第五年 开始

毕业之后,顺利进入一家本地算是比较好的一家IT公司,

至少一般人都会这么觉得。

信心满满地开始了事实上却是相当苦逼的一段初始职业生涯。

公司的人与事情自不必多说,就个人而言,如今确实颇多感受。

再也无法想得明白,刚上这条船的自己哪里来的优越感?

每次回头反省自己走过的路时,总会无限感慨自己的幼稚。

成人的世界只讲利益,哪有好坏对错之分?幼稚地总想把界限划得清清楚楚,是多么愚蠢!

实在都不好意思想自己究竟做了多少可笑的举措,生活中每个相处过的人都有太多值得学习,

说感恩或者对不起的话实在就没什么意思了,但是对任何人而言,认识终归是熟人了,又何必苛刻呢!


几年来各种打杂,从未在任何领域有所建树,实在也无法有怨言,

不管是否有客观的原因,自己总该负起最多的责任,

实在对不起自己的四年工作经验。

时至今日,值得欣慰的是,除了工作一塌糊涂之外,其他方面都还说得过去,要知足。

但不管怎么说过去的总是人生经验,不管对错,也不能算完全虚度吧!

从这一刻起重新拾起信心,走上正确的轨迹,总是不会算太迟。

纵然暂无机会在某一个领域有深入的研究,切当拓宽知识面,

终究会有用得上的那一天。

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