文章收藏

王开新 发表了文章 • 0 个评论 • 32 次浏览 • 2017-05-26 21:32 • 来自相关话题

1. Github
如何在ubuntu下使用Github?
2. Django
Django REST框架示例
3. CS ranking (用来选老板/选学校/选暑研)
CS ranking 查看全部
1. Github
如何在ubuntu下使用Github?
2. Django
Django REST框架示例
3. CS ranking (用来选老板/选学校/选暑研)
CS ranking

开工之笔:机器学习小论

李新春 发表了文章 • 0 个评论 • 46 次浏览 • 2017-04-29 12:30 • 来自相关话题

    机器学习是一门综合性很高的课程,有幸能够参加周志华老师的《机器学习导论》课程,的确学到了很多有价值的知识。机器学习涉及到数学、算法、编程。
    从数学来说,信管的学生处于劣势,没有良好的数学功底就去看那些算法证明简直是一件很痛苦的事情,这件事在我大二期间看李航老师的《统计学习方法》颇有感触。所以大三一年有60%的时间致力于提升自己的数学功底,当然都是自学(这无疑也是一件很痛苦的事情),但是如果一件事情是很容易可以做到的,那么其价值何在呢?秉承这个理念,坚持看了很多数学书,先从复习《概率论》、《运筹学与最优化》做起,再到《矩阵论》、《复变函数》等,然后《优化方法》、《现代优化方法》、《数理统计》还没看完。周志华老师曾在课堂上提到过线性代数、优化理论、概率和统计是机器学习必须的课程,然后其余的可以看一下群论、解析几何等数学。所以数学之重要也就不言而喻了。
     同时,只关注于数学并不是一件很好的事情,专注于数学而疏于机器学习领域的知识,这是不可取的,因为数学是工具,机器学习里的算法才是经典。所以也在看一些机器学习的资料,比如还是在看《统计学习方法》、《机器学习》,除此之外还看了《模式识别》、《模式分类》等,还有最近再次重新学习229和231的公开课,对深度学习也要加强学习。当然这些相比花费在数学上的时间大概有一半左右,相信这个学期可以把数学知识大概掌握,接下来就可以专注地学习机器学习的知识了,个人比较倾向于去学习图像、语音等比较复杂的相关知识。
    算法实现主要是python编程,因为现在有很多开源库可以直接调用,所以并没有花费很多时间在这上面,大概就只是学习了一下《机器学习实战》并敲了部分代码。还有就是稍微花费了一点时间做了几个项目。还有令我最困惑的是深度学习现在有很多开源库caffe、tensorflow、torch、theano、keras等,还有很多现成的模型可以直接调用。这就导致了大家做应用时只要“傻瓜”似得搭建个模型,然后调参跑数据。这大概就是各大IT企业之所以要分配调参任务了吧?周老师也曾说过,大概花十天的时间就可以基本上搞懂各种深度学习开源库,如果不论项目经验的话,大概就可以和各大IT企业的深度学习工程师差不多了。虽然有点夸张,但是这的确反映了一个问题,现在开源库都把大概的框架搭建好了,所以真正了解其内部运作原理并能够在新的问题上 加以完善以适应新问题的又有几人呢?个人认为就是谷歌、微软,当然还有开源库的开发者。这就导致了在各种比赛中很多队伍只是简单地调整一下深度学习的网络结构,然而并没有加入新的元素或新的思想,这样的话大家都会使用开源库,那么队伍之间的差别是什么呢?上述对深度学习开源库的评论只是个人看法,可能自己没有真正参加过大型项目或比赛,并没有真正了解到开源库的价值所在,可能会有评论不当之处。
    学习的过程也是遗忘的过程,特别是当同时学习很多东西的时候,很容易学了这一章的东西之后并不清楚究竟讲了什么。所以学习还需总结,一方面,笔记是总结的一种方式,以前从不做笔记的我现在认识到了笔记的重要性,这个学期才开始应该不算晚。另一种方式就是写博客,然而博客的一种不便之处就是大量的数学公式,幸好学习了Latex的使用,可以很方便的编辑公式,然而如何将内容呈现到博客上来又是一个问题。所以就只是将pdf转换成图片来呈现了,附件会附有pdf源文件。
