机器学习

梅宁航 发自 凹非寺 量子位 报道 | 公众号 QbitAI 按惯例，先问是不是，再问为什么。 从知乎回答浏览量看，是的。 那么为什么美国程序员就可以到点下班回家，而中国程序员就要每天“主动”、“无偿”加班呢？ 仔细看了群众们热情的回答之后，大概可以分为几派： 1、产品经理不够通情达理，导致效率低下 2、表演性加班，太早回家会被认为不努力工作 3、不尊重技术人才，35岁警告⚠️ 4、中国处于后发追赶，不加班是追不上的 一起来看看具体的吐槽内容： 开发和PM的斗争 瑟瑟发抖只敢吐槽，毕竟现实碰一碰风险太大了。 产品经理的回击： 都怪你太闲了👆.jpg 怒火还会从PM烧到煞笔客户上，不是客户压榨，催催催，PM怎么舍得压榨程序员！ 也有人认为，现在是痛苦的必经阶段，熬过去了，一切都会好的👌。 静待头发掉光之前遇见合格的老板，合格的PM，合格的客户。 加班文化已然形成？ 也有大佬指出，多年996，国内公司已经形成加班的“文化”，谁早下班谁就是不努力。 △ 引用链接见文末 你投错胎了，建议下次重投一遍。 大家都觉得理所当然，也就没人在乎劳动法是咋写的了，加，使劲加。 △ 引用链接见文末 轮子哥指出，这都是因为人太多了。 内卷的必然结果，建议出去当蓝领，修修路，修修水管什么的。 管理层不行 老板们就是这么出来的，“兄弟”们也得跟上节奏，跟不上那就是你人不行。 △ 引用链接见文末

有读者问到有没有Python视频教程，如果你善用搜索引擎的话，网上资源一抓一大把，甚至还有机会接触到国际顶尖大学的计算机视频课程。看视频的好处能跟着老师的思路一起学习，虽然效率没有直接啃书快，但对于看不进书或者看不懂书的人来说，视频可能是最好的入门教程之一。如果身边还配个老师可以手把手教你就更好了，但自学本身就代表一种能力。 以下是放在收藏夹已久的几个学习视频 1、Python 基础和编码规范 鹅厂内部员工学习Python总结的一些方法，可用于快速了解Python，适合有其它语言编程基础的同学看，一个小时带你玩转Python 地址： https://cloud.tencent.com/developer/edu/course-1109 2、400全集Python全套视频教程 此套视频信息量非常大，我画了个思维导图，除了上面的知识点，还有大量的练习和实践项目。 地址： https://www.bilibili.com/video/av19956343/ 3、20G黑马Python入门教程 想短期快速入门，但是看书又看不下去的话，这个视频教程帮你15天入门，包括学前环境搭建，基于Ubuntu的开发环境，1-3天内容为Linux基础命令，4-13天内容为Python基础教程。14-15 天内容为飞机大战项目演练。 地址： https://pan.baidu.com/s

有读者问到有没有Python视频教程，如果你善用搜索引擎的话，网上资源一抓一大把，甚至还有机会接触到国际顶尖大学的计算机视频课程。看视频的好处能跟着老师的思路一起学习，虽然效率没有直接啃书快，但对于看不进书或者看不懂书的人来说，视频可能是最好的入门教程之一。如果身边还配个老师可以手把手教你就更好了，但自学本身就代表一种能力。 以下是放在收藏夹已久的几个学习视频 1、Python 基础和编码规范 鹅厂内部员工学习Python总结的一些方法，可用于快速了解Python，适合有其它语言编程基础的同学看，一个小时带你玩转Python 地址： https://cloud.tencent.com/developer/edu/course-1109 2、400全集Python全套视频教程 此套视频信息量非常大，我画了个思维导图，除了上面的知识点，还有大量的练习和实践项目。 地址： https://www.bilibili.com/video/av19956343/ 3、20G黑马Python入门教程 想短期快速入门，但是看书又看不下去的话，这个视频教程帮你15天入门，包括学前环境搭建，基于Ubuntu的开发环境，1-3天内容为Linux基础命令，4-13天内容为Python基础教程。14-15 天内容为飞机大战项目演练。 地址： https://pan.baidu.com/s

