标文件风险点、能否听懂带口音的客户投诉、能否把Excel数据自动变成

chuanao8829的博客 403

23-25年总结——不再迷茫且全力具身:个人变为技术研究者,公司则先后经历大模型开发、具身开发

文章摘要: 作者回顾2023-2025年公司转型历程:2023年因ChatGPT兴起从教育转向科技公司,开发十余个大模型应用;2024年受斯坦福机器人研究启发进军具身智能领域;2025年在长沙组建团队,取得机械臂和人形机器人研发突破(如自主抓取、VR遥操、大模型交互等)。作者提出衡量个人/公司价值的标准是对社会的贡献程度,并强调通过具身智能造福千万人的愿景。文中详细记录了长沙团队在6-9月的技术突破时间表,展现快速迭代的研发能力。

结构之法 算法之道 7684

数字时代如何解构经典语义:公羊学异常切片方法论

‘正名’是先秦礼制秩序的语言接口,本质是‘名’与‘实’的动态匹配;其原理在当代演变为对词汇历史语境、语法功能与情感权重的三重压力测试。这种语义校准技术具有显著的工程实践价值——它不追求复原古义,而是识别概念在算法推荐、弹幕文化、产品命名等新介质中的迁移轨迹与空转信号。典型应用场景包括网络热词溯源、跨媒介话语分析、组织话语审计及人文向AI提示词设计。本文聚焦‘异常切片’这一轻量级、可验证、跨平台交付的语义分析范式,融合Python文本清洗、BERT语义相似度计算与CLIP图文匹配等数字工具链。

读书、思考、生活 515

如何自定义线程池拒绝策略?

本文介绍了在生产环境中如何通过自定义线程池拒绝策略(RejectedExecutionHandler)实现任务高可用处理。当线程池满载触发拒绝机制时,默认策略会导致任务丢失或业务中断。提出的解决方案包含三大核心功能: 实时监控记录:捕获线程池运行时指标(活跃线程数/队列积压量等) 任务持久化:将被拒任务写入磁盘文件或日志系统,支持后续补偿 智能告警:通过异步线程发送钉钉告警,包含线程池状态和任务详情 实现步骤包括: 实现RejectedExecutionHandler接口 在rejectedExecutio

qq_23277595的博客 2798

怎样成为一名优秀的算法工程师

其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。 书的购买链接 书的勘误,优化,源代码资源 原创声明:本文为 SIGAI 原创文章,仅供个人学习使用,未经允许,不得转载,不能用于商业目的。 怎样成为一名优秀的算法工程师?这是很多从事人工智能学术研究和产品研发的同学都关心的一个问题。面对市场对人才的大量需求...

SIGAI_优快云的博客 6万+
上一篇: 为什么回归问题用MSE?
下一篇: 聊聊基金经理和Python
Wang_AI
博客等级 码龄12年 998粉丝 162原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值