- 机器学习相关 （列举这些大部分我只是了解，并没有使用，仅供学习）
- 机器学习的基本流程：确定研究问题——采集数据——人工标注（处理数据）——选择模型和算法——看结果调参数 根据我种子杯的经验，最重要的就是处理数据和选择模型两步，就种子杯的项目而言我想处理数据是最重要的，数据处理会决定最后结果的高度，模型主要是优化算法，虽然也影响最后结果，但是仅那种比较明了的项目而言，各种适用的模型效果可能没有数据处理的效果差异大。（仅个人想法，没有做过大项目，只做过一点种子杯）。
- 机器学习数据预处理
- 归一化处理了
- 降维 - PCA
- 组合特征提取（GBDT)
- Eembed - L1正则化
- Filter 子集搜索
- Wrapper 搜索方法+学习算法
- ......
- 机器学习的三种方式
- 有监督学习：类似与我知道一个问题的答案，所以我可以从这个答案问题出发设计出一个推理逻辑。
- 无监督学习：类似于我给你一堆数据，你也不知道它是干什么用的，但是你或许可以找出这些数据中蕴含的某种规律
- 半监督学习：大概就是综合利用有类标和无类标的数据来进行处理
- 机器学习常用方法
- 决策树
- 神经网络
- 支持向量机
- 贝叶斯分类
- 序列分析 聚类 分类
- 最近邻，k近邻，改进近邻
- 机器学习相关模型
- LR逻辑回归模型
- 线性回归模型
- 决策树
- 随机森林
- RF、GBDT、XGBoost
- 神经网络
- 。。。
- 机器学习深入学习需了解的基本数学知识
- 线性代数
- 微积分
- 统计学/概率论
- 信息论
- nginx+ uwsgi + flask + python + linux + mysql 以前做过类似的配置，所以没有遇到大问题，暂时可以在本地使用postman调试通过，但是没有配置docker
- JWT
- header eg. { "typ": "JWT", "alg": "HS256" }
- payload 标准字段：
- iss：Issuer 发行者
- sub：Subject 主题
- aud：Audience 观众
- exp：Expiration time 过期时间
- nbf：Not before
- iat：Issued at 发行时间
- jti：JWT ID eg. { "iss": "ninghao.net", "exp": "1438955445", "name": "wanghao", "admin": true}
- signature 这部分内容有三个部分，先是用 Base64 编码的 header.payload ，再用加密算法加密一下，加密的时候要放进去一个 secret . 注：JWT会生成一个token客户端收到这个 token 以后把它存储下来，下回向服务端发送请求的时候就带着这个 token 。服务端收到这个 token ，然后进行验证，通过以后就会返回给客户端想要的资源。
- leetcode
- 《HTTP权威指南》看完前三章，《计算机网络：自顶向下》看完第一章，但是看过之后没什么印象。。。
- Linux命令
- ssh 远程连接
- scp 不同Linux系统之间的cp
- ps 获取程序运作情况
- netstat 显示网络相关的信息，如网络连接，路由表，接口状态
- chmod 改变文件存储模式
- uname 显示系统信息
- ping 测试网络连通
- kill 杀进程
- grep 正则搜索文本
- 。。。
- 其他
- 用Python flask 做了一个微信小程序的demo
- 准备另一个团队机器学习的分享
网友评论