深度学习――机器学习领域的新热点_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
深度学习――机器学习领域的新热点
上传于||文档简介
&&深​度​学​习​的​研​究​进​展
阅读已结束，如果下载本文需要使用1下载券
想免费下载本文？
定制HR最喜欢的简历
下载文档到电脑，查找使用更方便
还剩3页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢最近几个月在学习数据分析、数据挖掘过程中，除了通过视频、书，还通过微信公众号号收获了很多，有的是不少朋友想多多学习的实际案例，有的是最新的好工具推荐，有的是对某一块知识的总结，最近这段我从微信公众号上也拓宽了眼界，现集中起来推荐下，供同学参考。1. 数据科学自媒体 && & 公众号：DataScienceWeMedia& & 每天都更新，内容有条理且丰富，标题中用“【】”括出了主题关键词，有数据可视化、数据挖掘、Python环境、统计学习、机器学习......方便你按自己的需求阅读，而且内容也比较详实，有不少实际的案例。2.数据挖掘哪家强& &公众号：datahub& &datahub网站的公众号，我最初开始系统学习数据科学的时候，是按照这个网站提供的路径学的，前段时间才发现它的公众号号，也很不错。除了针对某一块知识的介绍、应用案例，还有不少国际上数据行业的现状和思考，也有最近有价值新闻的时评。对我个人来说，有很多营养，推荐阅读。3.SOTON数据分析& &公众号：soton2014sky& &估计很多人都知道这个公众号，主人在知乎的昵称是“卡牌大师”，回答的数据方面的问题赞数很高，几个群也非常热闹，学习气氛浓。这个公众号发的文章不算多，但也是精心挑选的，多数是技术文、算法文，根据发文的时间大致有个难度的划分，比如最近集中在机器学习，前段是数据挖掘，再往前是数据分析，也是根据主人的学习进度吧。有些从其他地方转过来的，对初级、中级水平的分析师，也很有参考价值。4.社会科学中的可视化& &公众号：SKSJKSH& &这个公号是MIT、CI、 LSE 、清华大学、复旦大学的研究团队维护的，发文的质量比较高，有很多可视化案例。5.大数据文摘& &公众号：BigDataDigest& &这个号的内容很丰富，有数据行业观察，也有案例，也有资讯。6.狗熊会& &公众号：CluBear& &这个号是北京大学光华管理学院的大数据研究交流团队维护的，案例多多，技术含量高，也有些企业的交流讲座通知。7.EBDA大数据工作室& &发文不多，都是干货，案例有详细的代码，而且非常有意思。8.Python开发者& 公众号：PythonCoder& 如公号名称，文章集中在Python的应用方面，也有些机器学习、算法的文章。9.Teradata天睿大数据分析& &公众号：TeradataBigData& &这个一个天睿公司的官方账号，除了该公司自己的解决方案，也有其他一些不错的解决方案介绍，给大家提供不少思路。10.炼数成金订阅号& & 公众号：Dataguru_cn& & 炼数成金网站的订阅号，内容涉及的面比较广。&订阅公众号不在于多，多了没精力和时间去看，关键还在于思考和吸收。根据“less is more”原则，这里推荐的似乎够多了，O(∩_∩)O哈哈~，大家各取所需，希望有所助益。知行数据(zhxdata)　
　文章为作者独立观点，不代表大不六文章网立场
zhxdata分享金融、互联网、智能硬件领域最新信息，用数据为你揭晓当下和未来。热门文章最新文章zhxdata分享金融、互联网、智能硬件领域最新信息，用数据为你揭晓当下和未来。&&&&违法和不良信息举报电话：183-
举报邮箱：
Copyright(C)2016 大不六文章网
京公网安备78前沿（21）
机器学习领域有哪一些值得关注的人？
按投票排序
随便说几个，把他们论文从6 7 年前开始看到现在，基本就可以知道业界的发展情况。
M.I.Jordan
机器学习，统计学习业界大牛。Graphical model, Baysian learning, hierarchical
Jordan 的学生。2004年发明了LDA算法，HLDA等，一直到现在topic modelingd都很火
Andrew, Ng
相信看过Stanford Machine Learning课程的人都知道他了。看他文章可以发现他发的文章都是会议，基本都是做的应用，理论性不是很强(相对而言)。
J.D.Lafferty
semi learning,kernel leraning, graphical models.
