读文档也是一门艺术

今天被一个文档上明确写的东西折磨的很痛苦,

然后回头反复查阅,终于看到了,其实写的还是非常清晰的。

读文档就是两个极端都不可取的事情,太详细没那么多时间,太粗略则肯定会在工作中付出更多的代价。

对于我现在所处的大型项目来看,粗略阅读的代价非常庞大。

我认为读一个文档,框架型东西一定要理清,首先一个事情就是读出那些该读,那些可以略读,头脑和时间这两种宝贵资源是有限的,充分利用才是关键,我想这也是聪明工作的一个方面吧。

思想上懒惰,或者说进度压力之下会略过一些东西,但是这种略过在没有明确认识到“它可以略过”的时候却是一种拖缓工作的行为,聪明工作,不做这种短视行为。

然后在此指导下才能却忽略一些东西,精读一些东西,记下一些东西,忘记一些东西,绝对不能有侥幸心理,那是一种自残行为。

所有的侥幸都是债,都要还得,甚至会加倍还的。

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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