其他

疑問 最近在知乎有一個問題獲得了廣泛關注，因為這個問題反映了廣大技術人員的普遍工作狀態。 天天寫業務代碼的程式員，怎麼成為技術大牛，開始寫技術代碼。 https://www.zhihu.com/question/39430220/answer/90546883 姚冬，填坑俠 一個產品業務的開發過程中必然存在很多需要解決的問題，比如 崩潰，死結，效能低下，延遲高，伺服器不穩定，資料丟失，某些功能不知道怎麼實現。

對於演算法研究而言，本身就是要Crowdsourced Security Testing道哪個地方可以努力，哪些地方行不通。這些原理，就是指明方向的。 一.視頻壓縮的可行性 1.空間冗餘

趁著期末補報告的機會,順便發個 基本上是兩篇經典文獻Generative Adversarial Networks與Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks的部分翻譯 基礎GAN:原理 GAN(Generative Adversarial

觀察別人的言行，學習別人的優點。發揮女性的柔性，委婉的達成目標。 【哈佛大學圖書館館訓】1、誰也不能隨隨便便成功，它來自徹底的自我管理和毅力。2、時間在流逝。3、狗一樣地學，紳士一樣地玩。4、投資未來的人，是忠 於現實的人。5、受教育程度代表收入。6、一天過完，不會再來。7、即使現在，對手也不停地翻動書頁。8、沒有艱辛，便無所獲。 熟悉軟體工程和軟體開發過程,掌握項目所做的東西,用關切的語氣當面溝通，不能老盯著問進度，委婉的詢問對方的進度及遇到什麼困難，

前言：由於個人之前做過一個目標跟蹤演算法，所以，有必要將之前的工作做一個梳理。 目錄 基於第一種思路的運動目標檢測 1、 靜態背景： 2、 運動場 目標跟蹤： 相似性度量演算法： 核心搜尋演算法： 卡爾曼濾波： 粒子濾波器： Meanshift演算法： Camshift演算法： 目標跟蹤分類： 基於主動輪廓的跟蹤。 基於特徵的跟蹤。 基於地區的跟蹤。 基於模型的跟蹤。 運動目標跟蹤主流演算法大致分類： 兩種思路：

你對我們的星球，我們的宇宙瞭解多少。 先來俯瞰一下我們腳下的這顆星球 ▼ 接下來 下面的圖與文字 會讓你非常震撼 ▼▼▼ 每天，地球上都有這麼多人在飛來飛去↓↓↓ 下圖圓圈裡的人口，比其他地區的人口總和還多。 從整個地球史來看，曾活過的人類有1150億人，包括現存的70億人口。

原文地址 1. 排查對應的網域名稱是否進行直播加速配置 要進行直播推流，使用者必須得開啟直播加速—》配置直播網域名稱—》直播推流，可以參考【快速開始】； 2. 排查擷取到的推流URL地址是否準確 2.1 如何擷取推流地址 直播加速配置成功後，使用者可以在阿里雲控制台—》ApsaraVideo for

1：github下載 對於的代碼 https://github.com/openssl/openssl 2：./config enable-tls1_3 & make & sudo make install 1：若發現 install 後，openssl 版本依舊是老版本，那麼意味著老版本的openssl和新版本的openssl安裝路徑不一致，導致新版本openssl安裝（升級）後未覆蓋老版本openssl。老版本一般在/usr/bin 下，新版本一般在

目的：         在介紹如何開每日站會前， 讓我們先瞭解一下召開每天的站會的目的和意義是什麼。敏捷宣言強調個體互動重於過程和工具，敏捷原則闡述了面對面的溝通和自組織的團隊這些敏捷的核心思想。Scrum的團隊是一個自組織的團隊，團隊每天進行每日站會是團隊面對面溝通和團隊自組織的體現。Scrum的理論基礎是通過保持過程透明性讓參與過程的所有人瞭解真實狀況，然後進行檢查和調整，每日站會是Scrum過程進行每天的檢查和調整的環節。

PDCA迴圈 PDCA迴圈又叫品質環，是管理學中的一個通用模型，最早由休哈特於1930年構想，後來被美國品質管理專家戴明博士在1950年再度挖掘出來，並加以廣泛宣傳和運用於持續改善產品品質的過程. PDCA是英語單詞Plan(計劃)、Do(執行)、Check(檢查)和Action(行動)的第一個字母，PDCA迴圈就是按照這樣的順序進行品質管理，並且迴圈不止地進行下去的科學程式。

