Connaissez que mes amis savent que je n'ai pas lu la recherche et sans expérience de travail pertinente. C'est la moitié de la sortie pour aller à l'industrie. Parce qu'il s'agit d'une industrie des traites, alors a naturellement un processus de zéro début. Par rapport à de nombreuses œuvres classiques (les maîtres praticiens, presque toutes la croissance et les progrès sont leurs propres pensées, car personne n'est dirigé. Après quelques années, je n'ose pas dire de force comment, mais j'ai fait de l'expérience pour le progrès de nouvelles personnes. C'est aussi quelques niveaux, et je vais prendre des stocks.

Premièrement, je sais ce que
est connu, c'est savoir comment le faire, disons exactement que le Le modèle joue un rôle dans le système? C'est comme ça qu'il interagit avec d'autres systèmes.

C'est vraiment une énorme distance de théorie et de pratique et le plus simple, par exemple, lorsque nous apprenons des algorithmes, que ce soit le choix Kaggle ou algorithmes tiianchi ou tiancentLe jeu est fabriqué et ses données sont prêtes à gérer, nous l'utiliserons directement. Et aucune restriction dans le processus, n'ont pas besoin de prendre en compte la consommation, vous n'avez pas besoin de déterminer comment collecter des données, car la quantité de données n'est pas très grande, vous pouvez survivre en mémoire, comment jouer avec des pandas et d'autres outils à jouer. Les premiers diplômés ne sont pas trop dans le laboratoire. Certaines études peuvent avoir besoin de collecter des données, de nettoyer les données, mais essentiellement uniquement autour du modèle.

Cependant, dans la Société ne commet-on, récupérez les données pour le dire, les données ne sont pas ce que vous voulez. Par exemple: Si vous souhaitez collecter des informations utilisateur Connectez-vous à l'application, vous avez besoin de la section précédente et d'une série d'équipes qui vous donnent une variété de données, ces données ne sont pas placées dans un fichier. Inévitable lors de l'utilisation numérique, tel que Hadoop, car il utilise numérique, vous ne pouvez pas facilement lire ou le faire, vous effacern Utilisez des outils pour les magasins, tels que MapReduce, Hive, Spark, Way, etc.

En outre, la société n'a pas fini de prendre effet, mais elle doit également aller en ligne. Ce pont en ligne apporte beaucoup de questions, comment puis-je obtenir ces caractéristiques en ligne? Est-ce pendant le processus de soins complète, ou temporairement créé? S'il s'agit d'une opération temporaire, le service auxiliaire est généralement écrit en langue auxiliaire Java. Même s'il est considéré comme une langue ou une prise en compte de la performance, il est souvent impossible d'utiliser la bibliothèque Python. Que dois-je faire à ce moment-là?

Nous creusons attentivement beaucoup de problèmes, pourquoi l'industrie et les académies hors des timbres sont ici. Les applications industrielles ont une gamme de restrictions, très gênantes. S'il s'agit simplement de raisonner, la règle du modèle est résolue, peut lire du papier, recréer certains modèles peut effectuer des algorithmes, faire équivalent du papier.

Mais le problème est une très bonne entreprise et de nombreux ingénieurs algorithmiques cVous pouvez être des données, un modèle de formation, puis la libérer. Les mécanismes derrière cela, chaque étape est un rôle et la structure du système derrière cette série n'est pas pensée à souligner. J'ai regardé les positions tridimensionnelles tridimensionnelles devant mes yeux, regardant les caractéristiques, les données, le modèle et ne pouvaient pas voir le système plus profondément derrière.

Par conséquent, ce niveau de percée est principalement conscient, ne répond pas au travail quotidien actuel, pensa plus profondément.
Deuxièmement, la stabilité psychologique, creuser détaillée
En général, tant qu'une conscience, le premier niveau de percée était vraiment rapide, reflété du petit blanc comme un homme, tout connu sous le nom de système , peut bien faire sur le patron a été arrangé seul.
Mais beaucoup de gens tomberont dans le goulot d'étranglement à ce moment-là, et le travail actuel a été très bon et a une certaine accumulation, mais les défis de niveau supérieur ne sont pas venus. Après la route, je ne sais pas où aller. Beaucoup de gensEn y pensant lentement, et je vais mieux traiter. Le plus gros problème de cette période est l'expansion psychologique, la plate-forme instable et la force ne peuvent pas correspondre à l'ambition. On dirait qu'il y a beaucoup, mais une seule couche de cheveux, et je saurai la moitié de la solution.
Par exemple, certaines personnes ont écrit des bouchons de fonction dans le dos, je pense que je comprends bien le système, les algorithmes et le développement des doubles réparations, mais une coordination de la question tarourée, le système n'est pas ouvert. Certaines personnes ont utilisé des modèles de frontière. Après avoir lu deux articles, j'ai senti que je me tenais dans l'industrie, mais je n'ai pas eu mes pensées du tout. D'autres ont été dans de grandes entreprises depuis deux ans, pensant qu'ils peuvent indiquer au fils de Giang, mais une question détaillée, tous des comptes déroutants ...
]