Bernhard Sch?lkopf
主要贡献在Machine learning中的optimization problem。主要就是kernel trick的算法了，比如kernel PCA等等。
C.M.Bishop
PRML, 相信这个可以算作Machine learning领域的Bible。不多解释。
Nonparametric Machine learning。 是目前研究的热门。
PLSA发明者，后来去谷歌做应用了吧。
其实还有很多，欢迎大家继续补充。
反对，不会显示你的姓名
国外 m.i.jordan andrew ng Dm blei (lda) vapnik(svm) hinton(deep learning) Daphne Koller (概率图) Lafferty Andrew McCallu(crf) Michael Collins(nlp)
国内 周志华 张潼 杨强 马益 余凯 徐伟 王海峰 李航 张栋 吴军
反对，不会显示你的姓名
有13 年以上机器学习技术的学习和工作经历，专注在大规模数据挖掘和机器学习在互联网上的研究和应用。2009 年 4 月，张栋加入百度，任科学家，负责搜索和网盟广告系统核心算法的研究和开发。
反对，不会显示你的姓名
Leo Breiman
平生主要贡献
1) shannon定理的推广(在ergodic序列情形,1957)
2) optimal gambling strategy (1960)
3) cart (with friedman，olshen and stone, 1984)
4) ace (with friedman, 1985), pimple (1991), little bootstrap (1992)
5) bagging (1996), additive bagging (1999)
6) 从bias/variance以及stability来分析classifier(1996)
7) arcing classifiers (1998)
8) random forests (2001)
Yoav Freund
反对，不会显示你的姓名
鬼脚七（已离职）
毕业于天津大学自动化学院,之后在海量科技从事自然语言处理的研发工作,&
2004年6月加入雅虎, 2008年加入阿里妈妈, 08年9月加入淘宝. 先后负责广告技术部, 搜索与算法技术部.
熟悉的领域：网页搜索、广告技术、自然语言处理、机器学习
2010年3月加入淘宝。在搜索算法团队工作，现负责北京主搜索算法团队，工作包括个性化搜索、Query改写（省略、纠错）、检索粒度控制（分词索引、多粒度检索）、用户引导（相关搜索、下拉提示）等
加入淘宝前，在百度做网页搜索相关性方面的工作，包括Query分析、Ranking架构优化、用户行为分析等，对搜索相关性有较多经验&
再之前，在微软亚洲工程院\研究院做商品搜索的研发，主要做商品聚合的算法研发。
主要从事网页搜索、广告系统、自然语言处理等方面的技术研发。2004年初，加盟百度，带领技术人员研发了百度的新一代的网盟广告系统，从无到期组建了百度自然语言处理部，担任百度网盟广告系统、自然语言处理部、大搜索部网页分析的技术负责人。
曾任百度软件工程师、高级工程师、科学家
天涯社区 技术副总裁&
2010年9月，正式加盟淘宝网，主要负责淘宝广告算法系统的研发、建立和完善淘宝广告算法技术体系、推进淘宝广告系统的技术发展。
南京大学计算机本科，复旦大学和Carnegie Mellon University硕士，研究方向语音识别；&
1）美国Siebel Systems公司：研发CRM领域的客户关系数据挖掘问题；
2）美国Yahoo Inc：研发搜索网页反作弊，网页文本分类以及排序等相关课题。&
