王下邀月熊_Chevalier
王下邀月熊_Chevalier

面向程序猿的数据科学与机器学习知识体系及资料合集

  • DataScience & Machine Learning Reference

  • Introduction & Overview:入门与概览

    • Introduction

      • Machine Learning

      • Deep Learning

      • Statistics

    • News:行业与新闻

    • Application:数据挖掘/机器学习/深度学习的实际应用案例

  • Resources:资源

    • Collections:资源汇总帖

    • Books:书籍

    • Video Courses:视频教程

    • Blogs & Forum:博客与论坛

  • Methodology:方法论

    • Data Process:数据处理

    • Machine Learning:机器学习

    • Nature Language Processing:自然语言处理

    • Deep Learning:深度学习

  • Application:应用

    • Recommend System:推荐系统

  • CrawlerSE:爬虫与搜索引擎

    • Crawler:爬虫

    • Search Engine:搜索引擎

  • Toolkits:工具

    • Language

      • Python

      • Java

      • Matlab

      • R

    • ClusterComputing

  • Data Visual:数据可视化

    • Books:书籍

    • Video Courses:视频教程

    • Toolkits:工具

  • Data Sets

    • Collections:资源汇总帖

      • 单一数据库

      • 跨学科数据库与搜索引擎

    • Text:文本

    • Social Network:社交网络

    • Media:影音图片

    • Recognition

    • Driving Data:驾驶数据

    • Domain:领域数据

      • Sports:体育

      • Medicines:医药

      • Alien:外星人

      • Foods:饮食

      • Finance:金融

  • Others:其他

    • Competition:机器学习相关竞赛

    • Career:职业

本文面向程序猿的数据科学与机器学习知识体系及资料合集从属于程序猿的数据科学与机器学习实战手册。本文很多内容来自于hitvoice@github的建议与收集，特此感谢。

DataScience & Machine Learning Reference

本文是笔者在学习DataScience过程中所有资源的汇总，本文着眼于各个领域的入门介绍以及综述性质资源的汇总，并不会过多的深挖前沿，若有兴趣了解更多，可以关注笔者的程序猿的数据科学与机器学习实战手册。本文主线从对数据科学与机器学习入门概览开始，继而提供一系列的资源、书籍与教程，然后介绍各个具体的领域内的参考文章，最后介绍一系列的实用工具。笔者的数据科学与机器学习世界观图解如下，其从属于笔者的编程世界观与方法论系列:

面向程序猿的数据科学与机器学习知识体系及资料合集_第1张图片

本文会随着笔者自身学习实践中格局与能力的提升而不断完善，笔者并非纯粹的机器学习与数据挖掘研究者，更多的是从工程的角度来寻找能够与工程相结合应用的方面。

Introduction & Overview:入门与概览

Introduction

  • 数据科学与机器学习导论

  • [数据分析，数据挖掘，数据科学，机器学习与大数据之间的异同](

                                 https://www.quora.com/What-is-the-difference-between-Data-Analytics-Data-Analysis-Data-Mining-Data-Science-Machine-Learning-and-Big-Data-1)

  • 如何向非计算机科学与技术的人解释机器学习与数据挖掘

Machine Learning

  • Visual Intro To Machine Learning:图解如何基于决策树对于纽约与San Francisco的房产进行分类

  • A Gentle Guide to Machine Learning

  • Machine Learning basics for a newbie

  • What is machine learning, and how does it work?

Deep Learning

  • 有趣的机器学习概念纵览：从多元拟合，神经网络到深度学习，给每个感兴趣的人

  • [[翻译] 神经网络的直观解释](http://www.hackcv.com/index.p...卷积神经网络的讲解非常通俗易懂。

  • Deep-Learning-Papers-Reading-Roadmap:为每个对深度学习感兴趣的朋友整理的论文阅读路线图

  • 程序员的深度学习入门指南:来自费良宏在2016QCon全球软件开发大会（上海）上的演讲。

Statistics

  • 知乎：「数据会说谎」的真实例子有哪些？

News:行业与新闻

  • 深度学习框架大战正在进行，谁将夺取“深度学习工业标准”的荣耀？

Application:数据挖掘/机器学习/深度学习的实际应用案例

  • 深度学习带来的变革：深度学习的十个典型应用

  • 2015 年 Quora关于其机器学习具体应用的讲解

Resources:资源

Collections:资源汇总帖

  • 机器学习入门资源不完全汇总:本文是 机器学习日报的一个专题合集。

  • Top-down learning path: Machine Learning for Software Engineers:针对软件工程师的机器学习进阶之路

Books:书籍

  • 2014 - DataScience From Scratch

  • 2012 - 李航:统计方法学

  • 2015 - Data Mining, The Textbook

  • 2016 - 周志华 机器学习

  • 2012 - Machine Learning A Probabilistic Perspective

  • 2012 - 深入浅出机器学习 中文版

  • 南京大学计算机科学与技术系 数据挖掘课程

Video Courses:视频教程

  • University of Illinois at Urbana-Champaign:Text Mining and Analytics

  • 台大 机器学习技法

  • 斯坦福 机器学习课程

  • CS224d: Deep Learning for Natural Language Processing

  • Unsupervised Feature Learning and Deep Learning:来自斯坦福的无监督特征学习与深度学习系列教程

  • 小象 机器学习视频教程

  • 小象 深度学习视频教程

Blogs & Forum:博客与论坛

Methodology:方法论

Data Process:数据处理

Machine Learning:机器学习

  • 10 Machine Learning Algorithms Explained to an ‘Army Soldier’