    即便用Latex也是一件很困难的事情,有的定理证明甚至需要几页的数学推导,所以这些知识的总结就放在笔记上了。博客用来总结一些比较简单但常用的知识吧,如果能将相关的知识尽量总结进一篇博客,那么是最好不过了。 查看全部
    机器学习是一门综合性很高的课程,有幸能够参加周志华老师的《机器学习导论》课程,的确学到了很多有价值的知识。机器学习涉及到数学、算法、编程。
    从数学来说,信管的学生处于劣势,没有良好的数学功底就去看那些算法证明简直是一件很痛苦的事情,这件事在我大二期间看李航老师的《统计学习方法》颇有感触。所以大三一年有60%的时间致力于提升自己的数学功底,当然都是自学(这无疑也是一件很痛苦的事情),但是如果一件事情是很容易可以做到的,那么其价值何在呢?秉承这个理念,坚持看了很多数学书,先从复习《概率论》、《运筹学与最优化》做起,再到《矩阵论》、《复变函数》等,然后《优化方法》、《现代优化方法》、《数理统计》还没看完。周志华老师曾在课堂上提到过线性代数、优化理论、概率和统计是机器学习必须的课程,然后其余的可以看一下群论、解析几何等数学。所以数学之重要也就不言而喻了。
     同时,只关注于数学并不是一件很好的事情,专注于数学而疏于机器学习领域的知识,这是不可取的,因为数学是工具,机器学习里的算法才是经典。所以也在看一些机器学习的资料,比如还是在看《统计学习方法》、《机器学习》,除此之外还看了《模式识别》、《模式分类》等,还有最近再次重新学习229和231的公开课,对深度学习也要加强学习。当然这些相比花费在数学上的时间大概有一半左右,相信这个学期可以把数学知识大概掌握,接下来就可以专注地学习机器学习的知识了,个人比较倾向于去学习图像、语音等比较复杂的相关知识。
    算法实现主要是python编程,因为现在有很多开源库可以直接调用,所以并没有花费很多时间在这上面,大概就只是学习了一下《机器学习实战》并敲了部分代码。还有就是稍微花费了一点时间做了几个项目。还有令我最困惑的是深度学习现在有很多开源库caffe、tensorflow、torch、theano、keras等,还有很多现成的模型可以直接调用。这就导致了大家做应用时只要“傻瓜”似得搭建个模型,然后调参跑数据。这大概就是各大IT企业之所以要分配调参任务了吧?周老师也曾说过,大概花十天的时间就可以基本上搞懂各种深度学习开源库,如果不论项目经验的话,大概就可以和各大IT企业的深度学习工程师差不多了。虽然有点夸张,但是这的确反映了一个问题,现在开源库都把大概的框架搭建好了,所以真正了解其内部运作原理并能够在新的问题上 加以完善以适应新问题的又有几人呢?个人认为就是谷歌、微软,当然还有开源库的开发者。这就导致了在各种比赛中很多队伍只是简单地调整一下深度学习的网络结构,然而并没有加入新的元素或新的思想,这样的话大家都会使用开源库,那么队伍之间的差别是什么呢?上述对深度学习开源库的评论只是个人看法,可能自己没有真正参加过大型项目或比赛,并没有真正了解到开源库的价值所在,可能会有评论不当之处。
    学习的过程也是遗忘的过程,特别是当同时学习很多东西的时候,很容易学了这一章的东西之后并不清楚究竟讲了什么。所以学习还需总结,一方面,笔记是总结的一种方式,以前从不做笔记的我现在认识到了笔记的重要性,这个学期才开始应该不算晚。另一种方式就是写博客,然而博客的一种不便之处就是大量的数学公式,幸好学习了Latex的使用,可以很方便的编辑公式,然而如何将内容呈现到博客上来又是一个问题。所以就只是将pdf转换成图片来呈现了,附件会附有pdf源文件。
    即便用Latex也是一件很困难的事情,有的定理证明甚至需要几页的数学推导,所以这些知识的总结就放在笔记上了。博客用来总结一些比较简单但常用的知识吧,如果能将相关的知识尽量总结进一篇博客,那么是最好不过了。

