流式计算
从spark 说起，谈谈“流式”计算的理解
spark是一个大数据分布式的计算框架，有一些并行计算的基础会更容易理解分布式计算框架的概念。对比并行计算，谈三个概念：
并行计算
Map Reduce 算子
RDD数据结构
并行计算
spark的任务分为1个driver、多个executor。
吴恩达《机器学习》课程总结（19）总结
(1)涉及到的算法
1.监督学习：线性回归，逻辑回归，神经网络，SVM。
线性回归（下面第三行x0(i)其实是1，可以去掉）
逻辑回归
神经网络（写出前向传播即可，反向框架会自动计算）
SVM
2.非监督学习：聚类算法(K-mean),降维(PCA)
K-mean
PCA
3.异常检测
4.推荐系统
(2)策略
1.偏差与方差，正则化
训练误差减去人类最高水平为偏差(欠拟合)，交叉验证集误差减训练误差为方差(过拟合)；
正则化解决方差问题，不对θ0正则化；
2.学习曲线
全过程观测偏差与方差，所以更全面。
数据分析研发工程师职业技能和要求
数据分析研发工程师职业技能和要求
工作职责：
1、负责LBS数据分析体系建设
2、负责LBS业务分析平台建设，负责业务数据的提取、查询、处理、分析等工作；
3、负责LBS相关产品日常运营分析、输出相关运营、决策、分析数据
职位要求：
-热爱互联网，对大数据处理和数据分析挖掘有浓厚的兴趣
-熟悉Java、Hadoop、Hive，能够使用Py
mac OS 安装XGBoost（完美解决方案）
XGBoost是一种基于决策树（CART）的分布式的高效的梯度提升算法，它可被应用到分类、回归、排序等任务中，与一般的GBDT算法相比，XGBoost主要有以下几个优点：
对叶节点的权重进行了惩罚，相当于添加了正则项，防止过拟合
XGBoost的目标...
在Ubuntu搭建TensorFlow环境
版权声明：本文为博主chszs的原创文章，未经博主允许不得转载。 https://blog.csdn.net/chszs/article/details/78987532
在Ubuntu搭建TensorFlow环境
版权声明：本文为博主chszs的原创文章，未经博主允许不得转载。