  • Top 10 data mining algorithms in plain English

  • 10 Machine Learning Terms Explained in Simple English

  • A Tour of Machine Learning Algorithms

  • The 10 Algorithms Machine Learning Engineers Need to Know

  • Comparing supervised learning algorithms

Nature Language Processing:自然语言处理

Deep Learning:深度学习

  • 重磅论文：解析深度卷积神经网络的14种设计模式

Application:应用

Recommend System:推荐系统

CrawlerSE:爬虫与搜索引擎

Crawler:爬虫

Search Engine:搜索引擎

Toolkits:工具

Language

Python

  • Jupyter:交互式编程与数据展示

  • data-science-ipython-notebooks:一系列基于IPython的数据科学代码展示

  • The Open Source Data Science Masters

Java

Matlab

R

ClusterComputing

    • [Madout]()

    • [MLib]()

    DeepLearning:深度学习工具集

    • Evaluation of Deep Learning Toolkits

    • 代码解析深度学习系统编程模型：TensorFlow vs. CNTK

    • tensorflow-playground:Play with neural networks!

    • dl-docker:将常用的深度学习工具打包在了一个Docker镜像中

    • deep-learning-models:Keras code and weights files for popular deep learning models.

    • Top Deep Learning Projects-

    Data Visual:数据可视化

    Books:书籍

    Video Courses:视频教程

    • John C. Hart Coursera

    Toolkits:工具

    Data Sets

    Collections:资源汇总帖

    • awesome-public-datasets:An awesome list of high-quality open datasets in public domains (on-going).

    • Wikimedia Dumps:Wiki上的数据打包下载

    • Reddit Datasets:Reddit上关于数据集的讨论板块
      | Militarized Interstate Disputes | Nearly 200 years of international threats, conflicts, etc. for modelling or prediction. Includes action taken, level of hostility, fatalities, and outcomes. | Multiple datasets, e.g., 962KB, 179KB | http://www.correlatesofwar.or... |

    单一数据库

    • http://archive.ics.uci.edu/ml/

    • http://crawdad.org/

    • http://data.austintexas.gov

    • http://snap.stanford.edu/data...

    • http://data.cityofchicago.org

    • http://data.govloop.com

    • http://data.gov.uk/data.gov.in

    • http://data.medicare.gov

    • http://www.dados.gov.pt/pt/ca...

    • http://data.sfgov.org

    • http://data.sunlightlabs.com

    • https://datamarket.azure.com/

    • http://econ.worldbank.org/dat...

    • http://gettingpastgo.socrata.com

    • http://public.resource.org/

    • http://timetric.com/public-data/

    • http://www.bls.gov/

    • http://www.crunchbase.com/

    • http://www.dartmouthatlas.org/

    • http://www.data.gov/

    • http://www.datakc.org

    • http://dbpedia.org

    • http://www.factual.com/

    • http://www.freebase.com/

    • http://www.infochimps.com

    • http://build.kiva.org/

    • http://www.imdb.com/interfaces

    • http://knoema.com

    • http://daten.berlin.de/

    • http://www.qunb.com

    • http://databib.org/

    • http://datacite.org/

    • http://data.reegle.info/

    • http://data.wien.gv.at/

    • http://data.gov.bc.ca

    跨学科数据库与搜索引擎

    • https://www..com/datasets

    • http://usgovxml.com

    • http://aws.amazon.com/datasets

    • http://databib.org

    • http://datacite.org

    • http://figshare.com

    • http://linkeddata.org

    • http://thewebminer.com/

    • http://thedatahub.org

    • http://ckan.net

    • http://quandl.com

    • Open Data Inception（这里有 2500+ 开源接口）

    Text:文本

    • 20 Newsgroups:The text from 20000 messages taken from 20 Usenet newsgroups for text analysis, classification, etc. 61.6MB

    • Amazon Reviews:Over 142 million product reviews for sentiment analysis, recommender systems, and more.20GB
      | SMS Spam Collection | A collection of 5,574 SMS (text) messages, some spam, some normal, for spam filtering. | 204KB | http://www.dt.fee.unicamp.br/... |

    Social Network:社交网络

    • http://enigma.io

    • http://www.ufindthem.com/

    • http://NetworkRepository.com（有视觉互动分析的机器学习数据库）

    • http://MLvis.com

    • Yahoo Instant Messenger Friends Connectivity Graph:Connections between Yahoo users who communicate with each other using Yahoo messenger, can be used to identify key social contacts/influencers. Add dataset to cart to access. 共 28MB。

    Media:影音图片

    • Labeled Faces in the Wild:13,000 named faces for facial recognition. Multiple training and test sets. 共173MB

