最近看到的工做要求

 

領域	要求	分析
系統設計	大規模系統開發和設計經驗
前沿技術	-熟悉大規模數據挖掘、機器學習、分佈式計算等相關技術，並具有多年的實際工做經驗   -具有大規模推薦系統的研發經驗(推薦算法設計和實現/推薦系統評估方法研究)   -具有天然語言處理、信息過濾、主題提取、分類聚類、個性化用戶建模、文本挖掘等相關領域知識   -具有機器學習理論、算法的研究和實踐經驗   -具有分佈式相關項目研發經驗（如分佈式存儲/分佈式計算/高性能並行計算/分佈式cache等）   -具有搜索引擎、廣告投放、反做弊相關技術的知識和經驗    有高併發開發經驗   高性能計算（並行訓練平臺（GPU集羣） mpi、gpu ）
基礎	熟悉C/C++語言編程，   熟悉網絡編程、多線程編程技術   -良好的邏輯思惟能力，和數據敏感度，能可以從海量數據中發現有價值的規律
技術熱情	-優秀的分析和解決問題的能力，對挑戰性問題充滿激情
團隊	-良好的團隊合做精神，較強的溝通能力
領導力	-良好的技術領導能力，有能力開闢一個技術方向，帶動和引導一個技術方向的規劃、研發

 

 

 

 

前段，全站

 

領域	要求	分析
前端技術	react+redux   backbone   currying   reactive編程，以爲挺有意思，特別是rxjs和vertx   Threejs D3.js esprima.js jison   WebVR、WebGL、Three.js	又是 reducer，又是action，各類promise，加上又開始用es6和函數式編程。 數據流。
開發工具	Vscode	eslint，vim，react redux snippet和 autoimport的插件
語言	Node.js / Python / Java / PHP / Ruby
JavaScript frameworks	React.js / Vue.js / AngularJS
其餘	designing APIs and optimizing frontend performance

122

機器學習該怎麼入門

 

                               

機器學習實戰	合喜歡Coding的小夥伴，從代碼的角度講述，機器學習要學習的東西和項目，而且使用的是Python，很是簡單。
機器學習	1.) 機器學習基礎 2.) k-近鄰算法 3.) 決策樹 4.) 基於機率論的分類方法：樸素貝葉斯 5.) Logistic迴歸 6.) 支持向量機 7.) 集成方法-隨機森林和AdaBoost 10.) 使用K-均值聚類算法對未標註數據分組:k-means聚類 11.) 使用Apriori算法進行關聯分析 12.) 使用FP-growth算法來高效發現頻繁項集
深度學習，進階
NLP
CV
大數據	Hadoop，hive，spark，。。