<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[看见他人 看见自己的专栏]]></title><description><![CDATA[Enjoy  Research  Life]]></description><link>https://blog.youkuaiyun.com/u014332048</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; u014332048]]></copyright><item><title><![CDATA[博客突破1000访问量]]></title><link>https://blog.youkuaiyun.com/u014332048/article/details/48765873</link><guid>https://blog.youkuaiyun.com/u014332048/article/details/48765873</guid><author>u014332048</author><pubDate>Sun, 27 Sep 2015 11:40:14 +0800</pubDate><description><![CDATA[博客突破1000访问量]]></description><category></category></item><item><title><![CDATA[资料，丰富资料，丰富资料（模式识别......）]]></title><link>https://blog.youkuaiyun.com/u014332048/article/details/48108923</link><guid>https://blog.youkuaiyun.com/u014332048/article/details/48108923</guid><author>u014332048</author><pubDate>Sun, 30 Aug 2015 20:39:45 +0800</pubDate><description><![CDATA[以下资源均来自：http://www.cnblogs.com/tornadomeet/archive/2012/05/24/2515980.html

谢谢，看吧：

Deep Learning（深度学习）：
ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：一
ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：二
Bengio]]></description><category></category></item><item><title><![CDATA[阿里校招   数据分析师 笔试题]]></title><link>https://blog.youkuaiyun.com/u014332048/article/details/47787969</link><guid>https://blog.youkuaiyun.com/u014332048/article/details/47787969</guid><author>u014332048</author><pubDate>Wed, 19 Aug 2015 21:35:03 +0800</pubDate><description><![CDATA[2015年8月19日，阿里校招数据分析师笔试题。共计21题（貌似统计漏了一题，应该是单选少了一题，凑合看吧），选择题每个人的都不一样，问答题是一样的。暂时没有答案，希望对大家有用。


单选题：
1观测宇宙中单位体积内星球的个数，属于什么分布：
A学生分布B泊松分布C正态分布D二项分布
 
2一些关于数据挖掘说法是正确的
A数据挖掘是万能的
B如果你建立了一个database，那]]></description><category></category></item><item><title><![CDATA[cs硕士妹子找工作经历【阿里人搜等互联网】]]></title><link>https://blog.youkuaiyun.com/u014332048/article/details/46636941</link><guid>https://blog.youkuaiyun.com/u014332048/article/details/46636941</guid><author>u014332048</author><pubDate>Thu, 25 Jun 2015 15:22:33 +0800</pubDate><description><![CDATA[摘自  北邮人论坛  分享他人成功的求职经历。原文如下：




唉，妹子本来是本着写面经的态度与大家分享，之自己情况也是想说明一啥都不会的菜鸟在悲催的逆境下也可以凭自身努力找到offer，没想到被评为作秀。。。妹子能力背景确实和说的一样，但是从9月开始不是天天熬夜看了一个多月的书吗？菜鸟也可以拼命锻炼翅膀的。。。 
妹子还是把背景舍去，只写面经吧 
  
妹子是cs土著一枚，折腾]]></description><category></category></item><item><title><![CDATA[张量（tensor）文献]]></title><link>https://blog.youkuaiyun.com/u014332048/article/details/46500529</link><guid>https://blog.youkuaiyun.com/u014332048/article/details/46500529</guid><author>u014332048</author><pubDate>Mon, 15 Jun 2015 09:55:13 +0800</pubDate><description><![CDATA[几篇关于张量的文献，值得一读：
1.Z. Zhang, G. Ely, S. Aeron, N. Hao, M. Kilmer, “Novel methods for multilinear data completion and de-noising based on tensor-SVD,” Computer Vision and Pattern Recognition (CVPR), (a]]></description><category></category></item><item><title><![CDATA[从一个实例中学习DTW算法]]></title><link>https://blog.youkuaiyun.com/u014332048/article/details/44957311</link><guid>https://blog.youkuaiyun.com/u014332048/article/details/44957311</guid><author>u014332048</author><pubDate>Thu, 09 Apr 2015 11:15:46 +0800</pubDate><description><![CDATA[作者：tornadomeet 出处：http://www.cnblogs.com/tornadome 欢迎转载或分享，但请务必声明文章出处。
 （新浪微博：tornadomeet,欢迎交流！）