公众号之前发过很多的学习资源，本来不想再分享了因为大家的网盘已经很满了。最近有很多小伙伴后台留言说有些链接失效了或者询问有没有xx学习的资源。索性我对大家需要的资源进行过了一个统计，也耗费了很多精力去找尽可能优质的资源 所有资料均来自网络，请勿用于商业 领取方式：公众号后台回复相应关键字 ☆ 资源目录 ☆ 1、黑马Python教学视频 [关键词：python] 2、传智黑马Java教学视频 [关键词：java] 3、马哥Linux运维教学 [关键词：linux] 4、前端教程 [关键词：前端] 5、机器学习经典算法 [关键词：机器算法] 6、机器学习实战案例 [关键词：机器实战] 7、Python数据分析与建模 [关键词：数据分析] 8、慕课网Spring Cloud微服务实战 [关键词：慕课] 9、小马哥Spring Cloud微服务实战 [关键词：小马哥] 10、嵌入式视频教程 [关键词：嵌入式] 11、软件测试 [关键词：测试] 12、麦子学院测试教程 [关键词：麦子测试] 13、名师UI设计高徒特训班 [关键词：ui] 14、自然语言理解-中科院 [关键词：自然语言] 15、大数据 [关键词：大数据] 16、MySql基础&进阶 [关键词：mysql] 17、Docker入门和进阶(含kubernetes) [关键词：docker] 18、尚硅谷Docker核心技术

已知: 新冠测试的准确率: 新冠患者被测出positive的概率是0.9 非新冠患者被测试出negative的概率是0.9 整个人群的新冠患者比例是0.1 如果一个人被测试出positive，那他是新冠的概率更接近以下哪个: 0.4 0.5 0.6 0.7 0.8 0.9 1 如果不知道如何下手，可以参考贝叶斯定理。 来一起算一算: 是不是有点surprise。对于发病率较低的疾病，比如说0.01，一样的准确度，测试出是阳性的结果，实际上是阳性的概率只有0.083. Plot一个图给大家看看。x轴为发病率，y轴为测试出阳性的人的得病概率。 为什么会有这种直觉误差呢。这就是统计学上最经典的样本分布不均匀的问题。如果实际发病率达到了0.5(样本分布均匀)，那么: P(TestPositive/Positive)=P(Positive/TestPositive)=0.9 那直觉就对了。 还记得模型评分里提到的那个例子吗？对于疾病的预测，如果预测全部false，准确率可以达到(1-发病率)， 也就是发病率为0.01的疾病，模型什么都不做，就可以达到准确度99%。 另外提醒，瑞典的参与新冠测试的人，基本上都症状差不多match了，所以测试出是positive，就基本上是positive了。而本文的例子是大街上随便抓一个去测试的案例。 本文分享自微信公众号 - 一起learn大数据和机器学习

翰海睿智大数据股份有限公司是一家基于大数据、云计算、区块链、人工智能技术，为高校提供教学实验室和教学资源支持的科技公司。 今年，翰海睿智为《 2020 一带一路暨金砖国家技能发展与技术创新大赛 》以及《佛山未来技能挑战赛》的机器学习与大数据赛项提供技术支持，并选择 Authing 作为赛事的身份认证服务提供商。 ​ 金砖技能大赛集训平台登录页面（由 Authing 支持） Authing 作为专业的统一身份认证平台，基于单点登录、多因素认证等技术，实现了对参赛选手的身份认证，为比赛顺利进行提供了技术支持和环境保障。选手通过使用 Authing 登录自己的账号密码，在平台完成报名、课程学习、练习、集训、竞赛等多项任务。老师们使用 Authing 登录到竞赛平台，可实现新增训练任务、调整训练大纲、用户管理等功能的操作，提升赛事管理效率。 ​ 金砖技能大赛身份认证流程 Authing 通过云原生架构的弹性伸缩 ，保证了赛事期间认证服务的稳定。在比赛期间，Authing 提高了客户支持优先级，优化了选手在训练、比赛等不同阶段、不同场景下的登录体验。此外，Authing 还通过数据云端存储、合规安全审计、实时记录操作日志等功能，满足赛事安全监管需求，保证了赛事期间数据的安全性和流畅性。 ​ 金砖技能大赛比赛现场 关于 Authing Authing 是国内首款全场景身份云产品

加入AI行业拿到高薪仅仅是职业生涯的开始。 现阶段AI人才结构在不断升级，对AI人才的要求也不断升高，如果对自己没有很高的要求，其实很容易被快速发展的趋势所淘汰。 为了迎合时代的需求，我们去年推出了 《机器学习高端训练营》 班。这个训练营的目的很简单： 想培养更多高端的人才，帮助那些即将或者目前从事科研的朋友，同时帮助已从事AI行业的提高技术深度。 在本期训练营（第四期）中我们对内容做了大幅度的更新，一方面新增了对前沿主题的讲解如 图神经网络（GCN,GAT等） ，另外一方面对核心部分（如凸优化、强化学习）加大了对 理论层面上的深度 。 除此之外，也会包含 科 研方法论、元学习、解释性、Fair learning 等系列主题。 目前在全网上应该找不到类似体系化的课程。 课程仍然采用 全程直播 授课模式。 那什么样的人适合来参加高阶班呢？ 从事AI行业多年，但技术上总感觉不够深入，感觉在 技术上遇到了瓶颈； 停留在使用模型/工具上，很难基于业务场景来 提出新的模型； 对于机器学习背后的优化理论、前沿的技术不够深入； 计划从事尖端的科研、研究工作、申请AI领域研究生、博士生； 打算进入最顶尖的AI公司比如Google，Facebook，Amazon， 阿里，头条等； 读ICML，IJCAI等会议文章比较吃力，似懂非懂感觉， 无法把每个细节理解透； 01 课程大纲 第一部分

