美的MB6001白参数
声明：仅供参考，以当地实际销售信息为准
产品类别：
洗涤容量：
控制方式：暂无数据
显示屏：暂无数据
能效等级：
洗净比：暂无数据
抗菌类型：暂无数据
超静音：暂无数据
保修政策：
全国联保，享受三包服务；质保期为1年
（整机1年，主要部件包修3年）
客服电话：
400-889-9315
（24小时电话服务）
具体内容：
美的洗衣机整机包修1年，主要部件包修3年。售后服务由品牌厂商提供，支持全国联保，可享有三包服务。如出现产品质量问题或故障，您可查询最近的维修点，由厂商的售后解决。也可凭厂商维修中心或特约维修点所提供的质量检测证明，享受7日内退货，15日内换货。超过15日又在质保期内，可享受免费保修等三包服务政策。
电源及其他
555×575×910mm
洗衣机附件
全国联保，享受三包服务
整机1年，主要部件包修3年
400-889-9315
24小时电话服务
美的洗衣机整机包修1年，主要部件包修3年。售后服务由品牌厂商提供，支持全国联保，可享有三包服务。如出现产品质量问题或故障，您可查询最近的维修点，由厂商的售后解决。也可凭厂商维修中心或特约维修点所提供的质量检测证明，享受7日内退货，15日内换货。超过15日又在质保期内，可享受免费保修等三包服务政策。
>> PART:DetailVer3/Part/Detail/AdZPlusGoods >>> -->联系人：邓先生
公司名称：
供应GE多种PLC
最近被加入的企业
名片夹还没有企业信息，赶紧查看企业联系方式加入吧！
『常州凌胜自动化科技有限公司』的联系方式为，1，联系人：邓先生
PLC优质精品供应商推荐
认证信息：认证企业
品牌：MITSUBI/三菱
型号：FX1S-14MR-001
结构形式：整体式
安装方式：电话咨询
LD指令处理器：硬PLC
I/O点数：14
功能：来电咨询
工作电压：22O
输出频率：50/60
处理速度：欢迎咨询
程序容量：欢迎咨询
数据容量：联系卖家
产品认证：联系卖家
环境温度：联系卖家
环境湿度：致电咨询
加工定制：否
外形尺寸：致电咨询
重量：致电咨询
认证信息：认证企业
品牌：威泰斯
型号：1212MT
结构形式：整体式
安装方式：电话咨询
LD指令处理器：软PLC
I/O点数：1212
工作电压：220V
输出频率：50
处理速度：200
程序容量：电话咨询
数据容量：电话咨询
产品认证：来电咨询
环境温度：来电咨询
环境湿度：来电咨询
加工定制：是
外形尺寸：致电咨询
重量：致电咨询
认证信息：认证企业
品牌：GE型号：多种型号品牌结构形式：模块式安装方式：其他LD指令处理器：其他I/O点数：中型256~2048点功能：1工作电压：1V输出频率：1Hz处理速度：1μs
以上是供应GE多种PLC的详细介绍，包括供应GE多种PLC的价格、型号、图片、厂家等信息!
联系人：邓先生( 我公司专业代理全球知名工控、配电、轴承等产品，集科、工、贸于一体，是全国最大的自动化工程公司之一 ) 公司： 常州胜凌自动化有限公司电话：8传真：8-12手机：1391508...
