zookeeper是一个高可用的分布式数据管理与协调框架，基于对ZAB算法的实现，该框架能够很好地保证分布式环境中数据的一致性。 1、数据发布订阅数据发布/订阅系统，即配置中心。发布者将数据发布到zk上，功订阅者进行数据订阅，进而达到动态获取数据的目的，实现配置信息的集中式管理和数据的动
最近一个朋友组织了一个关于数据科学和机器学习的学习交流小团体。第一轮，大家轮流介绍自己的入门经验以及一些感想。 既然在交流会中分享了一些感想，不如写下来。感想这种事情很有意思，今年这个感想，明年就不一定成立了，写下来，以后回头看看应该挺有意思的。 基础知识是非常重要的。比
Coursera课程地址 因为Coursera的课程还有考试和论坛，后续的笔记是基于Coursera https://www.coursera.org/learn/machine-learning/home/welcome 课程总结 机器学习 Machine Learning- 吴恩达Andrew Ng 第1~5课总结机器学习 Machine Learning- 吴恩达Andrew Ng 第6~10课总
逻辑回归 逻辑回归是一种分类算法，适用于二分类，也能得出概率值。 借用线性回归的公式，输入x： h ( w )
学习算法存在于我们的日常生活中，也许我们没有意识到自己每天都会多次使用学习算法，比如当我们使用Google搜索引擎的时候它总能给出满意的答案，原因之一就是Google使用的学习算法。苹果手机上的相片分类功能，它能准确的将你所有朋友的照片分类，这也是机器学习。在邮箱里垃圾邮箱过
机器学习工程师与研究员之间的7个 主要区别（包括薪水） 1.工作角色描述 机器学习工程师角色的主要工作为在已实现的软件/硬件解 决方案中实现机器学习算法和模型。 机器学习研究员角色的主要工作与机器学习中特定学科领 域的发展有关。 2.学术背景 ML研究员通常有博士学位。他们
3.交付物/最终产品 ML工程师的可交付成果通常是带有机器学习模型的工程解决方案，该模型能够以自 动化、高效或创造性的方式执行一组任务。对于ML工程师而言，最终产品或可交付 成果可以是一种软件，其中的功能由机器学习方法提供支持。鉴于ML研究员的可交 付成果往往是一篇写得很
# 一、业务场景介绍先来给大家说一个业务场景，假设咱们现在开发一个电商网站，要实现支付订单的功能，流程如下：创建一个订单之后，如果用户立刻支付了这个订单，我们需要将订单状态更新为“已支付”扣减相应的商品库存通知仓储中心，进行发货给用户的这次购物增加相应的积分针对上述流程，我们
Harper的大数据漫谈 前言: 关于Harper的大数据漫谈概述: 什么是大数据 前言: 关于Harper的大数据漫谈 回顾一下, 自2013年毕业至今已经8年了, 其中前三年在中国联通做通信, 之后五年转战互联网公司从事大数据行业. 很喜欢这个方向, 也积累了一些心得. 最近在帮组内的实习
一些问题 如果训练集有100万个实例，训练决策树大致的深度是多少？ 通常来说，二元决策树训练到最后大体都是平衡的，如果不加以限制，最后平均每个叶节点一个实例。因此，如果训练集包含100万个实例，那么决策树的深度为20层。（实际上会更多一些，因为决策树通常不可能完美平衡。） 通常来说，子
正则化平滑 w 越小，表示 function 较平滑的， function输出值与输入值相差不大在很多应用场景中，并不是 w 越小模型越平滑越好，但是经验值告诉我们 w 越小大部分情况下都是好的。b 的值接近于0 ，对曲线平滑是没有影响 相当于对模型参数施加惩罚，压缩了参数的范围，限制了模型的复杂度
