推荐系统是近些年非常火的技术，不管是电商类软件还是新闻类app，都号称有精准的推荐系统能给你推送你最感兴趣的内容。

利用机器学习方法来理解和利用文本，从最简单的到state-of-the-art，由浅入深，循序渐进。

聚类分析是没有给定划分类别的情况下，根据样本相似度进行样本分组的一种方法，是一种非监督的学习算法。

用这个工具可以高效的构建机器学习工作流程。一起来了解一下这个工具吧。

数据库的管理是一个非常专业的事情，对数据库的调优、监控一般是由数据库工程师完成，但是开发人员也经常与数据库打交道，即使是简单的增删改查也是有很多窍门，这里，一起来聊聊数据库中很容易忽略的问题。 字段长度省着点用 先说说我们常用的类型的存储长度： 很明显，不同的类型存储的长度有很大区别的，对查询的效率有影响，字段长度对索引的影响是很大的。 字符串字段长度都差不…

依靠用户数据创建用户画像在当前热议大数据的时代越来越受到重视。

本文从深度学习基础、卷积网络和循环网络三个方面介绍该笔记。

作者：唐洁 最近利用闲暇时间，又重新研读了一下Storm。认真对比了一下Hadoop，前者更擅长的是，实时流式数据处理，后者更擅长的是基于HDFS，通过MapReduce方式的离线数据分析计算。对于Hadoop，本身不擅长实时的数据分析处理。两者的共同点都是分布式架构，而且都类似有主/从关系的概念。 本文我不会具体阐述Storm集群和Zookeeper集群如…

从海量的公交卡出行记录中识别出小偷，是不是令人脑洞大开的想法？

翻译：陈丹 校对：车前子来自：微信公众号 数据派THU 本文是一个教授如何优化神经网络模型的基础教程，提供了具体的实战代码供读者学习和实践。 深度学习的神经网络是采用随机梯度下降优化算法对训练数据进行拟合。 利用误差反向传播算法对模型的权值进行更新。优化和权值更新算法的组合是经过仔细挑选的，是目前已知的最有效的拟合神经网络的方法。 然而，也可以使用交替优化算…

一名数据人如果连埋点和指标模棱两可，则根基不稳，随口一反问都可能成为定时炸弹，坍塌整个分析过程。

文本挖掘（在文本数据库也称文本数据挖掘或者知识发现）是从大量无结构的数据中提炼出模式（也就是有用的信息和知识）的半自动化处理过程。

哈佛商业评论称数据科学家是21世纪最性感的工作。所以，对于那些ML刚刚开始的人来说，这篇博客机器学习算法工程师需要知道的十大算法是非常有用的。

外卖的用户画像的实践和经验累积，必将对整个电商领域的大数据应用作出新的贡献！

众所周知，数据挖掘算法并非十全十美，在某些情况下他们也会失效。 使用 K 均值算法（K-Means）时就可能会出现这种情况，当然此时你可以尝试一下另一种方法—— K 中心聚类算法（K-Medoids），也许效果会更好。

深度学习在单图像超分辨率上的应用：SRCNN、Perceptual loss、SRResNet。

Netflix资深软件工程师Tom Gianos和Netflix大数据计算工程经理Dan Weeks在2016年度QCon旧金山活动中介绍了Netflix的大数据策略和分析基础架构。

现今互联网界，不管是研发、产品、设计，还是市场或运营，用户画像这个概念被炒得相当的火。如何构建用户画像的方法论可谓是汗牛充栋，但鲜有能落地生根的，更别提如何将其应用于实践了。

摘要：电信与媒体市场调研公司Informa Telecoms & Media在2013年的调查结果显示，全球120家运营商中约有48%的运营商正在实施大数据业务。该调研公司表示，大数据业务成本平均占到运营商总IT预算的10%，并且在未来五年内将升至23%左右，成为运营商的一项战略性优势。可见，由流量经营进入大数据运营已成为大势所趋。 电信运营商拥有…

Self-trainingforFew-shotTransferAcrossExtremeTaskDifferences:作者提出了这样一种方法，当一个域只有少量的标注数据及大量的未标注数据时，可以在未标记样…