加入AI行业拿到高薪仅仅是职业生涯的开始。现阶段AI人才结构在不断升级，对AI人才的要求也不断升高，如果对自己没有很高的要求，其实很容易被快速发展的趋势所淘汰。 为了迎合时代的需求，我们去年推出了 《机器学习高端训练营》 班，由学院创始团队亲自授课，受到了广大学员的好评。 在本期训练营（第四期）中我们对内容做了大幅度的更新，一方面新增了对前沿主题的讲解如 图神经网络 ，另外一方面对核心部分（如凸优化、强化学习）加大了对 理论层面上的深度 。 目前在全网上应该找不到类似体系化的课程。 课程仍然采用 全程直播 授课模式。 那什么样的人适合来参加高阶班呢？ 从事AI行业多年，但技术上总感觉不够深入，感觉在技术上 遇到了瓶颈 ； 停留在使用模型/工具上，很难基于业务场景来 提出新的模型 ； 对于机器学习背后的优化理论、前沿的技术不够深入； 计划从事尖端的科研、研究工作、申请AI领域研究生、博士生； 打算进入最顶尖的AI公司比如Google，Facebook，Amazon， 阿里，头条等； 读ICML，IJCAI等会议文章比较吃力，似懂非懂感觉， 无法把每个细节理解透； 01 课程大纲 第一部分：凸优化与机器学习 第一周：凸优化介绍 从优化角度理解机器学习 优化技术的重要性 常见的凸优化问题 线性规划以及Simplex Method Two-Stage LP 案例：运输问题讲解 第二周

知乎上有个提问： 你的编程能力从什么时候开发突飞猛进？ 觉得挺有意思的，所以顺手回答了下，同时也发到我的公众号上来，这篇文章纯碎是记流水账， 也没什么干货 。 大家就当看个故事~ 以下是正文: 正文 啃完一本本书，做完一个个 lab，没有突飞猛进，一切都是量变最终累积成质变。 但是有那样一些时间节点，你会明显感觉到自己的编程能力确实有提高不少，能够编码实现更多的想法，接受新知识的速度也会加快，我想这是不是就是零散的知识点逐渐连成线、组成面呢？ 不过老实说，就编程能力上确实没有“突飞猛进”的感觉。 我们都是普通的剧本，不可能像张无忌一样因跌落悬崖，意外获得《九阳神功》，从此突飞猛进、开挂，走向人生巅峰。 只有靠不断的看书、coding、学习优秀开源项目，构建自己的计算机知识体系，并且在特定的领域不断专研，这样才能成为一个优秀的工程师。 下面聊聊我自己的编程学习之路吧。 迷茫的大一 我在大学之前完全没有编程经验，高考后，填的专业前几个也是清一色的传统工科，被软件工程录取纯碎是意外。 当时甚至很担心完全没有编程基础的我，上大学会不会跟不上，还因为考虑过复读，现在想想也是天真。 大一开学，第一门编程语言就是学的 C 语言，怎么说呢，老师讲的，书上写的我都能看懂，但是让我写一个大的程序，我就摸不到头脑。不知从何下手，学了半学期，也只能写写课后习题，算算水仙花数什么的。

公众号到今天恰好建立了半年，在这里我分享自己精选和私藏的视频教程。 下面的教程并不会漫无目的的夸多，只分享我觉得足够好，足够精的好资料，希望对大家能有所帮助。 李宏毅老师机器学习视频 李宏毅老师深度学习视频 斯坦福吴恩达老师经典机器学习视频 林轩田老师机器学习基石课程视频 林轩田老师机器学习技法课程视频 李飞飞老师著名课程CS231视频 Neural Network for Machine Learning视频[Hinton讲解] Reinforcement Learning Course by DeepMind‘s David Silver CS294 Deep Reinforcement Learning 斯坦福NLP课程视频[Dan Jurafsky教授主讲] 哥伦比亚大学NLP课程视频 CS224 DeepLearning for NLP课程视频 我觉得上面的资料基本上涵盖了绝大部分现在公认的好资源，我也将上面所有的视频资源均放在百度云上资源分享的文件夹下，如下所示： 本次资源分享包括下面资料： 1、李宏毅老师机器学习视频 2、李宏毅老师深度学习视频 3、斯坦福吴恩达老师经典机器学习视频 4、林轩田老师机器学习基石课程视频 5、林轩田老师机器学习技法课程视频 6、李飞飞老师著名课程CS231视频 7、Neural Network for Machine Learning视频