商机库包括所有采购、招标信息的汇总
与供应GE多种PLC相关的产品信息
供应GE多种PLC产品相关搜索
最新PLC/可编程控制系统产品
按排行字母分类：
*联系电话：
*短信验证：
允许同品类其他优质供应商联系我友情邀请 ?&br&&br&试着妄谈一下，已更新完毕。&br&&br&发了答案后，与题主 &a data-title=&@半相妨& data-editable=&true& class=&member_mention& href=&//www.zhihu.com/people/5c5117350acce514ab8a8a36b9256d78& data-hash=&5c5117350acce514ab8a8a36b9256d78& data-tip=&p$b$5c5117350acce514ab8a8a36b9256d78& data-hovercard=&p$b$5c5117350acce514ab8a8a36b9256d78&&@半相妨&/a& 做了交流，得知问题久远，目前他已经进行到开始搭建课题理论框架的阶段。问题已经修改，但原问题做了保留，我也保留了原答案，重点在第二部分后半部分和第三部分。&br&&br&题主 &a data-title=&@半相妨& data-editable=&true& class=&member_mention& href=&//www.zhihu.com/people/5c5117350acce514ab8a8a36b9256d78& data-hash=&5c5117350acce514ab8a8a36b9256d78& data-tip=&p$b$5c5117350acce514ab8a8a36b9256d78& data-hovercard=&p$b$5c5117350acce514ab8a8a36b9256d78&&@半相妨&/a& 也阐述了他对学术中逻辑思维的看法，大家不妨看看他的答案。&br&&br&&br&===========================&br&&br&鉴于题主还是博一，开题报告（thesis proposal）还没做，不深入讨论“博士如何做科研/写论文”这个话题，入门者会在逐渐深入研究的过程中，找到科研的感觉，掌握学科的研究范式，然后总结出适合自己的思维方式与科研节奏，构建自己的科研工作模式。&br&&br&多与同门、同专业、同院系的前辈做交流，可以实时了解本校/本院的规则、实情与动态，有助于顺利毕业。导师往往不能实时了解学院与学校在规则上的变化，因为规则影响顺利毕业，绝对打击科研热情。&br&&br&答案分三部分：&br&&ol&&li&关于开题报告&/li&&li&解答三个问题&br&&/li&&li&我对“逻辑化的思维模式”的解读（主要围绕学术研究展开）&br&&/li&&/ol&&br&&u&&b&第一部分：关于开题报告&/b&&/u&&br&&br&&b&首先，修正下题目中“优秀”的提法。&/b&&br&&br&一般来讲，论文/课题的“优秀”与否很大程度上是由其创新性、突破性与前沿性决定的。一个突破性的科研结果即使行文不那么漂亮、逻辑不那么清晰，只要模型、论证与结果没有错误，就是优秀甚至杰出的。如果是为了追求学校每年“优秀毕业论文”的评选，除非与前者重合，否则这个跨专业海选的“优秀”在学术上没有多大意义。&br&&br&另外，“优秀”实在是不好定义且难以衡量的，与其追求一种空泛的标准和境界，不如踏踏实实地做好最基础的：&b&合格&/b&。&br&&br&理论上，我认为 “合格”至少指 ——&br&&ul&&li&&b&符合导师的要求&/b&：与导师的研究方向、学术计划、要求严格与否等因素有关。比如有的导师放任你在专业范围内做你想做的题目，有的给你指定方向，有的要你延续他的工作。有的要求严格，题目至少能发几篇SCI/EI，有的没那么严格，工程/应用方案也行（一般工程/应用方案适合硕士）。&b&搞清楚导师的底线与期望&/b&，这与延期与否关系很大。&/li&&li&&b&符合学院与学校的要求：&/b&这二者一般是统一的，开题报告、中期汇报和毕业论文答辩是记录在册的，都会有统一格式的表格，以及对相应过程的要求。提前把程序与要求弄明白，免得遗漏一些手续/材料。我知道不少人总是事到临头问学院秘书，闹格式不符或者缺材料的乱子。&/li&&li&&b&符合所发期刊/学术会议的要求：&/b&这个一般与学校与导师的要求是独立的，不冲突。