<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[libing881的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/libing881</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; libing881]]></copyright><item><title><![CDATA[阅读论文的记录模版]]></title><link>https://blog.youkuaiyun.com/libing881/article/details/31061771</link><guid>https://blog.youkuaiyun.com/libing881/article/details/31061771</guid><author>libing881</author><pubDate>Sun, 15 Jun 2014 22:54:56 +0800</pubDate><description><![CDATA[记录一下阅读论文的笔记模版，方便阅读论文]]></description><category></category></item><item><title><![CDATA[数据挖掘方面重要会议的最佳paper集合]]></title><link>https://blog.youkuaiyun.com/libing881/article/details/27689305</link><guid>https://blog.youkuaiyun.com/libing881/article/details/27689305</guid><author>libing881</author><pubDate>Fri, 30 May 2014 16:29:12 +0800</pubDate><description><![CDATA[数据挖掘方面重要会议的最佳paper集合]]></description><category></category></item><item><title><![CDATA[集体智慧编程中相关章节对应论文数]]></title><link>https://blog.youkuaiyun.com/libing881/article/details/27125543</link><guid>https://blog.youkuaiyun.com/libing881/article/details/27125543</guid><author>libing881</author><pubDate>Tue, 27 May 2014 00:16:29 +0800</pubDate><description><![CDATA[准备开题报告了，先要熟悉一下领域范围，《集体智慧编程》参考一下论点。简单的思路是看一下哪个话题最热门，用google学术来衡量一下论文数，虽然不够精确但是足以反应一点什么。
当然是选择最近比较热门的，同时参考一下国内的论文数目情况。




关键字


总的


2014


国内总数


2014




推荐


2,480,000

]]></description><category></category></item><item><title><![CDATA[libaio under MIPS architecture /在mips架构下使用的libaio]]></title><link>https://blog.youkuaiyun.com/libing881/article/details/11992575</link><guid>https://blog.youkuaiyun.com/libing881/article/details/11992575</guid><author>libing881</author><pubDate>Tue, 24 Sep 2013 23:14:13 +0800</pubDate><description><![CDATA[移植libaio到mips架构下，得到静态库后，让fio使用该libaio库，最后得到可以在mips下使用的带libaio库的fio工具。]]></description><category></category></item><item><title><![CDATA[教你如何成为数据科学家（十）完]]></title><link>https://blog.youkuaiyun.com/libing881/article/details/11848251</link><guid>https://blog.youkuaiyun.com/libing881/article/details/11848251</guid><author>libing881</author><pubDate>Fri, 20 Sep 2013 15:58:13 +0800</pubDate><description><![CDATA[如何成为数据科学家的十个步骤，第十部分，工具箱的选择。]]></description><category></category></item><item><title><![CDATA[教你如何成为数据科学家（九）]]></title><link>https://blog.youkuaiyun.com/libing881/article/details/11847901</link><guid>https://blog.youkuaiyun.com/libing881/article/details/11847901</guid><author>libing881</author><pubDate>Fri, 20 Sep 2013 15:30:24 +0800</pubDate><description><![CDATA[数据再加工也是一门艺术，通过上面的提取，我们有了原始的数据，但是数据之间的关系通常分散在多个数据表中，需要我们进行数据再加工，将相关联的信息提取到同一个层次上，然后再进行继续分析。







Data Munging


Dimensionality & Numerosity Reduction                              
     维度]]></description><category></category></item><item><title><![CDATA[教你如何成为数据科学家（八）]]></title><link>https://blog.youkuaiyun.com/libing881/article/details/11847719</link><guid>https://blog.youkuaiyun.com/libing881/article/details/11847719</guid><author>libing881</author><pubDate>Fri, 20 Sep 2013 15:14:28 +0800</pubDate><description><![CDATA[第八步偏向技能，数据提取，事实上和数据打交道的工作，第一步就是如何处理数据，这里面的技巧和针对性很强，因为数据来源不同，格式不同，甚至还需要自己搜集，而没有现成的数据源，所以所谓单独列出一个环节来值得的，我们来看看原作者思考有哪些步骤是需要掌握的





Data Ingestion


Summary of Data Formats                      ]]></description><category></category></item><item><title><![CDATA[教你如何成为数据科学家（七）]]></title><link>https://blog.youkuaiyun.com/libing881/article/details/11846845</link><guid>https://blog.youkuaiyun.com/libing881/article/details/11846845</guid><author>libing881</author><pubDate>Fri, 20 Sep 2013 14:52:37 +0800</pubDate><description><![CDATA[接着上面，下来是big data，又是一个时下最火的话题。看看原作者思考关于大数据有哪些技能点需要掌握。





