- 博客(10)
- 收藏
- 关注
原创 有关广告推荐的一些面试“坑”
据知情人透露,GMM,和EM算法(推导Q函数及证明收敛性)。K-means与GMM的对应关系。K-means是无监督的聚类方法,GMM是有监督的生成模型。SVM的公式推导。神经网络BP算法的公式推导。Logistics Regression的推导,L1和L2正则化。L1有套索现象,L1的Weights比较稀疏,适用于快速计算预测模型。PLSA和LDA有关NLP的问题。目标方程优化问题,梯度下降,随机
2016-04-07 15:46:03
508
原创 “模拟退火算法的并行化”之“工欲善其事,必先利其器”
书接上回《“模拟退火算法的并行化”之“接手‘硬骨头’”》,在我接手这项任务后,就要进行项目评估了。 孙子曰:“夫未战而庙算胜者,得算多也,未战而庙算不胜者,得算少也。多算胜,少算不胜,而况于无算乎!”,孙子又曰:“知己知彼,百战不殆;不知彼而知己,一胜一负;不知彼,不知己,每战必殆。”我们工作时使用的平台是Linux/GNU系统,公司有个专门给我们软件组使用的服务器,名字叫做Blade,看来应
2016-04-07 13:48:25
1181
原创 GBDT
什么是GBDT一下是wiki有关GBDT的介绍: Gradient boosting is a machine learning technique for regression and classification problems, which produces a prediction model in the form of an ensemble of weak prediction
2016-03-24 11:21:41
405
原创 面试之道
面试,也是一项技术活。——本主面试,是一个双方了解,相互选择的过程。面试方提出问题,应聘方作答,一遍两遍,相互的了解加深。无论HR面试,仅谈谈技术面。
2016-03-11 09:02:41
517
原创 “模拟退火算法的并行化”之“接手‘硬骨头’”
本文介绍小编如何接手的“模拟退火算法的并行化”这等难啃的“硬骨头”的背景,以及“硬骨头”之前的“钙化”情况等等。
2015-11-30 10:56:27
2588
3
原创 “模拟退火算法的并行化”之“什么是模拟退火算法”
简单介绍退火和模拟退火算法及其优缺点。退火,Annealing,高温物体经降温形成晶体的过程。其过程可以看做是在晶格空间求解最优解的过程。模拟退火,Simulated Annealing,模拟自然界退火过程而求解多维非凹函数最优解的算法。
2015-11-25 10:56:22
3303
原创 有关UCF解析器系统架构的设计
本文介绍了有关UCF解析器系统架构的设计,本设计以可扩展性和抽象封装为主要设计目标。详细介绍了系统的每个模块的功能及各个模块间的相互合作。
2015-11-09 10:10:55
880
原创 使用Visual Studio从Linux迁移C++库到Windows
本文简绍如何使用Visual Studio在Windows下编译SparseLib++_1.7的dll库及遇到的函数导出问题并解决方案。
2015-09-16 10:23:47
1508
原创 开源网站和镜像站点不得不说的秘密
本文简略介绍了当前知名开源网站如GNU、Apache所采用的镜像站点(mirror sites)开源文件验证技术,验证步骤,及一些知名Key Server。
2015-09-15 09:46:11
717
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人