My Signature
澹兮其若海,飂兮若无止。——老子
  Recommended Posts
Machine Learning

ml basic: 01 problem modeling

问题建模1.1 评估指标线下使用机器学习评估指标,线上使用的是业务指标。需要进行多轮模型迭代使两个指标变化趋势相同。 1.1.1 分类指标精确率和召回率 用于二分

Read more
Deep Learning

tf

References https://classroom.udacity.com/courses/ud187 TensorFlow Int

Read more
NLP

nlp industrial application

Brief HistoryNNLMneural network probabilistic language model. Bengio,

Read more
Java

jvm

JVM体系架构java是跨平台的语言,JVM是跨语言的平台(Kotlin,Scala, Jython, JRuby, JavaScript…)。JVM不关心运行在其内部的

Read more
Programming

sql advance

数据类型某些聚合函数可以作用于所有数据类型,例如COUNT;而某些聚合函数只能作用于特点数据类型,例如SUM只能作用于数值类型。某些数据看起

Read more
sql advance sql advance
数据类型某些聚合函数可以作用于所有数据类型,例如COUNT;而某些聚合函数只能作用于特点数据类型,例如SUM只能作用于数值类型。某些数据看起来是数值,但是很可能是以VARCHAR形式存储的。这就涉及到了数据类型的转换。可以采用以下两种形式。
2020-10-24
design pattern design pattern
简介软件工程中,设计模式是对软件设计中普遍存在的各种问题所提出的解决方案。 编写代码,需要解决耦合性、内聚性、可维护性、可扩展性、重用性、灵活性的问题。 低耦合:该是哪个模块的错误就在哪个模块报错 高内聚: 代码重用性:相同功能的代码,不用
2020-08-20
sleep wait yield sleep wait yield
sleep、wait和yield都是暂停线程的方法。 定义的类sleep()和yield()方法是定义在Thread类中,而wait()方法是定义在Object类中。 sleep在Java中Sleep方法有两个,一个只有一个毫秒参数,另一个
2020-08-16
hands on: 15 sequence hands on: 15 sequence
RNNRN: recurrent neuron RNN has connections pointing backward. At time step t, RN receives the inputs $x_t$ as well as i
2020-08-16
nlp industrial application nlp industrial application
Brief HistoryNNLMneural network probabilistic language model. Bengio, 2003. 简介:三层神经网络模型。用前n-1个词来预测当前词。该模型会学习到(1)词汇的分布式表
2020-08-16
ipc ipc
进程通信。Inter Process Communication. 管道 Pipe实质:内核缓冲区。 进程以先进先出的方式从缓冲区存取数据,管道一端的进程顺序的将数据写入缓冲区,另一端的进程则顺序的读出数据。 当缓冲区读空或者写满时,
2020-08-16
hashmap hashmap
hashmap数据结构和构造在jdk1.8之前是数组加链表,之后是数组加链表加红黑树。 数组中存放对象Node,包含key, value, hash value, next指针。 参数DEFAULT_INITIAL_CAPACITY=16,
2020-08-13
juc juc
内存可见性JVM为每一个线程分配一个独立的缓存,以提高效率。 内存可见性问题:两个线程对于共享数据的操作,彼此不可见。 下面这段代码主线程的循环会一直执行。因为根本没有重新从堆内存获取flag的取值。 public class TestVo
2020-08-02
rpc rpc
RPC远程方法调用 Remote Procedure Call 分布式的通信方式。这是一个概念,具体有很多实现。必须要实现序列化。 分布式通信最基本是二进制数据传输TCP/IP。也可以用http或者webservice等其他通讯协议。 e.
2020-08-02
ml basic: 04 NN ml basic: 04 NN
神经网络4.1 全连接网络4.1.1 简介给定训练集,权重$w_i$以及阈值$\theta$可通过学习得到。 $w_i = w_i + \eta(y-\hat{y})x_i$ 常见的神经网络是每层神经元与下一层全互连,不存在同层或者跨层连接
ml basic: 03 models ml basic: 03 models
常用模型3.1 线性回归3.1.1 原理输入训练集数据$T = {(x_1,y_1) … (x_M,y_M)}$,$x_i \in \mathcal{X} \subseteq R^n$,$y_i \in R$ $f(x) = w^Tx+b
1 / 6