港中大出逃的語言心理學(xué)磚家，現(xiàn)任影視公司的bd。<br><br>專注口才技能和個(gè)人成長心理等知識(shí)的分享，已經(jīng)出版《戒了吧！低品質(zhì)勤奮》，《我最后一本口才書》等！
發(fā)簡信
IP屬地：上海
-
UniformML-paper 4 Glove 《GloVe Global Vectors for Word Representation》今天我們來重溫下強(qiáng)烈推薦的一篇經(jīng)典的詞向量訓(xùn)練模型——Glove。（大家可能比較熟悉的是word2vec，這篇后續(xù)我們也會(huì)來重溫下，在大量語料的時(shí)候，glove的表現(xiàn)會(huì)優(yōu)于w...
-
UniformML Paper3-MLR《Learning Piece-wise Linear Models from Large Scale Data for Ad Click》
1 Introduction 線性模型在實(shí)際應(yīng)用中雖然高效，但是實(shí)際很多特征空間的分界面未必都是線性的，為了適應(yīng)這樣的場景，我們一般會(huì)通過兩種方法：1、復(fù)雜的特征工程（人工...
-
無論是10萬塊錢的課，還是讀一本書，學(xué)習(xí)的方法都是一樣接下來的一年時(shí)間，會(huì)在混沌大學(xué)創(chuàng)新院學(xué)習(xí)。早上收到班委的信息：“下周就要上課了，大家要記得復(fù)習(xí)哦！” 這么貴的課程，怎么樣也要好好準(zhǔn)備呀。何況我也是學(xué)委，要負(fù)責(zé)幫助同組的同學(xué)...
-
吐槽大會(huì)和深度閱讀1. 吐槽大會(huì)的節(jié)目形式是這樣的：每一期都有一個(gè)主咖，然后其他嘉賓，類型是和主咖有關(guān)系的朋友伙伴或者同行；再然后是節(jié)目組的兩到三位編劇。 2. 當(dāng)我們發(fā)現(xiàn)一本書真的很好，或者...
-
有喜歡的事情就去做吧，不用等別人給你職位1. 有人問小六，小六你不用工作嗎？我說，讀書就是我的工作呀。我就像一個(gè)圖書管理員+助教，你要找什么書，讀的時(shí)候卡住了，都可以找我。 好喜歡你的工作，他們說。 我只不過找到了...
-
如何進(jìn)行碎片閱讀？你好呀，我是小六。今天我想和你分享一個(gè)我剛剛完成的一次碎片閱讀。 Aha泡泡 等電梯的時(shí)候，我在刷朋友圈。刷呀刷呀，aha？！我在朋友V先生的朋友圈看到了一張圖。你要察覺你自...
-
uniform機(jī)器學(xué)習(xí)極簡入門7—機(jī)器學(xué)習(xí)入門概述
uniform機(jī)器學(xué)習(xí)極簡入門這個(gè)系列已經(jīng)介紹了6節(jié)課，大家對機(jī)器學(xué)習(xí)（統(tǒng)計(jì)學(xué)習(xí)）有了些了解（當(dāng)然之前都是些基礎(chǔ)），今天我們從宏觀整體上介紹下什么是機(jī)器學(xué)習(xí)，以及目前機(jī)器學(xué)習(xí)...
-
uniform機(jī)器學(xué)習(xí)極簡入門5—EM算法
上一節(jié)我們介紹了高斯混合模型（GMM），這個(gè)模型在求解的時(shí)候我們提到了EM算法，本節(jié)我們詳細(xì)介紹下EM算法的基本流程，其實(shí)在KMeans中也有EM的思想，EM算法在很多概率求...
-
uniform機(jī)器學(xué)習(xí)極簡入門6—聚類算法2(DBSCAN和層次聚類)
前面我們已經(jīng)分別介紹了Kmeans和GMM聚類模型，下面我們再介紹兩個(gè)很實(shí)用的聚類算法。 DBSCAN密度聚類 KMeans聚類的形狀一般對數(shù)據(jù)的本身特性要求較高（球狀），但...
-
uniformML-Paper1-Recommendation《Deep Neural Networks for YouTube Recommendation》
今天給大家介紹一篇相當(dāng)棒的經(jīng)典推薦領(lǐng)域的論文《Deep Neural Networks for YouTube Recommendation》，這篇文章主要介紹如何將深度學(xué)習(xí)...
-
uniform機(jī)器學(xué)習(xí)極簡入門4—高斯混合聚類（GMM Gaussian Mixture Model）
uniform機(jī)器學(xué)習(xí)極簡入門3 我們介紹了KMeans的基本概念，這個(gè)方法是給每個(gè)樣本歸屬一個(gè)類別，我們可以找出每個(gè)類別的原型向量，但是很多場景里往往不是這種0-1事件，我...
-
UniformML:trick1 負(fù)采樣Negative Sampling
在訓(xùn)練word2vec的時(shí)候，會(huì)介紹到兩種模型優(yōu)化方式： Hierarchical Softmax Negative Sampling 由于softmax在實(shí)際訓(xùn)練過程中需要...
-
uniform機(jī)器學(xué)習(xí)極簡入門3—KMeans
1 kmeans算法概述 往往在實(shí)際數(shù)據(jù)分析中，我們需要發(fā)現(xiàn)數(shù)據(jù)的一些內(nèi)在規(guī)律，但是數(shù)據(jù)一般都是未標(biāo)注，因此希望通過某個(gè)算法來揭示數(shù)據(jù)的內(nèi)在性質(zhì)和規(guī)律，其中最常用的算法就是聚...
-
績效激勵(lì)管理金句
1、三升三降：成本上升、費(fèi)用上升、員工流動(dòng)率上升，利潤下降、銷售下降、品質(zhì)合格率下降。 2、對于中小企業(yè)家的忠告： （1） 智慧要分享，利益要分配，職責(zé)要分擔(dān)； （2） 老板...