置信很多用着pos 机的朋友都有接到过这样的电销电话。大约的场景如下： 第一、你好，我们是某某某支付公司。公司新推出了产品或者说产品晋级需求给您改换一款最新的pos 机。 第二、您在运用的pos 机费率曾经涨到了百分之零点六五加三了，这边给您改换一个更低费率的机子。 第三、
今年四月底过的RHCE，主要考试内容是围绕着Ansible，一共是十五道题，都是考Ansible的知识，考试的考前培训比较重要，需要仔细听老师传授的考场细节，比如考场的考试环境登录上去和模拟的时候有些区别，还有就是ansbile的本质是自动化工具，批量的在受控机器上执行一些本来需要手动做的事情，因此脚
一、业务场景介绍 先来给大家说一个业务场景，假设咱们现在开发一个电商网站，要实现支付订单的功能，流程如下： 创建一个订单之后，如果用户立刻支付了这个订单，我们需要将订单状态更新为“已支付” 扣减相应的商品库存 通知仓储中心，进行发货 给用户的这次购物增加相应的积分 针对上述
设有n个独立的作业{1, 2, …, n}, 由m台相同的机器进行加工处理。作业i所需时间为ti. 约定:任何作业可以在任何一台机器上加工处理, 但未完工前不允许中断处理,任何作业不能拆分成更小的子作业。要求给出一种作业执行次序，使所给的n个作业在尽可能短的时间内由m台机器加工处理完
多变量线性回归 1.1 多维特征 Multiple features 继续以预测房屋价格为例，之前只有单变量，但在实际中是有多个变量(特征)，比如除了房屋大小还有房间个数、房屋层数、房屋年限等 假设有m=47个样本 符号定义分别为： n：特征的数量 x(i)：第i个训练样本 xj(i):第i个训练样本中的第j个特征值
1 Adaboost的提出 1990年，Schapire最先构造出一种多项式级的算法，即最初的Boost算法; 1993年，Drunker和Schapire第一次将神经网络作为弱学习器，应用Boosting算法解决OCR问题; 1995年，Freund和Schapire提出了Adaboost(Adaptive Boosting)算法，效率和原来Boosting算法一样，但是不
机器学习基本概念 机器学习方法流程 输入与输出空间 输入空间：将输入所有可能取值的集合称为输入空间 输出空间：将输出所有可能取值的集合称为输出空间 通过父亲身高推测儿子的身高 则父亲身高所有可能取值的集合就是输入空间 儿子身高所以可能取值的集合就是输出空间 泰坦尼
导语 人与人之间最重要的是信任，但程序的世界里，可能信任越少越好；我越发觉得越是高性能高可用的系统里，不信任原则会体现得更加淋漓尽致。 为了少走弯路，写下这篇文章留给自己参考，其中一些是自己踩过的一些坑；一些是接手他人系统时触过的雷；还有一些是从别人分享的经验学习得来；能力有
# 一、业务场景介绍先来给大家说一个业务场景，假设咱们现在开发一个电商网站，要实现支付订单的功能，流程如下：创建一个订单之后，如果用户立刻支付了这个订单，我们需要将订单状态更新为“已支付”扣减相应的商品库存通知仓储中心，进行发货给用户的这次购物增加相应的积分针对上述流程，我们
LightningChart.NET完全由GPU加速，并且性能经过优化，可用于实时显示海量数据-超过10亿个数据点。 LightningChart包括广泛的2D，高级3D，Polar，Smith，3D饼/甜甜圈，地理地图和GIS图表以及适用于科学，工程，医学，航空，贸易，能源和其他领域的体绘制功能。 点击下载LightningChart.NET最新试用版
期望 方差 协方差
目录 （1）尴尬的面试现场：第一幕 （2）尴尬的面试现场：第二幕 （3）别让你学的技术成为空中楼阁 （4）想方设法的 “虐虐” 自己 “ 这篇文章，给大家说一个同样是很多人都很迷惑的问题，因为实在是太多同学来问我类似的问题了，所以写一篇文章给大家来说一下。 事情的起因是这样子的：很