Mangez des objets à portée de main derrière les collines devant vous, ne l'étendez pas, ce n'est que le début. À ce stade, vous devriez avoir une psychologie stable, apportantG les tiens, vous verrez lequel est sûr, c'est l'atelier d'air. La cabine de construction d'air ne doit pas être serrée, très difficile à comprendre, et ce n'est pas une chose difficile. Une de mes suggestions personnelles peut être démarrée à partir des détails, jamais jaloux, le diable est caché dans les détails.

Exemple: Lisez le code de dizaines de modèles, voir la mise en œuvre de la mise en œuvre et ce que vous pensez. Par exemple, essayez de penser à la logique de certaines données que vous avez apportées, ne peut pas optimiser. Par exemple, dans l'équipe, le matériel technologique de la société, vous pouvez également l'ouvrir. La chose la plus importante de cette période consiste à stabiliser vos pensées et trouve autant que possible de vous améliorer.

Mardi, le sachant

De nombreux vieux algorithmes accrochent souvent une phrase sur la bouche pour comprendre les entreprises, comprendre les affaires ou la DMD sous des affaires. J'étais très étrange chaque fois que j'ai entendu, qu'est-ce que la compréhension des entreprises ne devrait pas recommander des produits aux utilisateurs?

Pour plus tard, après certaines choses, ils ont soudainement compris que les entreprises ne comprennent pas seulement la scène de l'entreprise et pourquoi le modèle fonctionne dans la scène.
Je fais une recommandation, je vais donc prendre un exemple. J'ai été mentionné dans l'article sur le système proposé. Le modèle de la recommandation est une grande tendance de FM. C'est le développement du modèle modèle de la sensation traditionnelle de la modélisation de la machine et ce développement est le noyau le plus important. Il est intégré. Les modèles d'apprentissage profond sont des applications plus intégrées et différentes applications intégrées peuvent obtenir des effets différents.

Quel est le meilleur modèle traditionnel intégré? Parce qu'il peut représenter un scalaire avec des vecteurs de hauteur, des informations plus complexes peuvent être transmises. Par exemple, le sexe, n'est plus la quantité de 0 et 1, réagissant plus d'une certaine priorité de la population. Par exemple, les femmes aiment souvent les femmes, les hommes aiment souvent le sport, les jeux. C'est-à-direJe car les vecteurs peuvent transférer plus d'informations sur la hauteur et le modèle d'apprentissage profond peut trouver ces informations, donc dans la zone recommandée, des modèles d'apprentissage approfondis sont efficaces.

Les deux mots ci-dessus sont toutes ma compréhension personnelle, je ne l'ai pas vue dans aucun article. Pas que de grandes vaches ne pensent pas à cette classe, mais elles y pensent ou non, vous avez souvent besoin de votre propre compréhension. Comment puis-je obtenir cette information? Premièrement, nous devons mieux comprendre, connaître les principes de chaque modèle, connaître la direction à répéter le modèle. Deuxièmement, conjointement avec des scènes d'affaires, telles que l'utilisation d'utilisateurs et de biens recommandés, telles que l'analyse des caractéristiques, ce type de fonctionnalités, quel type de fonctionnalités n'ove pas. Enfin, ces perspectives et ces pensées entrent en collision, ont une conclusion plus profonde. Si il suffit de lire l'article, faites simplement les caractéristiques, ne faites pas beaucoup de pensées plus profondes, de creuserLe principe principal ne peut évidemment pas avoir ces grottes. Cette percée de classe pense, le principe de penser, de penser derrière le mécanisme, de la logique et de penser à la loi potentielle de l'industrie. Quatrième, finissant Ce n'est pas seulement des algorithmes, d'autres industries et des directions similaires, et la croissance est également une montagne de montagne, en regardant la montagne n'est pas une montagne, en regardant la montagne ou processus de la montagne. Je sens que l'algorithme est très élevé avant de commencer, j'ai un sens de la technologie. Cela ressemble à cela davantage, c'était un fantôme fantôme. Une certaine croissance, je suis retourné au passé, encore une fois, J'ai senti que la route était bloquée et longue, et ma génération devait toujours travailler.