原创 自動迭代方案——行爲序列異常檢測項目A

antiplugin_sl_zx項目: 數據樣本 模型訓練 外掛預測 文章目錄1. 項目結構1.1 Data模塊1.1.1 數據保存1.2 Training模塊1.2.1 迭代方案1.2.2 甘特圖1.2.3 模型保存1

原创 非科班小碩的算法秋招記錄

本文用於記錄本人七月開始的包括實習、秋招提前批以及秋招正式批等各項面試經歷。爲了突出重點,除了完整記錄手撕代碼題之外,僅記錄當時回答的不太好的知識點,或者是重點考察點,用於自己日後複習提高。 文章目錄【算法 - 秋招提前批】【

原创 面經雜記

本文用於記錄本人七月開始的包括實習、秋招提前批以及秋招正式批等各項面試經歷。爲了突出重點,除了完整記錄手撕代碼題之外,僅記錄當時回答的不太好的知識點,或者是重點考察點,用於自己日後複習提高。 文章目錄【算法 - 秋招提前批】【

原创 機器學習面試點雜記

本文用於自己整理機器學習相關概念與原理,如有錯誤歡迎在評論裏指正!~ 文章目錄熵參數模型與非參數模型SVM1. 原始問題2. 拉格朗日函數3. 對偶問題4. 轉化爲對偶問題的好處5. 合頁損失函數6. 多分類SVM7. 高斯核

原创 模型評估項目

Evaluator項目: MySQL獲取模型預測結果 MySQL獲取真實結果 線下評估 上傳評估結果至MySQL 文章目錄1 項目結構1.1 評估時間安排2 腳本解析2.1 定時腳本 evaluate.sh1.2 評估模塊 E

原创 自動迭代方案——行爲序列異常檢測項目B

AutoIterNSHSanhuanPluginDetector項目: 模型訓練 外掛預測 文章目錄1. 項目結構1.1 Data模塊1.1.1 數據保存1.2 Training模塊1.2.1 迭代方案1.2.2 甘特圖1.

原创 自動迭代方案——行爲序列異常檢測

AutoIterPluginDetectionZhuxian項目: 數據獲取 模型訓練 外掛預測 文章目錄1. 項目結構1.1 Data模塊1.1.1 數據保存1.2 Training模塊1.2.1 迭代方案1.2.2 甘特

原创 Python解析郵箱,SSH隧道,MySQL存儲,Launchctl定時任務

MailReader項目: 通過python讀取並解析每日指定郵件內容 通過SSH隧道連接指定MySQL服務器 將解析數據保存至MySQL指定表 使用 Launchctl開啓定時任務 GitHub: https://github.

原创 Vector Representations of Words -- TensorFlow官網word2vec教程翻譯

本文爲Tensorflow Tutorials 詞向量教程的翻譯版本,翻譯過程即學習過程,同時也會在日後根據當前階段的理解,重新翻閱更新。 着重介紹 動機:爲何學習詞嵌入 在此教程中,我們借用Mikolov等人論文中提到的w

原创 某公司人工智能面試總結

本文用於記錄這幾天面試下來的一些流程和心得體會,重點記錄XXXX部門的三場面試,瞭解自己的優勢,更重要的是發現自己的不足,以便在日後針對性的加強學習和進步! 1 面試流程 1.1 技術面(14:00 – 14:30, 15:30

原创 騰訊雲CentOS安裝Python3.6

由於剛搭建的騰訊雲服務器上默認只有Python2.7,本文旨在記錄Python3.6的安裝過程,以便日後查看。 1 查看python版本和依賴關係 2 下載源碼並解壓 3 編譯 4 檢查是否安裝成功 參考資料

原创 運用tensorflow全連接神經網絡進行MNIST手寫數字圖像識別

本文記錄tensorflow搭建簡單神經網絡,並進行模塊化處理,目的在於總結並提取簡單神經網絡搭建的基本思想和方法,提煉核心結構和元素,從而能夠移植到日後深入學習中去。 1 模塊提煉 1.1 template_forward.py

原创 Git筆記

本文針對本人學習git的過程進行記錄,並非總結型筆記,只是針對使用過程中常用且重要的操作予以記錄,以便日後進行查看。 Git 本地庫 1 工作區/暫存區/版本庫 2 name和email 3 提交項目的基本操作 4 幾種回退方式

原创 非分佈式和分佈式爬取京東圖書信息對比(Splash版)

本文通過單主機和分佈式兩種方式對京東圖書信息進行爬取並保存到數據庫,對比抓取條目數量和抓取效率,對結論做一定程度的整理,以加深學習印象。 爬取結果呈現 非分佈式(MongoDB) 爬取結果呈現 非分佈

原创 運用LeNet-5卷積神經網絡進行MNIST手寫數字圖像識別

​ 本文是tensorflow學習筆記第二篇。前一篇(tensorflow全連接神經網絡手寫數字圖像識別)主要針對簡單神經網絡的圖像識別方法進行了模塊模板提取和實戰演練;本文在全連接網絡的基礎上,增加了卷積層和池化層,構建了典型的LeN