    • Mushroom Identification:For hypothetically classifying mushrooms as edible or poisonous based on its characteristics.3 files, 480KB

    • NORB 3D Object Recognition:Binocular images of 50 toy figurines for 3D object recognition from image.Multiple files, over 5GB total

    • One Million Songs :Audio features and metadata for a subset (10,000) of the one million popular songs dataset for recognition/classification.1.8GB

    • Hate Speech Identification:A sampling of Twitter posts that have been judged based on whether they are offensive or contain hate speech, as a training set for text analysis.2.66MB

    • Hidden Beauty of Flickr Pictures:15,000 Flickr photo IDs that have received ratings based on aesthetics, for image analysis.138KB, use Flickr API to get images

    Recognition

    | Human Activity Recognition with Smartphones | Sensor data for recognizing the human activity - walking, sitting, etc. | 25MB | https://www.kaggle.com/uciml/... |

    Driving Data:驾驶数据

    • UDA City 开源的223G的关于自动驾驶的历史数据

    Domain:领域数据

    Sports:体育

    • Football Strategy:Thousands of scenarios to make the best coaching decisions. 共876KB

    • Horses for Courses:Horse-racing data for predicting race results. 共 19MB

    • NBA & MLB Stats:Current and past season stats for teams and players for fantasy sports predictions.

    Medicines:医药

    • National Survey on Drug Use and Health:Predict drug use based on health survey questions. 共2GB

    • Prostate Cancer:Tumor and nontumor samples, used to recognize prostate cancer. 共 4.8MB

    • Record of Heart Sound:Recordings of normal and abnormal heartbeats, used to recognize heart murmur, etc. 共47.7MB

    Alien:外星人

    • UFO Reports:80,000 historic reports for classification or regression. This dataset has been standardized from the source data at nuforc.org 共14.6MB。

    Foods:饮食

    • Wine Quality:Chemical properties of red and white wines (separately) and quality, for classification. 3个文件，共343KB。

    Finance:金融

    Others:其他

    Competition:机器学习相关竞赛

    • 阿里天池 新人实战赛

    • Kaggle:官方新人赛，不错的入门学习

    • Kaggle Tutorial:基于旅馆推荐比赛实例的完整Tutorial

    • Driven Data

    • Innocentive

    • Crowdanalytix

    • Tunedit

    • DataFountain:DF,CCF指定中国专业的数据竞赛平台

    Career:职业

    • Quora 关于机器学习的招聘启事

    • Google 关于机器学习与人工智能岗位的招聘启事

    你可能感兴趣的:(datascience)

