連玉君老師團(tuán)隊(duì)Stata實(shí)證經(jīng)驗(yàn)分享旋奢。<br>百-度-搜索【連享會(huì) 主頁(yè)】看最新推文泳挥。

PySpark心得體會(huì)

看看書桑谍，寫寫代碼，聽聽網(wǎng)易云祸挪，抖抖腿這樣過(guò)日子锣披。

記錄下自己干了些什么

Good good study and day day up !<br>屈原的粉絲<br>魯迅的粉絲

主C++、Python<br>目前是圖形芹务、渲染蝉绷、引擎方向。<br>音游枣抱、ACT熔吗、ACGN愛好者。

阿里云官網(wǎng)內(nèi)容平臺(tái)！匯聚阿里云優(yōu)質(zhì)內(nèi)容（入門轿秧、文檔中跌、案例、最佳實(shí)踐菇篡、直播等）漩符！如需轉(zhuǎn)載或內(nèi)容類合作，郵件yqgroup@service.aliyun.com 秒級(jí)回復(fù)驱还！<br>

機(jī)器學(xué)習(xí)(Machine Learning，ML)是研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為闷沥，以獲取新的知識(shí)或技能萎战，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能。數(shù)據(jù)挖掘是從海量數(shù)據(jù)中獲取有效的舆逃、新穎的蚂维、潛在有用的、最終可理解的模式的非平凡過(guò)程路狮。數(shù)據(jù)挖掘中用到了大量的機(jī)器學(xué)習(xí)界提供的數(shù)據(jù)分析技術(shù)和數(shù)據(jù)庫(kù)界提供的數(shù)據(jù)管理技術(shù)鸟雏，機(jī)器學(xué)習(xí)是數(shù)據(jù)挖掘的一個(gè)重要的工具。機(jī)器學(xué)習(xí)交流群：613944735

本專題招募管理員炊琉，有意向請(qǐng)簡(jiǎn)信私聊展蒂，謝謝！ 用來(lái)分享機(jī)器學(xué)習(xí)苔咪，深度學(xué)習(xí)锰悼，神經(jīng)網(wǎng)絡(luò)，計(jì)算機(jī)視覺等領(lǐng)域的一些技術(shù)团赏。 Machine Learning 學(xué)習(xí)資料：http://www.reibang.com/p/e0238db24973 相關(guān)參考： 1. [Coursera - Machine Learning by Andrew Ng]：https://www.coursera.org/learn/machine-learning 2. [ Stanford CS231n Course]：http://cs231n.github.io/ 課程整理：http://www.reibang.com/p/182baeb82c71 3. [深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)(英文原版)]：http://neuralnetworksanddeeplearning.com/ [GitBook同步鏈接]：https://www.gitbook.com/book/tigerneil/neural-networks-and-deep-learning-zh/details 4. [UFLDL教程]：http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B （中文） http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial （英文） 5. [Deep Learning - An MIT Press book]：http://www.deeplearningbook.org/ 6. [Neural Network Playground]： http://playground.tensorflow.org/ 7. [A Guide to Deep Learning]： http://www.reibang.com/p/6752a8845d01 8. [知乎“機(jī)器學(xué)習(xí)”專欄]： https://www.zhihu.com/collection/108812637 9. [How do Convolutional Neural Networks work?] http://www.reibang.com/p/fe428f0b32c1 …… 希望大家可以相互交流箕般，相互學(xué)習(xí)！

編程小白