【公告】ImTech 平台网址变更通知

刘伙玉 发表了文章 • 0 个评论 • 26 次浏览 • 2017-02-27 17:05 • 来自相关话题

本着节约至上的精神,自2月27日起,该平台迁移至我院服务器上,网址变更为:http://im.nju.edu.cn/imtech。
同时,域名www.imtechcenter.com 也即将停止使用,如果要发表文章或者评论,请使用新网址,以免数据丢失。
麻烦大家重新保存书签,给大家带来不便,还请见谅!
  查看全部
本着节约至上的精神,自2月27日起,该平台迁移至我院服务器上,网址变更为:http://im.nju.edu.cn/imtech
同时,域名www.imtechcenter.com 也即将停止使用,如果要发表文章或者评论,请使用新网址,以免数据丢失。
麻烦大家重新保存书签,给大家带来不便,还请见谅!
 

大家都是用什么下载计算机教材pdf的呢

王开新 回复了问题 • 4 人关注 • 4 个回复 • 210 次浏览 • 2017-02-04 09:54 • 来自相关话题

考研经验丨王潇雪:短期冲刺考研经验分享

冀佳钰 发表了文章 • 0 个评论 • 71 次浏览 • 2016-06-08 16:42 • 来自相关话题

针对于短期冲刺考研的同学,在准备上需要更有针对性和效率性。
 
首先,要了解目标院校目标专业的招生简章、招录人数,合理分析考研成功的概率,由于准备时间有限,所以建议大家选择更有把握的目标。同时,了解考试大纲,对于所要笔试的科目有大概的了解。
 
其次,在正式开始复习之前,可以尝试对上一年的真题进行模拟训练,对考试的大致内容和难度有一个初步的了解,清楚自身的优势和弱项,拟一个更有针对性的复习计划。对于笔试的每一门单科而言,都要注重学习的方法和效率。
 
一、考研英语具有一定的独特性,相比而言更注重于考察我们的读写能力,而一切阅读、写作能力的提升均以词汇的积累为基础,单词是重中之重,最好保证考研词汇熟记2-3遍以上,并在考前重点背诵高频词汇。在做阅读题时,首先要耐心精读,通过大量的练习总结出题目的类型和做题的技巧,后期要注重时间的控制,尽力提高阅读的速度。这样一来,写作的能力其实在阅读训练时也已经得到了一定的提升,句子语法和时态的灵活运用加上写作模板的积累,足以应对考研英语的写作。
 
二、对于公共科目而言,包括数学和政治或者联考等,需要分步、分知识点进行复习,借助参考书对每一部分的知识点进行学习和总结,一步步打好基础,定期进行回顾和练习,做好知识点和错题的总结工作。对于复习中遇到的重点、难点问题,可以适当选择一些视频课程帮助自己更好地理解考点内容。
 
三、就专业课而言,切不可掉以轻心。虽然可能是曾经学习过的内容,仍然需要认真对待,当作新知识来重新学习。专业课的复习进度可以稍微放缓,前期复习时做到了解大致内容和知识重点,但是后期一定要下功夫进行记忆和理解,发挥自己的专业优势。
 
接着,重视真题的训练。真题是历年考试的风向标,也是我们能够检测自己真实水平的最有效的方法。到了复习的后期,一定要在规定的时间内进行真题模拟,反思错题的同时进行知识点的查漏补缺,可以对做错的题型进行系统性的训练,最大程度地找出自己的不足并弥补。
 