    • 广告欺诈 Liam_ml
      最近在一家出口电商公司做DataScience，着手的问题是广告欺诈，通俗地讲就是有很多广告带来的流量是假的，造成广告支出很高，但是，广告带来的收益很低。虚假广告已经是互联网公司出海一个非常严重的问题，分析起来也不是那么容易。首先，你要去思考虚假广告的逻辑，虚假如何通过数据体现出来。其次，你要有数据，足够的数据。最后，你要有熟练的数据挖掘能力。分析这个问题，前前后后有一个月，从不同角度去思考，去尝
    • DS Wannabe之5-AM Project: DS 30day int prep day1 wendyponcho 人工智能学习笔记机器学习
      Q1.WhatisthedifferencebetweenAI,DataScience,ML,andDL?ArtificialIntelligence:AIispurelymathandscientificexercise,butwhenitbecamecomputational,itstartedtosolvehumanproblemsformalizedintoasubsetofcompute
    • python三方库学习之Numpy学习 小菠萝Mm python学习numpy
      一、Numpy简介NumPy的全称是“NumericPython”，它是Python的第三方扩展包，主要用来计算、处理一维或多维数组。在数组算术计算方面，NumPy提供了大量的数学函数。NumPy的底层主要用C语言编写，因此它能够高速地执行数值计算。NumPy还提供了多种数据结构，这些数据结构能够非常契合的应用在数组和矩阵的运算上。随着数据科学（DataScience，简称DS，包括大数据分析与处
    • [python]data8Week0环境配置 窝月 python
      data8环境配置教程风格_官网_github_核心包datascience_jupyter_python版本教程风格引导型，非傻瓜式，探索型_官网仔细阅读Infrastructure部分:官网入口这里有两个需要安装的包，其中一个安装在该页面链接进去可以找到英文水平很重要，读大部头没有性价比，读文章练习一下_github使用github搜索data8，找到官方对应的material，pull下来如
    • Data8 开荒记（环境配置与基本介绍） tsrigo python机器学习开发语言conda数据分析
      文章目录00前言01大体介绍02搭建环境1.安装Anaconda与JupyterNotebook，建立虚拟环境2.安装各种包module的安装安装datascience安装otter异常处理3.配置kennel（选做）03修改test文件04结语00前言这是我配过的最久的一次环境，折腾了大概有五个小时吧，网上的资料比较零散，特此将我的经历记录如下，节省后来人的时间，帮助大家更快更好地入门。这门课的
    • 爬动漫网站数据_通过这三种动漫爱上数据科学和技术 weixin_26744853 python大数据java人工智能机器学习
      爬动漫网站数据Yes,itmightseemweirdtomentionanime,datascience,andtechnologyinthesamebreath.Butyoumightbesurprisedtolearnthatthere’squiteadeepconnectionacrossthesedomains.Iaminterestedinallthree(alongwithreadi
    • 1.Spark介绍 想成为数据分析师的开发工程师 Spark框架spark大数据hadoop
      1.什么是Spark网址：https://spark.apache.org/Unifiedengineforlarge-scaledataanalytics用于大规模数据分析的统一引擎ApacheSpark™isamulti-languageengineforexecutingdataengineering,datascience,andmachinelearningonsinglenodemac
    • Python 3.9 发布稳定版本，八大特性学起来！ 「已注销」 字符串python人工智能数据可视化微软
      点击上方“DataScience”，选择设为“设为星标”优质文章，第一时间送达！国庆期间，Python3.9正式发布了第一个稳定版本。这个版本的新特性众多，本文将分享一位16岁少年自制的特性知识图表，帮助大家更好地掌握新特性的用法。金磊发自凹非寺量子位报道|公众号QbitAIPython3.9，「千呼万唤始出来」。先来速看下此次发布版本的重点。新语法特性：PEP584，为dict增加合并运算符。P
    • 人工智能教程（一）：基础知识 库库的里昂 杂谈人工智能
      目录前言什么是人工智能？教学环境搭建向量和矩阵前言如果你是关注计算机领域最新趋势的学生或从业者，你应该听说过人工智能、数据科学、机器学习、深度学习等术语。作为人工智能系列文章的第一篇，本文将解释这些术语，并搭建一个帮助初学者入门的简易教学平台。如今，计算机科学领域的学生和从业者绝对有必要了解人工智能(artificialintelligence)、数据科学(datascience)、机器学习(ma
    • 哪些专业需要学python-想转专业数据科学（机器学习），需要学哪些课程？ weixin_37988176
      利益相关：本人背景应用数学，运筹，优化，目前主要做图像处理、机器学习以及供应链方面的数据分析的应用，和目前大热的DataScience渊源比较深（优化、统计、数值计算等"基础学科”乃数据分析、数据科学的底层算法），希望对想入门数据科学和机器学习的朋友们有点借鉴作用。首先，你可需要了解，数据分析和数据科学的区别：敬请关注与题意密切相关2018.3.3的知乎Live（斯坦福大学决策/数据科学博士、前G
    • 40000 字！全网最强 Matplotlib 实操指南! 菜鸟学Python matplotlib
      本文转载自：数据派THU|来源：DataScience导读Matplotlib是一个Python的2D绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。通过Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。以下内容来自「Github」，为《PythonDataScienceHandbook[1]》(Python数据科学手册
    • 关于jupyterHub登陆遇到Spawn failed: Server at http://127.0.0.1:55345/user/pas.datascience_dev/ did 三浪. 报错解决dockerjupyerHub登陆