08年7月加入Alimama，08年10月加入淘宝搜索中心，负责淘宝搜索算法领域，致力于淘宝数据的分析，挖掘，建模工作，从query分析，导航，搜索排序，搜索反作弊等方向提升淘宝搜索用户体验。
参考知识库
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：1654486次
积分：18761
积分：18761
排名：第335名
原创：239篇
转载：718篇
评论：118条
(7)(1)(3)(5)(1)(2)(1)(6)(2)(4)(3)(3)(7)(5)(28)(4)(18)(20)(12)(6)(6)(5)(9)(5)(5)(7)(7)(7)(1)(2)(7)(10)(23)(5)(44)(31)(29)(39)(93)(18)(14)(72)(7)(28)(48)(41)(25)(14)(1)(4)(11)(9)(14)(7)(7)(8)(5)(1)(24)(20)(18)(7)(16)(7)(41)(13)(9)卡友互助联盟点击上方&蓝色文字&关注我们 & &&卡友互助联盟VIP会员专享：14家银行快卡技术、提额、养卡、贷款、信用卡小贷、银
点击上方&蓝色文字&关注我们 & &&卡友互助联盟卡友互助联盟VIP会员专享：14家银行快卡技术、提额、养卡、贷款、信用卡小贷、银
扫最后方二维码关注！ & &搜索：卡友互助联盟； & & &搜索微信号：kyvip1卡友互助联盟：每天免费发布市场上最新的“贷款口
点击上方&蓝色文字&关注我们 & && & &卡友互助联盟：每天推送最新的网贷核心技术！信用卡深度使用方法！各【数盟致力于成为最卓越的数据科学社区，聚焦于大数据、分析挖掘、数据可视化领域，业务范围：线下活动、在线课程、猎头服务、项目对接】【限时优惠福利】数据定义未来，日-14日DTCC2016中国数据库技术大会登陆北京！大会云集了国内外数据行业顶尖专家，设定2个主会场，24个分会场，将吸引共3000多名IT人士参会！输入数盟专属购票优惠码iir46am3立享88折上折，猛戳文末“阅读原文”直接购买！
从事数据挖掘工作，尤其是在互联网行业，主要需要三个方面的能力，即机器学习和数据挖掘的理论知识、编程开发与数据结构算法的基础和业务理解与沟通表达的能力。
上面的图里列出了这个行业不同类型的从业者机器特点。
A. 主要是负责做最顶尖机器学习相关学术研究。比 如发明一些新的算法，想早期的SVM，LDA最近的一些deeplearning模型。但是处在塔尖的的他们对于这些算法在业务场景的应用或者算法的实现 兴趣并不大，主要精力都花在了理论研究上，比如证明个bounds什么的。写出来的东西大部分发表在NIPS或者ICML上，一般人也看不懂。他们主要存 在于一些研究机构中，如国外高校或者企业研究院。一般企业如果需要这样的人，也是挖过来当震厂之宝吉祥物，不属于我们讨论的范围。
B. 他们既对算法有比较深入的了解，又有高超的编程技术。他 们的数学可能达不到炉火纯青的地步，他们的兴趣也不在于各种繁琐的理论推导。他们对已有算法进行改进，并且给出最好的实现，造福广大人民群众，比如 libsvm，svdfeature，paramater server这样的工具。当然，这样的人才也是可遇不可求，而且他们也需要一个比较大的平台来施展自己的能力。他们的工作应该能够成为一个企业数据挖掘的 大杀器。
C.他们对算法有一定的了解，但是不够深入。他们开发的经验有限，对于数据挖掘的应用了解也不够深入。比如很多理论方向的研究生博士生可能就处于这个状态，即使能够发表一些看起来不错的文章，但离真正做出好的实际的数据挖掘工作还有很长的一段距离，需要一步一个脚印的踏实前进。
D.他们是算法界的大神，码农中的翘楚，横扫各路ACM ICPC比赛的英雄。因为各种机缘巧合，他们没有选择数据挖掘作为自己以后的方向。虽然他们对于机器学习理论和数据挖掘的应用场景不是很了解，但凭借他们的天赋，假以时日，也一定能在这个行业有所作为。不过，其他领域也需要他们，也有他们大展拳脚的空间。
