这篇文章的确很难写，因为我希望它真正地对初学者有帮助。面前放着一张空白的纸，我坐下来问自己一个难题：面对一个对机器学习领域完全陌生的初学者，我该推荐哪些最适合的库，教程，论文及书籍帮助他们入门？ 资源的取舍很让人纠结，我不得不努力从一个机器学习的程序员和初学者的角度去思考哪些资源才是最适合他们的。 我为每种类型的资源选出了其中最佳的学习资料。如果你是一个真正…

由浅入深地学习数据可视化的定义、概念、实现过程和方法。

据哈尔?瓦里安(Hal Varian)说，统计学家是下一个性感的工作。五年前，在《什么是Web 2.0》里蒂姆?奥莱利(Tim O’Reilly)说“数据是下一个Intel Inside”。但是这句话到底是什么意思?为什么我们突然间开始关注统计学和数据?

随着互联网数据规模的爆炸式增长, 如何从海量的历史, 实时数据中快速获取有用的信息, 变得越来越有挑战性. 一个中等的电商平台, 每天都要产生百万条原始数据, 上亿条用户行为数据. 一般来说, 电商数据一般有3种主要类型的数据系统: 关系型数据库, 大多数互联网公司会选用mysql作为关数据库的主选, 用于存储商品, 用户信息等数据. 关系型数据库对于事务性…

摘要：我对做事的流程非常感兴趣。我想要知道一些可以把事情做好的好方法，甚至在可能的情况下可以知道做这些事情的最好方式。就算你的技能不强，理解相关方面的知识不深，这个过程也可以帮你在后面长时间的过程中解决这些问题。它可以指引你如何变得更有技能，同时对相关知识有深层次的了解。至少，我曾经就是用这样的方式完成了很多的工作。 我认为学习数据挖掘是很有用的，正如它以从…

在这篇文章中，我将主要关注图像恢复的任务，以及如何使用deep image prior来解决这个任务。

我们想要告诉大家的是成为大数据工程师需要掌握的知识体系，而作为初学者，你可以先从简单的入手，慢慢在学更深的知识，拿出高考的恒心和坚持来，肯定能行。

有很多很好的介绍机器学习的教科书和课程,,甚至可以学习一些最复杂的特定的方法或算法，理解这些理论是一个非常重要的基础和起点。还有很多构建真实系统的实际问题，你可能闻所未闻。这篇文章将分享一些Netflix多年来构建大型系统放的最重要的教训,Netflix是跨许多国家支持数以百万计的用户规模。(Netflix是在线视频网站，每晚视频流量占据全美互联网流量近1/…

今天为大家解析散点图的做法。

众所周知，数据科学的目标是从大数据中创造价值。然而，数据科学也应该满足第二个目标即避免信息过载。一个典型的可以满足这两个目标的系统就是推荐引擎。

现在我就来帮初学者们梳理一下数据报告的制作方法。

1. 搜索算法总体架构 在上篇文章(工程篇)中, 我们介绍了有赞搜索引擎的基本框架. 搜索引擎主要3个部件构成. 第一, hadoop集群, 用于生成大规模搜索和实时索引; 第二, ElasticSearch集群, 提供分布式搜索方案; 第三, 高级搜索集群, 用于提供商业搜索的特殊功能. 商业电商搜索由于搜索的特殊性, 独立的ElasticSearch集群…

我对做事的流程非常感兴趣。我想要知道一些可以把事情做好的好方法，甚至在可能的情况下可以知道做这些事情的最好方式。就算你的技能不强，理解相关方面的知识不深，这个过程也可以帮你在后面长时间的过程中解决这些问题。它可以指引你如何变得更有技能，同时对相关知识有深层次的了解。至少，我曾经就是用这样的方式完成了很多的工作。 我认为学习数据挖掘是很有用的，正如它以从数据中…

自从大家知道我是做人工智能的以后，亲戚朋友经常会有人问我，什么是AI，什么是机器学习，什么是深度学习。

摘要：算法日益影响着我们的生活，有没有主宰世界的主算法？ 算法日益影响着我们的生活。但是在它正常运转的大部分时间里我们却没有留意，只有在算法出问题的时候才注意到它的存在。只有在那时候我们才回想起这个世界对算法—那些统治着我们周围所有计算机的、对人类来说日益费解的规则，是如何的依赖。一旦算法出了问题，我们才会想起自己是多么的脆弱(想想天网)。 Pedro Do…

未来5年，BI不会只停留在对历史数据的多维统计。通过与不断普及的算法与算力融合，会实现更自动、更智能的数据探索、实时预警、未来预测、自动诊断以及行动建议。在使用体验上，也一定会日趋“傻瓜”化，强调敏捷、易用与行业场景化，并且不断接入整合更丰富、更细颗粒度的数据源，进一步延展数据驱动决策的应用场景。

在第一篇文章我们介绍了推荐系统的优点，大致可以把推荐系统分为两种类型：基于内容的推荐系统和协同过滤推荐系统。

互联网广告发展已经近20年，从PC到移动，广告主对广告效果的评判标准，也从早期的曝光、点击，向转化、注册、下载、销售等指标转移。

Spark是一个超有潜力的通用数据计算平台，无论是对统计科学家还是数据工程师。

按照Elder博士的总结，这10大易犯错误包括： 0. 缺乏数据（Lack Data）1. 太关注训练（Focus on Training）2. 只依赖一项技术（Rely on One Technique）3. 提错了问题（Ask the Wrong Question）4. 只靠数据来说话（Listen (only) to the Data）5. 使用了未来…