      遇到的问题如图:卡了我差不多两天,最后发现好像是要给创建的用户添加权限以及对应的文件夹.具体操作:进入对应的jupyterHub容器dockerexec-it容器ID/bin/bash创建对应的用户useraddtestpasswdtest此时这里需要输入两次确定密码安装jupyterhub和notebookpipinstalljupyterhub--upgradepipinstallnotebo
    • Kaggle入门，看这一篇就够了 stay_foolish12 数据分析kaggle
      NewUpdate：之前发表了这篇关于Kaggle的专栏，旨在帮助对数据科学(DataScience)有兴趣的同学们更好的了解这个平台。专栏发表至今收到了不少的关注和肯定，还有很多小伙伴私信相关的问题。因此，我特邀了一位海外一线DataScientist（有丰富的kaggle参赛经验）在知乎上开了live（时间：4/2721:00）。希望通过live互动的形式，帮大家更系统了解Kaggle，并给大
    • python实现em聚类算法_EM算法详解和numpy代码实现 weixin_39603573 python实现em聚类算法
      声明:本文由DataScience原创发表,转载请注明本文链接mlln.cn,并在文后留言转载.本文代码运行环境:windows10python3.6jupyternotebook用到的资源和基本配置在教程开始之前了解一下我们将用到的工具,可以让你们评估一下教程的难度,并且了解教程的大概内容。我们的教程和本站的大部分内容类似,都运行在jupyternotebook中,并且在后续可能会增加在线运行代
    • python常见的数据类型形式化定义_详解：规整数据(Tidy Data)的理论与Python实践 weixin_39721953
      多数数据科学机器学习项目都遵循帕累托原理，即我们用将近80%的时间进行数据准备，其余20%的时间用于选择和训练合适的机器学习模型。来源：数据科学DataScience通常，我们用于创建机器学习模型的数据集是混乱的，无法直接在模型中使用。我们需要确保输入到模型中的数据都是规整的数据，这就需要执行一些数据清理步骤以获得可以拟合到模型中的数据集。实际上，机器学习/数据科学项目的第一步正是数据的清洗与整理
    • 目前颜值最高的开源BI工具-Superset 0x8g1T9E sparkBIGDATAflink
      没有声音，再好的戏也出不来同样，没有可视化，再好的数据分析也不完美数据可视化是大数据的『最后一公里』简介Superset的Airbnb开源的数据可视化工具，目前属于Apache孵化器项目，主要用于数据分析师进行数据可视化工作PS，Airbnb在数据方面做的很棒，相关的博客B格也很高，他们的博客名字居然叫『AirbnbEngineering&DataScience』，可见对于数据科学的重视在gith
    • 如何让ChatGPT为留学生所用？ Do1twell 人工智能chatgpt
      “我们这一届学DataAnalyics和DataScience的没一个找到工作的。”朋友饭桌上的闲话让研究生才算踏入DA圈子的我瑟瑟发抖。还没开始正式求职的我，似乎已经被宣告失业了。而这一切都要“归功”于以ChatGPT为代表的大语言模型（LLMs）。问世不到一年，ChatGPT几乎已经占据了各个行业。毋庸置疑，LLMs能替代一部分的劳动力，更高效地推进产业更新。例如，图片生成相关的LLMs能随时
    • data science 1 不连续小姐
      Datascience1statisticalanalysisvsDataMiningstatisticalanalysis:arethesetwodatasethavesamedistribution?(TTEST)datamining:notaspecificclaim,ageneralcorrelationwithoutaninitialhypotheses.datastructure:st
    • Oracle公司深入AI领域：收购机器学习平台DataScience.com whale52hertz 人工智能资讯OracleAI领域机器学习平台
      内容来源：ATYUNAI平台Oracle公司今天宣布收购了DataScience.com，这是一个数据科学项目和工作负载的私有云平台。在近期内，Datascience.com的客户不会有太多变动，它将继续为合作伙伴提供相同的产品和服务。但Oracle预计将其云基础架构服务与Datascience.com的工具相结合，以实现统一的机器学习解决方案。“每个组织都在探索数据科学和机器学习作为积极发展竞争
    • app 付费数据_最佳数据科学书籍，免费和付费数据科学书籍推荐 weixin_26729763 pythonjava人工智能vue数据分析ViewUI
      app付费数据数据科学，编辑(DataScience,Editorial)Overthelastdecade,datasciencehasbecomeoneofthemostpaidandhighlyreputeddomainsforprofessionalsintheinformationtechnologyfield.在过去的十年中，数据科学已成为信息技术领域专业人员中报酬最高且享有盛誉的领域
    • 数据科学、统计学、商业分析 Elseide艾思 大数据数据挖掘数据库
      数据科学、统计学、商业分析是在各方面有着不同的侧重和方向的领域。1.专业技能数据科学（DataScience）：数据科学涉及从大量数据中提取有价值的信息、模式和洞察力的领域。它使用多种技术和领域知识，如统计学、机器学习、数据库管理、数据可视化等，进行数据清洗、探索性数据分析、预测建模和数据可视化等工作。数据科学强调对大规模、复杂数据的处理和分析，以生成对业务决策具有实际价值的结果。统计学（Stat
    • Python从入门到精通_第0讲_Python的学习路线整理 跳探戈的小龙虾 python从入门到精通pythonpycharm开发语言
      写在最前：为什么开这个专栏：之前我做过一个专栏，专门介绍Python爬虫技术，这一专栏收获了很多朋友们的点赞收藏和关注。但是在爬虫技术专栏中，对于Python语言本身的讲解并不是很细致，由于Python在爬虫、数据科学(DataScience)、机器学习（MachineLearning）、后端开发等重要领域当中的重要地位，特开此专栏，来专门对Python语言进行详细的讲解，便于朋友门快速入门和精通
    • PSI模型稳定计算代码 tikatika 机器学习深度学习数据挖掘
