归档

从 Bagging 与 Boosting 的思路理解集成学习为何有效。

从决策树的分裂准则出发，理解常见树模型的构建与泛化。

围绕文法、解析器组合子与生成器，梳理语言处理的基础概念。

从分布式假设出发，解析 Word2Vec 的训练目标与词向量性质。

拆解 YouTube DNN 的召回与排序架构，以及大规模推荐中的训练思路。

整理 Scala 模式匹配的语法、提取器、样例类与常见组合方式。

介绍因子分解机如何建模特征交叉并应用于推荐召回。

整理 Akka Actor 模型的核心概念、生命周期、监督策略与树形结构。

通过多臂赌博机问题理解探索与利用权衡及常见策略。

从 GIL、线程与进程模型出发，分析 IO 密集型和计算密集型任务的并发选择。

系统整理线性回归、正规方程、梯度下降以及逻辑回归的推导与实践。

结合 Spark 与 OpenCV 完成图片分类流程并记录性能表现。

使用 ALS 求解隐语义模型，并分析推荐系统中的矩阵分解实践。

总结 Spark Streaming 的架构、状态处理、检查点与生产实践。

分析 Spark 应用性能瓶颈、资源配置与常见错误的处理方式。

利用 Spark GraphX 与 PageRank 挖掘商品关系，为冷启动推荐提供依据。

使用 Hexo 与 Next 主题搭建、配置和部署个人博客。