1.学习能力（Learning
Ability）有些东西不懂很正常，从不懂到懂，从懂到精通，自己想想，原来不会的东西，是否可以很快上手。学习能力，其实蛮难衡量，我更愿意看到产品经理在每次产品项目实践中的总结归纳，清楚的知道成功经验与失败教训。2.执行力（Execution）完成预定目标及任务的能力，...
分类：
其他好文 时间：
2014-06-10 21:58:30
阅读次数：
394
拼音输入法输出的候选分成两个部分，系统词以及短句(智能组词),智能组词是通过model以及解码弄出来的，后续再说。
系统词就是那些常用的词(词组)收录到词典中，用户的输入和词典中的词match时，直接吐出来，而不需要解码获得。
系统词以及对应的rank(score)对输入法的体验很大，毕竟大多数用户还是继续短词输入。
系统词包含几个部分：
1.基础词
2.高频短串
3....
分类：
其他好文 时间：
2014-06-10 19:17:09
阅读次数：
231
场景： 创建一个Virtual Switch,支持VLAN，支持MAC-Learning
包含下面四个Port： P1, truck port P2, VLAN 20 P3, P4 VLAN 30 包含五个flow table: Table 0:
Admission control. Table 1...
分类：
其他好文 时间：
2014-06-09 22:30:54
阅读次数：
490
这段时间组里在有计划地学习书籍PRML （Pattern Recognition and
Machine Learning），前两天自己做了一个里面第三章linear regression的分享，这里把当时做的这个ppt分享给大家。
对于线性回归这一章，首先列一下我认为比较重要的几个问题（ppt ....
分类：
其他好文 时间：
2014-06-09 13:19:17
阅读次数：
418
这部分开始，我们将讨论 learning 相关的内容。PGM 为 frequentist 与
Bayesian 系的 model 提供了同一种语言，对前者来说 learning
就是确定一种对“未知但是却是常值”的参数的估计，使得某种“准则”得到满足；对后者来说参数不存在“估计”问题，参数由于成为了...
分类：
其他好文 时间：
2014-06-08 23:27:22
阅读次数：
293
作为 inference 部分的小结，我们这里对 machine learning 里面常见的三个
model 的 inference 问题进行整理，当然很幸运的是他们都存在 tractable 的算法是的我们避免了烦人的 approximate
inference。HMM常意所说的 HMM 是对离...
分类：
其他好文 时间：
2014-06-08 23:26:19
阅读次数：
386
有个比较有意思的想法是编码理论的反问题是 machine
learning，这也是这部分学习的一个收获。这个其实很奇怪，编码理论其实是有 ground truth
的，然后通过编码产生“冗余”，这样才能通过含有噪声的信道后仍然能够被正确的解码（比较好的是相关的理论上界和最优编码已经非常接近了），这个...
分类：
其他好文 时间：
2014-06-08 23:12:57
阅读次数：
257
前面结束了关于 learning 部分一些粗浅的讨论，我们大概明白了一些 learning 中
common sense/techniques。剩下的部分我们分为 causality 和 utility 两部分。Koller
的课程上面稍微涉及了一些后者的东西，不过觉得前者也挺有意思的，顺便了解一些...
分类：
其他好文 时间：
2014-06-08 22:59:36
阅读次数：
295
这部分我们讨论结构学习，也就是 graph 的边我们并不清楚。很自然我们可以用 fully
observed 数据来做，但是也可能碰到有 missing data 的情况。一般来说前者是比较常见的。就方法而言，我们有 constraint-based
structure learning 与 sco...
分类：
其他好文 时间：
2014-06-08 22:57:33
阅读次数：
233
这部分讨论在有数据缺失情况下的 learning
问题，这里仍然假定了图结构是已知的。首先需要讨论的是为什么会缺失，很多情况下缺失并不是“随机”的：有的缺失是人为的，那么某些情况下缺失的可以直接补上，而某些情况下我们需要使用额外的随机变量对缺失进行
modeling；有的缺失是随机的，有的是因为的确...
分类：
其他好文 时间：
2014-06-08 22:31:40
阅读次数：
201