      PSI2022/02/0817:33参考资料：PSI解释：https://zhuanlan.zhihu.com/p/79682292[https://mwburke.github.io/data%20science/2018/04/29/population-stability-index.html](https://mwburke.github.io/datascience/2018/04/29
    • DataScience之Prometheus：Prometheus(开源监控系统)的简介、安装方法、使用方法 一个处女座的程序猿 DataScienceBigData/CloudComputingprometheus开源
      DataScience之Prometheus：Prometheus(开源监控系统)的简介、安装方法、使用方法目录Prometheus的简介Prometheus的安装Prometheus的使用方法1、基础用法Prometheus的简介Prometheus是一个开源的监控系统，主要用于记录和查询时间序列数据。它最初由SoundCloud开发，现已成为CloudNativeComputingFounda
    • DataScience Process Analysis 阿尔法旺旺 开发技术深度学习ML
      数据科学工作流解析假如您正在开始一个新的数据科学项目（可以是对一个数据集的简短分析，也可以是复杂的多年合作项目）。您应该如何组织你的工作流程呢？你把数据和代码放在哪里？你使用什么工具？为什么使用它们？一般来说，在首先进入数据工作之前，您应该考虑什么？在软件工程行业中，这些问题具有一些众所周知的答案。尽管每家软件公司都有其独特的特点和喜好，但大多数软件公司的核心流程都基于相同的既定原则，实践和工具。
    • DataScience之Grafana：Grafana(数据可视化和监控平台)的简介、安装方法、使用方法 一个处女座的程序猿 DataScienceBigData/CloudComputinggrafana
      DataScience之Grafana：Grafana(数据可视化和监控平台)的简介、安装方法、使用方法目录Grafana的简介1、为什么选择GrafanaGrafana的安装方法Grafana的使用方法1、基础用法(2)、创建仪表板(3)、查看数据(4)、配置警报Grafana的简介Grafana是一种流行的开源数据可视化和监控平台，可以帮助用户通过各种图表和面板展示各种数据，并实时监控系统和应
    • Leetcode 2020年4月 Code challenge - Week 1 漂泊的钟
      因为受疫情影响，我不得不宅在家。刚好利用这个机会刷刷题。因为不想继续做Javadeveloper，而且对DataScience有很大兴趣，趁机也直接当做学习Python，用Python来刷题。没想到真是比Java效率高多了，简直后悔早几年的时候为什么不早学Python。给我懊悔30秒……直接说这个4月的codechallenge。现在还没做完，但感觉上基本都是easy-medium难度。题型广度似
    • 时间序列分类：LSTM模型之处理变序列长度输入 隐士飞猪
      摘自：https://datascience.stackexchange.com/questions/48796/how-to-feed-lstm-with-different-input-array-sizesTheeasiestwayistousePaddingandMasking.Therearethreegeneralwaystohandlevariable-lengthsequences
    • FLAGS_坚持要做的N个事情 FlyingPig_
      !要经常自我反省,将/习惯/信念/坚持/继续做下去!保持危机意识与平稳心态.近期以及不远的将来(半年内)要做的完成100篇文章,算上之前写的完成一幅速写学滑板用ukulele弹唱一首歌曲(非儿歌),在公司年会上表演学经济学基础知识,看完教材摄影基础,图片欣赏图片制作完成一次全马了解衣服搭配,把自己搭配起来将阅读速度慢下来,质量提上去,练习不尬聊搜集故事,寻找自己的故事学习datascience,用
    • 转录组时间序列数据处理 思考问题的熊
      针对转录组数据，平时分析中最常见两组之间的比较，比如不同处理或者不同突变体。面对这样的数据用用DESeq2或者edgeR基本就差不多。如果样本量或者不同条件很多的话可以还做WGCNA的分析。但是生物体的生长发育和时间这个维度有着非常密切的关系。如果碰上了一组和时间有关系的数据可以怎么处理呢？时序分析所谓时序分析(timeseriesanalysis)在datascience中是非常重要的一个方向。
    • [星球大战]阿纳金的背叛 comsci
            本来杰迪圣殿的长老是不同意让阿纳金接受训练的.........     但是由于政治原因,长老会妥协了...这给邪恶的力量带来了机会     所以......现代的地球联邦接受了这个教训...绝对不让某些年轻人进入学院    
    • 看懂它，你就可以任性的玩耍了！ aijuans JavaScript
                javascript作为前端开发的标配技能，如果不掌握好它的三大特点：1.原型 2.作用域 3. 闭包 ,又怎么可以说你学好了这门语言呢？如果标配的技能都没有撑握好，怎么可以任性的玩耍呢？怎么验证自己学好了以上三个基本点呢，我找到一段不错的代码，稍加改动，如果能够读懂它，那么你就可以任性了。 function jClass(b
    • Java常用工具包 Jodd Kai_Ge javajodd
      Jodd 是一个开源的 Java 工具集， 包含一些实用的工具类和小型框架。简单，却很强大！ 写道 Jodd = Tools + IoC + MVC + DB + AOP + TX + JSON + HTML < 1.5 Mb Jodd 被分成众多模块，按需选择，其中 工具类模块有： jodd-core    &nb
    • SpringMvc下载 120153216 springMVC
      @RequestMapping(value = WebUrlConstant.DOWNLOAD) public void download(HttpServletRequest request,HttpServletResponse response,String fileName) { OutputStream os = null; InputStream is = null;
    • Python 标准异常总结 2002wmj python
