机器学习——Andrew NG老师课程学习笔记

机器学习分四类：

1：监督学习

2：理论学习

3：非监督学习

4：强化学习

——————————————————————————————————————

数据策略和技术方面书籍

初级理论的：

 1）http://product.china-pub.com/197290#ml

 2）http://product.china-pub.com/199149

  工程性：

  1）http://product.china-pub.com/3767774

  2）http://product.china-pub.com/4608484

  3）http://product.china-pub.com/3803865

还有两本我在看的：《机器学习导论》（注意作者是Alpaydin，这本书是手册，就是遇到聚类、多元统计、贝叶斯等基本概念不用再东翻西找。公司的8节ML课里一半时间在讲统计）《tensorflow实战google深度学习框架》 这个非常适合初学者上手。

http://open.163.com/special/opencourse/machinelearning.html 这是NG成名作。

书可以作为手册。反而一些课程很好，多上coursera。真遇到实际问题的时候，看论文和技术blog反而更有收获吧。一点浅见，也在努力学习中，和各位一起学习进步！

___________________________________________________________________________

Google的核心竞争技术是它的计算平台。Google的大牛们用了下面5篇文章，介绍了它们的计算设施。 
GoogleCluster： http://research.google.com/archive/googlecluster.html 
Chubby：http://labs.google.com/papers/chubby.html 
GFS：http://labs.google.com/papers/gfs.html 
BigTable：http://labs.google.com/papers/bigtable.html 
MapReduce：http://labs.google.com/papers/mapreduce.html 
很快，Apache上就出现了一个类似的解决方案，目前它们都属于Apache的Hadoop项目，对应的分别是： 
Chubby-->ZooKeeper 
GFS-->HDFS 
BigTable-->Hbase 
MapReduce-->Hadoop 
目前，基于类似思想的Open Source项目还很多，如Facebook用于用户分析的Hive。