ProZoom山卦，一個專注于技術账蓉、解決技術問題的人兒，熱愛科幻與編程逾一，<br>QQ: 3485966314铸本，加時備注原因。
IP屬地：福建
-
專門收錄人工智能創(chuàng)業(yè)和投資領域的信息个唧，技術和解決方案江解，收集大數(shù)據(jù)相關解決方案和技術。
-
關于大數(shù)據(jù)魄梯、云計算及人工智能的內容收集桨螺，觀點表達。 歡迎投稿
-
首先狭园，無論是哪方面的程序員，都要大量的投資算法和數(shù)據(jù)結構糊治。因為這是你的基本技能唱矛，就像棋手需要知道每個棋子的走法一樣。在算法學習的過程中，你繞不過的就是衡量算法的效率绎谦，也就不可避免的學習Big O的知識管闷。Big O，需要你了解函數(shù)和極限的一些知識窃肠，比如說包个，f(n) = O(g(n))是這樣定義的，當n足夠大的時候冤留，你總可以找到一個常數(shù)c碧囊，使得c * f(n) >g(n)。除了效率纤怒，還有如何證明算法的正確性糯而。這就要求掌握一些證明方法，比如反正法泊窘，遞推歸納法熄驼。 其次，如果你遇到了性能方面的問題烘豹，需要降低延遲瓜贾，增加吞吐的時候，你很有可能需要去設計高性能的隊列系統(tǒng)吴叶，這時排隊論的知識就顯得尤為重要了阐虚。排隊論要學好，概率論是基石蚌卤。隊列在計算機系統(tǒng)中隨處可見实束，操作系統(tǒng)中的進程調度問題，基于隊列解藕生產(chǎn)者消費者的架構問題等等逊彭。 接下來如果你對離散優(yōu)化問題感興趣咸灿，如說背包問題，旅行者問題侮叮，當你需要優(yōu)化一個目標函數(shù)的時候避矢，你往往會用到梯度下降法，而理解梯度下降法囊榜，對微積分要有很好的理解审胸。更不用說在人工智能，機器學習領域卸勺，到處都得優(yōu)化目標函數(shù)砂沛，降低預測誤差，想走的遠曙求，是必須要有數(shù)學基礎的碍庵。 然后再說一下映企，線性代數(shù)，特別是在人工智能里面静浴，很多基本的模型都是線性的堰氓，你會隨處看到矩陣的用處，單純的只知道矩陣如何相乘是遠遠不夠的苹享，要理解的跟深入双絮，矩陣是一個函數(shù)，用來轉換矢量富稻，既然是函數(shù)掷邦，就會具有很多函數(shù)的特點白胀。 分布式系統(tǒng)中的鼻祖級論文椭赋，Lamport的時間，時鐘或杠，和事件的順序哪怔，據(jù)他所說是他從相對論中的時間和空間的關系中得到的靈感。由此可見向抢，不僅是數(shù)學认境，物理也很重要。
-
數(shù)據(jù)分析人工智能機器學習
-
我以官方文檔為主線距淫，開始對TensorFlow的學習。這期間會把我的理解進行持續(xù)的輸出婶希，作為《TensorFlow從0到N》系列榕暇。 它不會止于翻譯和筆記，不會停留在語言和工具喻杈，而是堅持通過啟發(fā)性的方式彤枢，循序漸進的構建理解，搭建一個堅實可靠的筒饰、連接“零基礎”與“人工智能（AI）/機器學習（Machine Learning）/深度學習（Deep Learning）”領域之間的緩坡道缴啡。
-
公眾號(IT程序員的日常)Python愛好者业栅，大數(shù)據(jù)開發(fā)者，人工智能學習者谬晕。
-
歡迎加入人工智能領域攒钳！
-
我們已經(jīng)進入一個嶄新的智能機器時代不撑，在未來幾年內文兢，人工智能和機器人給世界帶來的影響將遠遠超過個人計算機和互聯(lián)網(wǎng)在過去的30年間已經(jīng)對世界造成的改變。是謙遜地生存燎孟，還是傲慢地死去禽作？智能機器將成為我們的奴隸，伙伴還是主人揩页？
-
神經(jīng)網(wǎng)絡與深度學習專題歡迎大家投稿相關內容爆侣。從基礎理論到實戰(zhàn)演練均可嘗試投稿萍程。若有GPU計算資源需求去完成很有價值的工作也可以留言請求，我們會滿足你的哈兔仰！ 該專欄中的文章還會被發(fā)在：UAI人工智能公眾號茫负。讓更多的人看到你們的優(yōu)秀作品。
-
誠招管理員型型！聯(lián)系我~ 本專題專注于大數(shù)據(jù)技術段审，包括但不限于：分布式系統(tǒng)，hadoop输莺，spark戚哎，storm，mesos嫂用，hbase，zookeeper丈冬。嘱函。。 Tips:如果是自己學習這些技術埂蕊，通過社區(qū)學習是一個不錯的方式往弓。 JIRA:https://issues.apache.org/jira/browse/SPARK/?selectedTab=com.atlassian.jira.jira-projects-plugin:summary-panel
-