      Python标准异常总结 AssertionError 断言语句（assert）失败 AttributeError 尝试访问未知的对象属性 EOFError 用户输入文件末尾标志EOF（Ctrl+d） FloatingPointError 浮点计算错误 GeneratorExit generator.close()方法被调用的时候 ImportError 导入模块失
    • SQL函数返回临时表结构的数据用于查询 357029540 SQL Server
      这两天在做一个查询的SQL，这个SQL的一个条件是通过游标实现另外两张表查询出一个多条数据，这些数据都是INT类型，然后用IN条件进行查询，并且查询这两张表需要通过外部传入参数才能查询出所需数据，于是想到了用SQL函数返回值，并且也这样做了，由于是返回多条数据，所以把查询出来的INT类型值都拼接为了字符串，这时就遇到问题了，在查询SQL中因为条件是INT值，SQL函数的CAST和CONVERST都
    • java 时间格式化 | 比较大小| 时区 个人笔记 7454103 javaeclipsetomcatcMyEclipse
      个人总结！ 不当之处多多包含！ 引用 1.0 如何设置 tomcat 的时区：          位置：(catalina.bat---JAVA_OPTS  下面加上)          set JAVA_OPT
    • 时间获取Clander的用法 adminjun Clander时间
      /**    * 得到几天前的时间    * @param d    * @param day    * @return    */   public static Date getDateBefore(Date d,int day){    Calend
    • JVM初探与设置 aijuans java
      JVM是Java Virtual Machine（Java虚拟机）的缩写，JVM是一种用于计算设备的规范，它是一个虚构出来的计算机，是通过在实际的计算机上仿真模拟各种计算机功能来实现的。Java虚拟机包括一套字节码指令集、一组寄存器、一个栈、一个垃圾回收堆和一个存储方法域。 JVM屏蔽了与具体操作系统平台相关的信息，使Java程序只需生成在Java虚拟机上运行的目标代码（字节码）,就可以在多种平台
    • SQL中ON和WHERE的区别 avords
      SQL中ON和WHERE的区别   数据库在通过连接两张或多张表来返回记录时，都会生成一张中间的临时表，然后再将这张临时表返回给用户。   www.2cto.com   在使用left jion时，on和where条件的区别如下：  1、 on条件是在生成临时表时使用的条件，它不管on中的条件是否为真，都会返回左边表中的记录。 
    • 说说自信 houxinyou 工作生活
      自信的来源分为两种,一种是源于实力,一种源于头脑.实力是一个综合的评定,有自身的能力,能利用的资源等.比如我想去月亮上,要身体素质过硬,还要有飞船等等一系列的东西.这些都属于实力的一部分.而头脑不同,只要你头脑够简单就可以了!同样要上月亮上,你想,我一跳,1米,我多跳几下,跳个几年,应该就到了!什么?你说我会往下掉?你笨呀你!找个东西踩一下不就行了吗?     无论工作还
    • WEBLOGIC事务超时设置 bijian1013 weblogicjta事务超时
              系统中统计数据，由于调用统计过程，执行时间超过了weblogic设置的时间，提示如下错误： 统计数据出错! 原因：The transaction is no longer active - status: 'Rolling Back. [Reason=weblogic.transaction.internal
    • 两年已过去，再看该如何快速融入新团队 bingyingao java互联网融入架构新团队
      偶得的空闲，翻到了两年前的帖子 该如何快速融入一个新团队，有所感触，就记下来，为下一个两年后的今天做参考。     时隔两年半之后的今天，再来看当初的这个博客，别有一番滋味。而我已经于今年三月份离开了当初所在的团队，加入另外的一个项目组，2011年的这篇博客之后的时光，我很好的融入了那个团队，而直到现在和同事们关系都特别好。大家在短短一年半的时间离一起经历了一
    • 【Spark七十七】Spark分析Nginx和Apache的access.log bit1129 apache
      Spark分析Nginx和Apache的access.log，第一个问题是要对Nginx和Apache的access.log文件进行按行解析，按行解析就的方法是正则表达式：   Nginx的access.log解析正则表达式   val PATTERN = """([^ ]*) ([^ ]*) ([^ ]*) (\\[.*\\]) (\&q
    • Erlang patch bookjovi erlang
      Totally five patchs committed to erlang otp, just small patchs. IMO, erlang really is a interesting programming language, I really like its concurrency feature. but the functional programming style
    • log4j日志路径中加入日期 bro_feng javalog4j
      要用log4j使用记录日志，日志路径有每日的日期，文件大小5M新增文件。 实现方式 log4j: <appender name="serviceLog" class="org.apache.log4j.RollingFileAppender"> <param name="Encoding" v
    • 读《研磨设计模式》-代码笔记-桥接模式 bylijinnan java设计模式
      声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ /** * 个人觉得关于桥接模式的例子，蜡笔和毛笔这个例子是最贴切的：http://www.cnblogs.com/zhenyulu/articles/67016.html * 笔和颜色是可分离的，蜡笔把两者耦合在一起了：一支蜡笔只有一种
    • windows7下SVN和Eclipse插件安装 chenyu19891124 eclipse插件
      今天花了一天时间弄SVN和Eclipse插件的安装，今天弄好了。svn插件和Eclipse整合有两种方式，一种是直接下载插件包，二种是通过Eclipse在线更新。由于之前Eclipse版本和svn插件版本有差别，始终是没装上。最后在网上找到了适合的版本。所用的环境系统：windows7JDK：1.7svn插件包版本：1.8.16Eclipse：3.7.2工具下载地址：Eclipse下在地址：htt