当然,考研准备最重要的还有心态的调整,尤其是短期冲刺的同学,不要过多的纠结于时间的紧凑,其实只要有决心有毅力,做好吃苦耐劳的准备,无论何时开始都来得及。与其浪费精力与时间挣扎,不如付出更多的努力认真投入地进行复习。你觉得为时已晚的时候,恰恰是最早的时候。每天多努力一小步,来日收获的将是理想的自己。
 
最后,祝所有的同学都能够金榜题名、梦想成真! 查看全部
针对于短期冲刺考研的同学,在准备上需要更有针对性和效率性。
 
首先,要了解目标院校目标专业的招生简章、招录人数,合理分析考研成功的概率,由于准备时间有限,所以建议大家选择更有把握的目标。同时,了解考试大纲,对于所要笔试的科目有大概的了解。
 
其次,在正式开始复习之前,可以尝试对上一年的真题进行模拟训练,对考试的大致内容和难度有一个初步的了解,清楚自身的优势和弱项,拟一个更有针对性的复习计划。对于笔试的每一门单科而言,都要注重学习的方法和效率。
 
一、考研英语具有一定的独特性,相比而言更注重于考察我们的读写能力,而一切阅读、写作能力的提升均以词汇的积累为基础,单词是重中之重,最好保证考研词汇熟记2-3遍以上,并在考前重点背诵高频词汇。在做阅读题时,首先要耐心精读,通过大量的练习总结出题目的类型和做题的技巧,后期要注重时间的控制,尽力提高阅读的速度。这样一来,写作的能力其实在阅读训练时也已经得到了一定的提升,句子语法和时态的灵活运用加上写作模板的积累,足以应对考研英语的写作。
 
二、对于公共科目而言,包括数学和政治或者联考等,需要分步、分知识点进行复习,借助参考书对每一部分的知识点进行学习和总结,一步步打好基础,定期进行回顾和练习,做好知识点和错题的总结工作。对于复习中遇到的重点、难点问题,可以适当选择一些视频课程帮助自己更好地理解考点内容。
 
三、就专业课而言,切不可掉以轻心。虽然可能是曾经学习过的内容,仍然需要认真对待,当作新知识来重新学习。专业课的复习进度可以稍微放缓,前期复习时做到了解大致内容和知识重点,但是后期一定要下功夫进行记忆和理解,发挥自己的专业优势。
 
接着,重视真题的训练。真题是历年考试的风向标,也是我们能够检测自己真实水平的最有效的方法。到了复习的后期,一定要在规定的时间内进行真题模拟,反思错题的同时进行知识点的查漏补缺,可以对做错的题型进行系统性的训练,最大程度地找出自己的不足并弥补。
 
当然,考研准备最重要的还有心态的调整,尤其是短期冲刺的同学,不要过多的纠结于时间的紧凑,其实只要有决心有毅力,做好吃苦耐劳的准备,无论何时开始都来得及。与其浪费精力与时间挣扎,不如付出更多的努力认真投入地进行复习。你觉得为时已晚的时候,恰恰是最早的时候。每天多努力一小步,来日收获的将是理想的自己。
 
最后,祝所有的同学都能够金榜题名、梦想成真!

新人报到!

郜梦蕊 发表了文章 • 0 个评论 • 68 次浏览 • 2016-04-11 23:37 • 来自相关话题

大家好!我是信管大四郜梦蕊,来报到下!
大家好!我是信管大四郜梦蕊,来报到下!

我是zerohuan~

阎锦恒 发表了文章 • 0 个评论 • 95 次浏览 • 2016-04-10 17:29 • 来自相关话题

我是zerohuan,阎锦恒,我的博客:http://blog.csdn.net/Zerohuan,http://zerohuan.github.io;欢迎访问~
我是zerohuan,阎锦恒,我的博客:http://blog.csdn.net/Zerohuanhttp://zerohuan.github.io;欢迎访问~