社区
community_281
帖子详情
有目的地学习
daseny
2009-05-29 09:27:56
看一本书,看到作者怎样依据自己的方向选择下一步学习的学校、专业,很是感慨。
感觉身边太多的人只是为了找工作更有竞争力而去读研究生甚至博士,为了学而学。
生命有崖,精力有限,希望自己以后可以做到有目的地学习。
如果没有目的,那就先以寻找目的为目的而学习吧。
...全文
144
8
打赏
收藏
有目的地学习
看一本书,看到作者怎样依据自己的方向选择下一步学习的学校、专业,很是感慨。 感觉身边太多的人只是为了找工作更有竞争力而去读研究生甚至博士,为了学而学。 生命有崖,精力有限,希望自己以后可以做到有目的地学习。 如果没有目的,那就先以寻找目的为目的而学习吧。
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
8 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
Asiatju13
2009-05-31
打赏
举报
回复
目标是一切成功的动力!!!
green_mango
2009-05-30
打赏
举报
回复
嗯,要来场学习的革命。。
daseny
2009-05-30
打赏
举报
回复
[Quote=引用 5 楼 myrsoft 的回复:]
说起来谁都知道,但是有几个人完全这样做了,做了的都成大师了吧
[/Quote]
惭愧,这之前我还真的没有明确的知道,“身边的人”就包括我自己。
能这么做的人,年轻的时候可能差别不明显,以后会慢慢有成就的。
比如我看的这本书是《追寻记忆的痕迹》,作者2000年获诺贝尔生理学或医学奖。
参见 http://www.douban.com/subject/1944205/
朝闻道,夕可死矣……
Gangelwn
2009-05-30
打赏
举报
回复
做什么都不容易啊,学习也一样。。。在于心态啊
myrsoft
2009-05-30
打赏
举报
回复
说起来谁都知道,但是有几个人完全这样做了,做了的都成大师了吧
zgjxwl
2009-05-30
打赏
举报
回复
支持
nodiebirdcomeback
2009-05-29
打赏
举报
回复
顶一个,但是有时候生活的现实会让人很无奈的,
不是顶级的学校其科研实力往往会让人很失望,
所有有些人往高点的地方站的时候想有所作为,
但是没好的老师带,没相应的科研设备,又没有好的科研气氛
说实话,即使一个人当初多么有斗志,斗气多么高,
如果气氛不对环境不对,人是很容易消沉的。
oec2003
2009-05-29
打赏
举报
回复
支持
使用Visual Studio2022+.Net网站开发
形成了总体认识,就能够更有
目的地
学习
asp.net core。本课程将分几个部分来讲解asp.net core的方方面面。首先,讲解asp.net core的应用模型,细致探讨了MVC模型、控制器和视图部分,并对Razor语法进行了介绍。最后,...
学习
大数据都有哪些就业方向?
大数据都有哪些就业方向?想要
学习
或者正在
学习
大数据的同学可以看过来了,整理了大数据需要的以下六类人才,可以根据自己的兴趣进行有
目的地
学习
。 1、大数据系统研发工程师 这一专业人才负责大数据系统研发,包括大规模非结构化数据业务模型构建、大数据存储、数据库构设、优化数据库构架、解决数据库中心设计等,同时,还要负责数据集群的日常运作和系统的监测等,这一类人才是任何构设大数据系统的机构都必须的...
网约车需求预测文献阅读笔记(一)《基于图卷积的出发地—
目的地
矩阵预测:旅客需求建模的新视角》
文献阅读笔记:《基于图卷积的出发地-
目的地
矩阵预测:旅客需求建模的新视角》摘要现有研究不足研究挑战(难点)本文的贡献准备工作定义1:格子定义2:时间片定义3:OD矩阵模型方法空间维度:网格嵌入法(一)地理邻居(二)语义邻居时间维度:多任务
学习
(一)periodic-skip LSTM(二)主要任务:预测OD需求矩阵(三)两个子任务:预测出发地需求和
目的地
需求数据集实验结果 摘要 1、 起点—终点矩阵预测,及进行OD需求矩阵的预测,OD需求矩阵的预测比一般的需求预测更加具有挑战性,不仅要求预测一个地区的需求量
机器
学习
——深度
学习
(Deep Learning)
Deep Learning是机器
学习
中一个非常接近AI的领域,其动机在于建立、模拟人脑进行分析
学习
的神经网络,最近研究了机器
学习
中一些深度
学习
的相关知识,本文给出一些很有用的资料和心得。Key Words:有监督
学习
与无监督
学习
,分类、回归,密度估计、聚类,深度
学习
,Sparse DBN,1. 有监督
学习
和无监督
学习
给定一组数据(input,target)为Z=(X,Y)。有监督
学习
:最常见的是r
有监督
学习
、无监督
学习
、半监督
学习
和强化
学习
的总结
机器
学习
是数据分析和数据挖掘中一种比较常见且有效的方法,机器
学习
分为四大类,分别是有监督
学习
、无监督
学习
、半监督
学习
和强化
学习
。 1.有监督
学习
概念:将包含特征和标签信息的样本作为训练样本,通过训练样本训练得到一个最优模型,再利用这个模型将所有的输入映射为相应的输出,对输出进行简单的判断从而实现预测和分类的目的,也就具有了对未知数据进行预测和分类的能力。 常见算法:分类算法(KNN、朴素贝叶斯、SVM、决策树、随机森林、BP神经网络算法等)和回归算法(逻辑回归、线性回归等)。 应用场景:分类和回归
community_281
590
社区成员
254,055
社区内容
发帖
与我相关
我的任务
community_281
提出问题
复制链接
扫一扫
分享
社区描述
提出问题
其他
技术论坛(原bbs)
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章