最好提前研究清楚未来你想投稿的目标期刊的投稿须知，早早练习以学术界的正规格式写研究报告和paper。&/li&&li&&b&符合其它要求：&/b&比如有的科研项目是公司资助的，公司可能会有专利权、实验生产以及商业化的要求。有的学生不是脱产的，原单位可能还会有特殊要求。&/li&&li&&b&符合自己的要求：&/b&你对自己的定位，是否走科研之路，因为混博士的人不少，也能混出来。决定走科研学术之路的，最好选择可以一直延续做下去的方向，某些容易跨界的基础学科以及牛人不在此列。&br&&/li&&/ul&&p&先做到符合基本要求，再追求水平的提高；先做到满足开题、中期、答辩的基本条件（保证顺利毕业），再谈你的科研工作的延续性与长久性。&/p&&br&&p&用我老板的话说：先搞清楚毕业的规则，在保证顺利毕业的基础上，追求学术成就。&/p&&br&&b&其次，来说开题报告。&/b&&br&&br&我认为开题报告更不需要用“优秀”来衡量。&br&&br&事实上，如果开题委员会的专家问了你很多问题、给出你很多意见，对你而言是好事。当然，如果整个idea行不通，就是失败，意味着你必须要重新选题。但是正常情况下，导师是不会任由行不通的idea走到开题那一步的。中期换题的事情也经常发生，因为开题毕竟&b&只是你的“科研计划”&/b&，是对“还没有人做过的课题或还没有人用过的方法”的一种构想，深入研究后发现此路不通是正常的。&br&&br&有的课题相当具有挑战性和前沿性，在座专家也是持研究与观望态度的，建设性意见就多，反对通过开题的意见就少。如果是在座专家熟悉的领域而担心准备不足不能顺利通过开题，就要格外在增强“&b&说服力&/b&”上下功夫。这不是说其它情况下不需要有强说服力——科研观点有越强的说服力越好，本处只是特指针对科研入门者的策略。&br&&br&说服力的问题放到第二部分讨论。&br&&br&关于开题报告的形成，题主 &a data-title=&@半相妨& data-editable=&true& class=&member_mention& href=&//www.zhihu.com/people/5c5117350acce514ab8a8a36b9256d78& data-hash=&5c5117350acce514ab8a8a36b9256d78& data-tip=&p$b$5c5117350acce514ab8a8a36b9256d78& data-hovercard=&p$b$5c5117350acce514ab8a8a36b9256d78&&@半相妨&/a& 其实已经理清了思路，总结如下——&br&&ol&&li&做了哪些调研，最终定位在哪个open question 上 （方向）&br&&/li&&li&这个open question 中，确定的研究对象是什么 （课题）&br&&/li&&li&对这个topic做到何种程度/做出何种结果有什么预测（目的）&br&&/li&&li&根据参考文献和已有知识，准备怎么研究（思路）&/li&&li&如何保证你的思路导向结果（方法与步骤）&br&&/li&&/ol&那么开题报告，就是把以上内容&b&具体、清晰的表达出来（这个其实很难的）&/b&，接受你自己、导师和委员会的推敲。一般来讲，学校都有表格（题目、选题缘由、文献综述、主要内容、目的和意义、思路与方法等等），按要求填写即可。这个模式就是帮你整理学术论文思路、构建论文结构与逻辑过程的 —— 这个过程也教你如何从“外部”“逻辑化”你的报告。&br&&br&在开题结束之前，你至少要面对两个对象：导师和开题委员会。如果你不能将自己看了文献后有何收获、想做哪个课题、计划做到何种程度、目前有哪些思路、感觉哪些思路也可行等向导师表达清楚，他是没有办法指导你的。&br&&br&我认为，入门者常犯的错误有——&br&&ul&&li&文献阅读量远远不够（却觉得读了很多）&/li&&li&核心文献远远没有吃透（却以为彻底搞懂了）&/li&&li&只注重文献内容，而忽略了文献本身在理论体系构建、研究思路、逻辑的内在与形式表达上的可学习性&/li&&li&抱怨导师给的指导不够或者导师的指导太模糊（导师就是要引导/逼你学会“钻研”，他都帮你做了，那是他读博还是你读？）&/li&&li&忽略基础知识 （因为早就学过了。试着新的高度去看基础知识吧，估计不少考研的同学对反复学习基础课本的收获最有体会）&br&&/li&&/ul&&b&我感觉，只是感觉&/b&，题主描述的”被导师揪出思维逻辑不紧密“的问题，大概是导师认为你不能清楚、有序的表达上述方面的内容。