经管与EE复合奇葩专业的专栏

//2014年11月14日https://www.cs.cmu.edu/~epxing/Class/10708/lecture.html

//2015年5月1日一、KNNKD-Tree二、关联规则三、协同过滤问我ItemCF的工程实现，面对大数据如何实现，又追问了有没有什么工程优化算法。这个问题我没答好，一开始我说了一个MapReduce模型，他问能不能更快一点，我就卡那了。。。最后面试官告诉我，不能只从算法角度分析，要从系统设计分析，利用内存来减小MapReduce的吞吐量。四、

//2015年5月3日0.推荐系统来源如何解决信息过载：搜索引擎：被动，智能程度低广播：信息找人，需要用户自己过滤信息过滤：推荐系统：相比信息过滤，并不把信息收集作为重点分类：基于内容（可离线计算，缓解冷启动，稀疏性，解决不了多媒体）协同过滤（解决了多媒体；潜在需求）混合过滤（。。）基于模型（SVD）网络（二部图：热传导、物质扩散）

//2015年5月1日//参考http://blog.jobbole.com/74438/找工作时（IT行业），除了常见的软件开发以外，机器学习岗位也可以当作是一个选择，不少计算机方向的研究生都会接触这个，如果你的研究方向是机器学习/数据挖掘之类，且又对其非常感兴趣的话，可以考虑考虑该岗位，毕竟在机器智能没达到人类水平之前，机器学习可以作为一种重要手段，而随着科技的不断发展，相信这

【原题】A Few Useful Things to Know About Machine Learning【译题】机器学习的那些事【作者】Pedro Domingos【译者】刘知远【说明】译文载于《中国计算机学会通讯》 第 8 卷 第 11 期 2012 年 11 月 ，本文译自Communications of the ACM 2012年第10期的“A Few Useful T

JMLR 2014 10月刊看到一篇神文：Do we Need Hundreds of Classifiers to Solve Real World Classification Problems? 测试了179种分类模型在UCI所有的121个数据上的性能，发现Random Forests 和 SVM （高斯核，用LibSVM版本）性能最好。真是一个体力活，辛苦作者们了。http://t.cn/以上是一个新闻，亮点是什么呢？Random Forests 和 SVM 是什么时候提出来的？十几年过了，数据

//2014年12月9日各位老师同学大家好，下面是11月30日以及12月1日在电子科技大学举办的大数据论坛的相关资料的下载链接。感谢各位老师与同学的支持！11月30日上午：– 沈华伟：Collective attention and collective allocation slides

//2014年11月16日

//2014年11月14日

//2014年11月16日http://blog.youkuaiyun.com/u013599826/article/details/41172131教研室seminar中做关于贝叶斯的报告的ppt

PGM实在是太大，我就说说我接触到的一些关于Topic Modeling的皮毛吧。Topic Modeling是PGM的子集，多数是应用于文本处理上。之前David Blei发过一篇文章，把PLSA（也是一种topic model，暂时理解成简单版本的LDA吧）扩展成bayesian的版本。扩展出来的东西叫做LDA，不用管它全名是什么，暂时放在脑子里的缓存区就好了。那篇文章出来之后

//2014年11月17日

//2014年10月28日LDA数学八卦

//2014年11月14日 距上一次邀请中国科学院的樊彬老师为我们撰写图像特征描述符方面的综述（http://www.sigvc.org/bbs/thread-165-1-1.html）之后，这次我们荣幸地邀请到美国麻省理工学院（MIT）博士林达华老师为我们撰写“概率模型与计算机视觉”的最新综述。这次我们特别增设了一个问答环节，林老师针对论坛师生提出的许多问题（如概率图模型与目前很热的深度神经

介绍定义概率图模型(Graphical Model)是概率论和图论之间的桥梁，概率图模型的基本想法来自模块的概念，即一个复杂系统是由简单的部分所联合而成的。概率论部分告诉我们哪些部分是耦合在一起的，然后提供推断模型的方法，而图论部分给我们一个非常直观的认识，把拥有相互关系的变量看做数据结构，从而导出一般化的方法来解决这个问题。很多经典的多元概率系统，比如混合模型，因子分析，隐含马尔

//2015年5月1日//摘自http://blog.youkuaiyun.com/u013599826/article/details/45418707//还有一个模块是关注机器学习在工业界运用时所做的优化算法；特别是协同过滤、关联规则四、逻辑斯蒂回归和普通线性回归相比，在类别变量的使用上有了突破。实际上是一层人工神经网络，训练方式等同最大熵广义线性模型：