• 这个名字很熟悉啊,好像我师弟常常去的一个机器学习读书会就是在你们那里办的?

  • 厉害啊,求github

  • 我下面那个github链接总结得更加全面,我看了也受益匪浅。

  • 下面这张脑图是最近在总结自己的Web开发学习经验时画的,还不太完善,不过脉络已经有了,希望能给楼主学习Rails提供一些启发。 即使最后不学Rails,只要你打算做Web开发,这些东西几乎都是会接触到的。

  • 為你自己學 Ruby on Rails at 2017年05月27日

    这个教程真是太棒了,完美地满足了我的需要。 想起半年前学习Rails是看Ruby on Rails 指南的,那个指南虽然详细,但并不怎么解释系统设计的原理。作为一个数学系的学生,在学习编程时我一直都很重视设计思想和应用背景这些东西,我认为只有理解了这些东西,才能把编程中各种琐碎的知识连接起来形成整体。学习Rails时,一直试图找各种资料来理解背景,但都没有合适的,虽然能直到看到这份教程。 真是非常感谢。

  • 量产型炮灰工程师 at 2017年05月22日

    个人意见,简历的背景不太好,蓝屏色真的让人很难受。还不如低调奢华黑屏白字呢……

  • 数据分析师与 R 语言 at 2017年04月27日

    R是天然地为统计而生的,这就不多说了。 python在数据分析上好用,最关键的还是因为numpy和pandas这两个包(pandas是基于numpy构建的),提供了非常丰富的数据操作方法,让人很容易实现数据的IO、切片、筛选、分组、聚合、透视等等常用功能。

    其实Ruby也有类似的包,叫Daru,不过bug多多,非常不好用。我常常是用着用着就出问题然后自己打Monkey Patch……

  • 目前来说,数据可视化也不过就是学习使用几个绘图包/插件,使用起来非常简单,技术含量还不如前端。 要说数据聚合+可视化,那就需要对业务有一定的了解,其实也没多少技术含量,反而是对业务的理解要求比前端深得多。 (我就是做这个的,因为业务需要,被迫学习了一系列金融相关知识和模型。)

    真正高门槛的是机器学习算法工程师,数学主要是线性代数,其实要求也不是很高,用到的时候再补就行了。 先买本周志华的《机器学习》来看看,能看得下这本书,再考虑入门。

  • 我在公司里负责的主要工作就是处理数据,这种问题我有经验。

    数据可视化一般用Echart就够了。

    数据聚合,推荐使用Daru这个Gem,它类似于python里的pandas,提供了Daru::Vector和Daru::DataFrame两个经典的类用来处理数据。缺点是经常出BUG,遇到了只能自己看源码然后使用"打开类"的技术来修复(或者在Github上反馈)。

    推荐去看《利用Python进行数据分析》第九章,虽然写的是Python的pandas包的操作,但数据处理的思想是通用的,就是把所有相关数据都汇总到一个DataFrame里,每行是一个观测(在这个项目里就是人的所有数据),每列是一个变量(比如成绩,是否参加了考试等等),然后进行聚合操作。这些成绩统计项目都属于数据聚合的范畴。

  • 机器学习是需要做很多计算的。其中不乏大量的求和与矩阵运算。这些运算你要是都靠循环来写的话能把自己绕死。 向量化编程才是正确的解决之道。python的pandas提供了非常强大的数据操作功能,有助于写出简洁优雅的代码。Ruby里有个类似的gem叫Daru,但功能真的差太多了……很多时候我都被迫使用循环。