E.他们属于一般的码农，能写的一手好代码。但是对机器学习知之甚少，而且如果思维不够灵活，可能也会在业务的理解上有一些障碍。另外，沟通交流的能力通常也是码农们所欠缺的。对于应届生，如果确实有这个天赋，不妨一试；对于工作多年的码农想转行，也需要付出比较大的努力。
F.他们的工作贴近业务，对数据也有一定敏感性，可能是excel和sql的高手。但是这和数据挖掘的工作还有一定差别。最适合他们的岗位可能是BI或者数据产品经理。在这些岗位上，他们同样可以发光发热，做出卓越的贡献。
G.他们有一定的算法基础，同时对数据挖掘的业务落地也有丰富的经验。他们的瓶颈主要在于编程开发能力，这在大数据的场景下尤为明显。毕竟最好的方式是自己想idea，自己实现，至少实现一个原型。那么R或者python是一个这种的选择。没有coding，再好的算法也出不来。
H.对机器学习算法有一定的了解，熟悉各种业务，也有一定的开发能力。在 数据挖掘的具体工作中，可以从业务出发，设计算法，也能对算法进行基本的实现。实际上这样的工程师还是很多的，特别是有一定工作经验的。他们的工作经验会 对数据挖掘的工作起到很大的帮助。他们在算法以及编程的上的能力可能不是很高，但是足以丰富他们的思维方式，也方便与人沟通。
I.对机器学习算法有一定了解，也有较强的开发能力。适合做偏向开发的数据挖掘岗位。他们和I类的工程师密切配合，应该能有比较好的产出。他们很可能是学校的应届毕业生，学习了一些理论知识，也锻炼了开发的能力，但还缺乏实际的工作经验。互联网的数据挖掘岗位正是他们大展拳脚的好地方。
J.看起来是最好的，各项技能都很全面，也很适合做leader。但是这样的人毕竟可遇不可求。另外，每一项都好其实也就是每一项都不好，人的精力总是有限的。我觉得在一到两个方面做的比较突出，同时另外的方面也不要太弱以至于成为短板，这样就挺好的了。
根据上面说的，招聘主要根据H和I两类模版挑选人才。觉得考察的话，除了基本的开发算法，还有以下几个：
1、机器学习算法的理解，比如常见的算法的基本思想原理、应用场景、特点和求解方法。可以从两个分支考察，一个是使用经验，比如实际的一些参数设置啊，使用技巧什么的，面向H类。还有就是一些算法的实现方法，面向I类。
2、实际的项目经验，特别是数据挖掘工作。一方面考察他之前的工作情况，另外也看他的归纳总结能力与解决问题的能力。针对项目的一些细节提问，也可以看出他的做事方式和对一些知识的掌握情况。
3、对于业务的理解能力和敏感性，可以结合实际工作中的一些问题来考察。即使没有实际工作经验，也是可以看出他们在这个方面的潜力。同时也考察出理论和实际结合的能力。
4、沟通表达能力。相对于程序员，数据挖掘岗位对这个能力的要求高出不少。在整个面试的过程中，其实都有对这个能力的考察。
点击[阅读原文] 抢先购买DTCC2016超低折扣价入场券！
文章出自微信公众号
:DataScientistUnion
数盟致力于成为培养与发现“数据科学家”的黄埔军校
手机微信扫描上方二维码进行订阅
数盟微信公众号最新文章
精品号随机推荐
最值得关注的微信公众号
天天聊牛股，牛股天天有
渝意顺私募机构是一个短期理财日结收益的金融投资平台.
借款，借钱，极速贷，现金贷
一个让你不停买买买的女性时尚公众号
娱乐看天下，360度全方位立体发布文娱圈猛料、花边新闻。每日“八卦”最新资讯。
搜罗更多劲爆事件，娱乐花边新闻，最受关注的图片更多精彩敬请关注！八卦娱乐头条！！！
想了解有关科技、趣味、创意和新奇的产品吗,想寻找创意小礼品和新鲜玩意吗?
提倡国人品质生活，选择有机生态的生活方式，健康，养生，休闲，品味，修炼自己，温暖他人！
喜欢电影朋友关注我吧，我们一起学习交流
带你去领悟那美妙的世界