DTW为(Dynamic Time Warping,动态时间归准)的简称。应用很广，主要是在模板匹配中，比如说用在孤立词语音识别，计算机视觉中的行为识别，信息检索等中。可能大家学过这些类似的课程都看]]></description><category></category></item><item><title><![CDATA[语音信号语谱图]]></title><link>https://blog.youkuaiyun.com/u014332048/article/details/44569285</link><guid>https://blog.youkuaiyun.com/u014332048/article/details/44569285</guid><author>u014332048</author><pubDate>Mon, 23 Mar 2015 20:55:59 +0800</pubDate><description><![CDATA[语音信号的语谱图，定义，求解，画图，程序等]]></description><category></category></item><item><title><![CDATA[c++学习]]></title><link>https://blog.youkuaiyun.com/u014332048/article/details/43163749</link><guid>https://blog.youkuaiyun.com/u014332048/article/details/43163749</guid><author>u014332048</author><pubDate>Mon, 26 Jan 2015 21:56:17 +0800</pubDate><description><![CDATA[之前一直用MATLAB做实验，发现还是跟不上潮流啊。所以准备学习C++。另找工作还是要会C++的。学习资料用的是本科就买来还没看的书（书到用时真是好），视频用的是顶你学堂郑莉老师主讲的免费课。欢迎大家选用。（http://www.topu.com/）]]></description><category></category></item><item><title><![CDATA[语音特征参数MFCC计算的详细过程]]></title><link>https://blog.youkuaiyun.com/u014332048/article/details/43021789</link><guid>https://blog.youkuaiyun.com/u014332048/article/details/43021789</guid><author>u014332048</author><pubDate>Thu, 22 Jan 2015 16:53:26 +0800</pubDate><description><![CDATA[语音特征参数MFCC计算的详细过程

         注：本文转自xiaoding133（http://blog.youkuaiyun.com/xiaoding133/article/details/8106672）的博客，感谢博主的分享。

专栏




一、MFCC计算总体流程
1.信号的预处理，包括预加重(Preemphasis)，分帧(Frame Blocking)，加窗(Win]]></description><category></category></item><item><title><![CDATA[机器学习(Machine Learning)&深度学习(Deep Learning)资料]]></title><link>https://blog.youkuaiyun.com/u014332048/article/details/42890637</link><guid>https://blog.youkuaiyun.com/u014332048/article/details/42890637</guid><author>u014332048</author><pubDate>Mon, 19 Jan 2015 23:56:06 +0800</pubDate><description><![CDATA[机器学习(Machine Learning)&深度学习(Deep Learning)资料
原文链接：https://github.com/ty4z2008/Qix/blob/master/dl.md



希望转载的朋友，你可以不用联系我．但是一定要保留原文链接，因为这个项目还在继续也在不定期更新．希望看到文章的朋友能够学到更多．


《Brief History of Machi]]></description><category></category></item><item><title><![CDATA[How to do Research At the MIT AI Lab]]></title><link>https://blog.youkuaiyun.com/u014332048/article/details/32177859</link><guid>https://blog.youkuaiyun.com/u014332048/article/details/32177859</guid><author>u014332048</author><pubDate>Wed, 18 Jun 2014 21:30:03 +0800</pubDate><description><![CDATA[这篇文章对于研究生同学来说非常有用，教你如何做研究。xiedehttp://www.cs.indiana.edu/mit.research.how.to/mit.research.how.to.html]]></description><category></category></item><item><title><![CDATA[开始]]></title><link>https://blog.youkuaiyun.com/u014332048/article/details/25780271</link><guid>https://blog.youkuaiyun.com/u014332048/article/details/25780271</guid><author>u014332048</author><pubDate>Wed, 14 May 2014 10:52:50 +0800</pubDate><description><![CDATA[优快云是很不错的学习场所。对自己：从这里起步，走得更远。]]></description><category></category></item></channel></rss>