Big Data


Map Reduce Framework                                                    MapReduce框架
Hadoop
 Components                  ]]></description><category></category></item><item><title><![CDATA[教你如何成为数据科学家（六）]]></title><link>https://blog.youkuaiyun.com/libing881/article/details/11830185</link><guid>https://blog.youkuaiyun.com/libing881/article/details/11830185</guid><author>libing881</author><pubDate>Fri, 20 Sep 2013 14:29:28 +0800</pubDate><description><![CDATA[近几年开始流行信息图，用创意的图形、图案来表达看法和意见。
虽然数据科学家处理的信息，不一定要像杂志上那么吸引人，但是应该至少达到PPT演示的地步。
最好就是用图形化得方式，将分析结果呈现给用户，俗话说一图胜千言嘛





Data Visualization


Data Exploration in R (Hist, Boxplot etc)]]></description><category></category></item><item><title><![CDATA[教你如何成为数据科学家（五）]]></title><link>https://blog.youkuaiyun.com/libing881/article/details/11829949</link><guid>https://blog.youkuaiyun.com/libing881/article/details/11829949</guid><author>libing881</author><pubDate>Thu, 19 Sep 2013 14:13:34 +0800</pubDate><description><![CDATA[第五部分，是比较专业的文字处理和自然语言处理，这2个方向也是今后的热点所在。
文字处理方面的前景是主题词提取，以及自动文章生成，可了解一下业内有几家创业公司被收购，就是依赖准确的主题分析和个性推荐，另外还有根据材料自动编写报道文章。
自然语言处理也是非常热门的方向，最直观就是siri 的成功，虽然离完全智能还差一点，但是对基本对话的理解准确率已经达到了可正常使用的地步。





]]></description><category></category></item><item><title><![CDATA[教你如何成为数据科学家（四）]]></title><link>https://blog.youkuaiyun.com/libing881/article/details/11829413</link><guid>https://blog.youkuaiyun.com/libing881/article/details/11829413</guid><author>libing881</author><pubDate>Thu, 19 Sep 2013 13:59:14 +0800</pubDate><description><![CDATA[ML是最近很热的东东，从百度到google，互联网大佬纷纷加大投入和人才的争抢。
原作者的第四步也和ML相关。





Machine
 Learning


What is ML?                                             什么是机器学习
Numerical Var                              ]]></description><category></category></item><item><title><![CDATA[教你如何成为数据科学家（三）]]></title><link>https://blog.youkuaiyun.com/libing881/article/details/11829351</link><guid>https://blog.youkuaiyun.com/libing881/article/details/11829351</guid><author>libing881</author><pubDate>Thu, 19 Sep 2013 13:15:28 +0800</pubDate><description><![CDATA[有了前面的基础和统计学方面的知识，还需要学会编程





Programming


Python Basics                                             python基础
Working in Excel                                         学会处理excel（必须承认绝大部分数据都保]]></description><category></category></item><item><title><![CDATA[教你如何成为数据科学家（二）]]></title><link>https://blog.youkuaiyun.com/libing881/article/details/11829283</link><guid>https://blog.youkuaiyun.com/libing881/article/details/11829283</guid><author>libing881</author><pubDate>Thu, 19 Sep 2013 13:04:20 +0800</pubDate><description><![CDATA[由于数据科学家需要和大量的数字打交道，所以统计学方面的知识要求很多





Statistics


Pick a Dataset (UCI
 Repo)                                                      选取一个数据集（给了一个加州大学欧文分校的数据集链接）
Descriptive Statistics(mean, ]]></description><category></category></item><item><title><![CDATA[教你如何成为数据科学家（一）]]></title><link>https://blog.youkuaiyun.com/libing881/article/details/11829181</link><guid>https://blog.youkuaiyun.com/libing881/article/details/11829181</guid><author>libing881</author><pubDate>Thu, 19 Sep 2013 12:47:19 +0800</pubDate><description><![CDATA[首先要推荐原始的出处:
http://sobigdata.com/2013/08/07/long-journey-to-data-scientists/

然后说明一下，该页也是再加工的网页，更加原始的出处：
http://nirvacana.com/thoughts/becoming-a-data-scientist/

作者叫Swami
 Chandrasekaran，是ibm的]]></description><category></category></item><item><title><![CDATA[H.264 Part 10 White Paper 学习笔记 v0.2]]></title><link>https://blog.youkuaiyun.com/libing881/article/details/2627488</link><guid>https://blog.youkuaiyun.com/libing881/article/details/2627488</guid><author>libing881</author><pubDate>Wed, 09 Jul 2008 09:10:00 +0800</pubDate><description><![CDATA[2001年，JVT（Joint Video Team）成立，H.26L和AVC以及H.264是一个东西。     图中，ME/MC（运动估计、运动补偿）；暂时不知道T、Q是什么……  下面是白皮书的部分译文，水平有限，大概是这个意思吧~~~~  Encoder (forward path):  输入的Fn帧是当前准备编码的。帧是以宏块为单位处理的，宏块对应原始图像中16x16的像素。宏块编码可以为]]></description><category></category></item></channel></rss>