    • [转帖]工作流引擎设计思路 comsci 设计模式工作应用服务器workflow企业应用
      作为国内的同行，我非常希望在流程设计方面和大家交流，刚发现篇好文(那么好的文章，现在才发现，可惜)，关于流程设计的一些原理，个人觉得本文站得高，看得远，比俺的文章有深度，转载如下 ================================================================================= 自开博以来不断有朋友来探讨工作流引擎该如何
    • Linux 查看内存，CPU及硬盘大小的方法 daizj linuxcpu内存硬盘大小
      一、查看CPU信息的命令 [root@R4 ~]# cat /proc/cpuinfo |grep "model name" && cat /proc/cpuinfo |grep "physical id" model name : Intel(R) Xeon(R) CPU X5450 @ 3.00GHz model name :
    • linux 踢出在线用户 dongwei_6688 linux
      两个步骤： 1.用w命令找到要踢出的用户，比如下面：   [root@localhost ~]# w 18:16:55 up 39 days, 8:27, 3 users, load average: 0.03, 0.03, 0.00 USER TTY FROM LOGIN@ IDLE JCPU PCPU WHAT
    • 放手吧,就像不曾拥有过一样 dcj3sjt126com
      内容提要： 静悠悠编著的《放手吧就像不曾拥有过一样》集结“全球华语世界最舒缓心灵”的精华故事，触碰生命最深层次的感动，献给全世界亿万读者。《放手吧就像不曾拥有过一样》的作者衷心地祝愿每一位读者都给自己一个重新出发的理由，将那些令你痛苦的、扛起的、背负的，一并都放下吧！把憔悴的面容换做一种清淡的微笑，把沉重的步伐调节成春天五线谱上的音符，让自己踏着轻快的节奏，在人生的海面上悠然漂荡，享受宁静与
    • php二进制安全的含义 dcj3sjt126com PHP
      PHP里，有string的概念。 string里，每个字符的大小为byte（与PHP相比，Java的每个字符为Character，是UTF8字符，C语言的每个字符可以在编译时选择）。 byte里，有ASCII代码的字符，例如ABC，123，abc，也有一些特殊字符，例如回车，退格之类的。 特殊字符很多是不能显示的。或者说，他们的显示方式没有标准，例如编码65到哪儿都是字母A，编码97到哪儿都是字符
    • Linux下禁用T440s，X240的一体化触摸板(touchpad) gashero linuxThinkPad触摸板
      自打1月买了Thinkpad T440s就一直很火大，其中最让人恼火的莫过于触摸板。   Thinkpad的经典就包括用了小红点(TrackPoint)。但是小红点只能定位，还是需要鼠标的左右键的。但是自打T440s等开始启用了一体化触摸板，不再有实体的按键了。问题是要是好用也行。   实际使用中，触摸板一堆问题，比如定位有抖动，以及按键时会有飘逸。这就导致了单击经常就
    • graph_dfs hcx2013 Graph
      package edu.xidian.graph; class MyStack { private final int SIZE = 20; private int[] st; private int top; public MyStack() { st = new int[SIZE]; top = -1; } public void push(i
    • Spring4.1新特性——Spring核心部分及其他 jinnianshilongnian spring 4.1
      目录 Spring4.1新特性——综述 Spring4.1新特性——Spring核心部分及其他 Spring4.1新特性——Spring缓存框架增强 Spring4.1新特性——异步调用和事件机制的异常处理 Spring4.1新特性——数据库集成测试脚本初始化 Spring4.1新特性——Spring MVC增强 Spring4.1新特性——页面自动化测试框架Spring MVC T
    • 配置HiveServer2的安全策略之自定义用户名密码验证 liyonghui160com
          具体从网上看   http://doc.mapr.com/display/MapR/Using+HiveServer2#UsingHiveServer2-ConfiguringCustomAuthentication   LDAP Authentication using OpenLDAP Setting
    • 一位30多的程序员生涯经验总结 pda158 编程工作生活咨询
      1.客户在接触到产品之后，才会真正明白自己的需求。 　　这是我在我的第一份工作上面学来的。只有当我们给客户展示产品的时候，他们才会意识到哪些是必须的。给出一个功能性原型设计远远比一张长长的文字表格要好。 2.只要有充足的时间，所有安全防御系统都将失败。 　　安全防御现如今是全世界都在关注的大课题、大挑战。我们必须时时刻刻积极完善它，因为黑客只要有一次成功，就可以彻底打败你。   3.
    • 分布式web服务架构的演变 自由的奴隶 linuxWeb应用服务器互联网
      最开始，由于某些想法，于是在互联网上搭建了一个网站，这个时候甚至有可能主机都是租借的，但由于这篇文章我们只关注架构的演变历程，因此就假设这个时候已经是托管了一台主机，并且有一定的带宽了，这个时候由于网站具备了一定的特色，吸引了部分人访问，逐渐你发现系统的压力越来越高，响应速度越来越慢，而这个时候比较明显的是数据库和应用互相影响，应用出问题了，数据库也很容易出现问题，而数据库出问题的时候，应用也容易
    • 初探Druid连接池之二——慢SQL日志记录 xingsan_zhang 日志连接池druid慢SQL
      由于工作原因，这里先不说连接数据库部分的配置，后面会补上，直接进入慢SQL日志记录。   1.applicationContext.xml中增加如下配置： <bean abstract="true" id="mysql_database" class="com.alibaba.druid.pool.DruidDataSourc
    按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他