有点想转向,可又不舍得……

随着年龄的增长,一位有着八年经验的.NET开发人员感到在高强度的工作环境下越来越力不从心。面对这一现状,他开始思考是否应该为了长远发展而考虑职业转型。
  随着年纪的增长,写代码时常常会感觉到力不从心。毕竟不再有年青人那样充沛的精力,加班、熬夜的事儿也不敢多做了。
  特别是近段日子,连续做了几个项目,备感心力交瘁,体力不支。所以,心里面就产生了一些想法,看是不是该为以后的发展做些考虑了。回忆起来,自己转入这一行当也算八年有余了,从开始的大面积撒网,到后来的机缘巧合,选定了.net作为自己的发展方向,其中的酸甜苦辣,只有自己知道。如果到如今,忽然间改弦易辙,的确有些于心不忍。然而,我们都知道,岁月增长是自然规律,谁也无法逆转,人应该顺应这个规律,及时调整自己,这才是正途。虽然有众多的不情愿,然而,为了更长远的利益,还是应该早做考虑。
 
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