每日站會（Daily Scrum）是福士所熟知的Scrum的代名詞之一，作為Scrum中的標誌性活動，卻因為執行不易曆來飽受爭議。很多有心嘗試Scrum的項目試行一段時間後，往往是在站會上最先打了退堂鼓，繼而產生質疑。 質疑的原因有很多，首當其衝的抱怨是“沒勁”（low energy），這種情況下的站會被當作是例行公事的彙報會，聽不到什麼實際內容的討論，枯燥無味；在另外一些團隊中，站會又顯得冗長而“低效”，討論漫無邊際，“有這個開會的時間，我活早幹完了”。

對於中國各大電信電訊廠商而言，在整體市場規模相對穩定的情況下，能否維護好現有的客戶是保證其收益的重中之重。因此，預測客戶流失的可能性與否，直接關係到電訊廠商的客戶維護的重點正確與否。本文將基於”狗熊會“基礎案例：收集客戶流失，來示範基於C5.0演算法的客戶流失預測，資料下載 點擊開啟連結。 一、資料結構查看與初步分析 讀入並查看資料（見下圖），一共包含10個變數，其中ID為每個使用者的唯一標識，在進行預測性分析時需要刪除；流失使用者為因變數，”0“表示未流失，”1“表示已流失。

隨著市場競爭的加劇，中國電信面臨的壓力越來越大，客戶流失也日益增大。從統計資料看，今年固話小靈通的銷戶數已經超過了開戶數。面對如此嚴峻的市場形式，當務之急就是要盡全力減少客戶的流失。因此，利用資料採礦方法，建立一套可以及時預測客戶流失率的模型就相當有必要。     

Lateral View是Hive中提供給UDTF的conjunction，它可以解決UDTF不能添加額外的select列的問題。 1. Why we need Lateral View。 當我們想對hive表中某一列進行split之後，想對其轉換成1 to N的模式，即一行轉多列。 hive不允許我們在UDTF函數之外，再添加其它select語句。

由於專業的關係，我學習信用評分的時候往往最關注模型那一塊，前段時間一直有很多困惑，這周認真地看了一篇文章，終於有一點點明白了，所以來簡單地小結一下（這事兒不能說得太細），小結完了我得學習cURL去了。 最常見的用於信用評分的模型就是logistic迴歸，這是一種處理二分類因變數的廣義線性模型。這種模型的理論基礎比較紮實，但是對於不同的問題當然也存在一些特殊的處理方式，我最大的困惑就在於建模時對分類自變數的處理方法。

下面簡單列舉幾種常用的推薦系統評測指標： 1、準確率與召回率（Precision & Recall） 準確率和召回率是廣泛用於資訊檢索和統計學分類領域的兩個度量值，用來評價結果的品質。其中精度是檢索出相關文檔數與檢索出的文檔總數的比率，衡量的是檢索系統的查准率；召回率是指檢索出的相關文檔數和文件庫中所有的相關文檔數的比率，衡量的是檢索系統的查全率。

幾乎每 個企業都需要技術人員的支援，生產製造型企業需要現場生產控制和工藝流程方面的技術人才；IT等高科技行業需要大量軟體研發和裝置維護的硬體工程師；房地 產、建築工程領域需要建築設計師、土木工程師和施工技術人員。此外，不論是國企、民營企業還是外資公司，都需要大量的基礎技術工人。甚至很多在豪華寫字樓 office內工作的白領，從事的工作都是和技術相關的。

[摘要] 客戶流失是競爭日益激烈的市場中銀行面臨的一大難題。通過分析銀行客戶流失的原因，提出了建立客戶流失預測模型的方法。利用模型，發現預測流失 群體，預測流失趨勢，進而制定有效控制策略，最大限度地降低客戶流失率。為客戶流失預測提供了一種新的研究思路和分析方法。   　　[關鍵詞] 客戶流失流失預測模型資料採礦   　

吳恩達【深度學習工程師】專項課程包含以下五門課程： 1、神經網路和深度學習； 2、改善深層神經網路：超參數調試、正則化以及最佳化； 3、結構化機器學習項目； 4、卷積神經網路； 5、序列模型。 今天介紹《神經網路與深度學習》系列第二講：神經網路基礎（上）。 主要內容： 1、二分類問題； 2、羅吉斯迴歸及其對應的代價函數形式； 3、用計算圖描述神經網路的正向、反向傳播過程； 4、在羅吉斯迴歸中使用梯度下降演算法。 1、二分類問題

AI領域人才奇缺，炙手可熱的AI專業應屆生年薪30萬起步，AI畢業生基本不用找工作，都已經被企業早早預定。 AI人才究竟有多緊缺。據騰訊研究院《全球人工智慧人才白皮書》報告資料，目前全球AI領域人才僅約30萬，全球367所具有AI研究方向的高校，每年畢業AI領域學生僅約2萬人，這個資料甚至遠未達到國內500萬AI人才需求，更不用說全球的AI人才缺口了。