通俗的讲，不管你脑子里是不是清楚，你无法清晰、准确、有条理的讲出来（而不是用something），他才有那种评价。&br&&br&那么，我想建议题主思考下：&br&&ul&&li&能否准确复述你读过的重要文献的主要内容&/li&&li&能否将上述内容用自己的话简练概括出来&br&&/li&&li&能否清楚、无误地描述自己想做的课题&/li&&li&能否清晰、准确地描述自己的思路（不管对错）&/li&&li&能否用通俗的语言给非专业人士讲清楚你所做的研究的意义与用途&br&&/li&&/ul&为了尽可能排除非母语表达造成的思路延滞，把以上问题换成写呢？&br&&br&当上述问题的答案都是“yes”，不妨再问问自己：你确定？真的确定？而不会被别人一个疑问问得支支吾吾解释不了？别骗自己哦！&br&&br&做开题报告，一般使用PPT。如果说写开题报告是&b&“加”&/b&的过程，做PPT就是&b&“减”&/b&的过程，是你对课题再一次的梳理。务必不要累赘，只列举要点与图示，依靠语言描述内容。这一点很重要，流利的表述（甚至盲讲）是“有说服力”的一个表现，可以增加印象分。这会给开题委员会一个印象：你对所研究的工作很熟悉，前期工作做得透彻。&br&&br&实际上，你也要对开题内容十分熟悉，熟悉到正着、反着、倒着、变相地问，都能够对答如流。熟练到你的题目可以自如的展开，也可以自如的收拢 —— 变为NP=P这种精炼的程度最好。&br&&br&开题的准备工作中，很重要的一项内容就是，模拟委员会的提问，精心准备答案。&br&&br&备用答案越多越好。&br&&br&在我的经历中，开题常见问题如下——&br&&ul&&li&为什么会选这个题（而不是其它的，比如相关但是更热门的方向）&/li&&li&这个方向的国际性进展如何（确保别人不会比你先做出来）&/li&&li&这个课题的意义是什么（衡量课题够不够博士学位的分量）&br&&/li&&li&你为什么要采用这样的思路/方法/技术（没有更优的方法了吗）&/li&&li&你的创新性在哪里（为什么比已有结果先进）&/li&&li&你试过其它思路/方法/技术吗 （万一做不下去怎么办）&/li&&li&等等&/li&&/ul&你可以通过反问来推敲开题报告——&br&&ul&&li&我的题目是不是太大（小），超过了（涵盖不了）研究结果？&/li&&li&主要文献支撑得住我的题目吗？&/li&&li&Plan B是不是比Plan A好？&/li&&li&思路与方法契合吗？&/li&&li&目前设计的步骤能达到论证/实验目的吗？&/li&&li&课题体系中出现引用的关键定理/结果不适用的情况怎么办？&/li&&li&等等&br&&/li&&/ul&中期、毕论同理，但是相应环节的问题比开题都要深入和具体。&b&&br&&br&检验报告的关键字：抠！&br&&br&&/b&&b&抠字眼，抠顺序，抠逻辑，抠一切细节！&br&&br&&/b&将课题主体拆分到元素 —— 最小元素，即不能再拆分（姑且命名为：元元素）为止。&br&&br&为什么不用“元问题”呢？因为在学术研究中，经常要定义新术语、新符号、新逻辑关系、新性质、新定理，拆分到“元问题“远远没有到达研究的底层。&br&&br&这个过程，就是一种逻辑思维的训练（分析与抽象）。&br&&br&&u&&b&第二部分：三个问题&/b&&/u&&br&&br&&ul&&li&题主的问题：&b&心中有抽象的概念，却无法清楚表述，表述出来会让人误以为是其它概念&/b&&/li&&/ul&不清楚这里“抽象”的具体含义是什么（有多抽象），是指类似基础数学的纯形式研究形态吗？还是其它的什么？讲述“抽象”的时候，是否就停在了“抽象”这个层面呢？要知道，“抽象”也是丰富而有层次的（数学里一抓一把）。有没有试过找找“抽象当量”，将其简化和具体化？&br&&br&以上又是思维的训练（分析，比较，归纳，综合）。&br&&br&大致分析下造成这个问题的原因：&br&&br&A. 没有吃透这个抽象的概念：“它”为什么是“它”，性质是什么，为何要存在，它与近似概念（如那些其他人误以为的其它概念）的区别是什么，它在课题体系中的位置与作用是什么；&br&B. 由于研究没有足够深入，所以A里的内容暂时吃不透；&br&C. 省略了必要条件，导致别人对概念误读。&br&&br&针对A的前三点，一个练习方法：给这个概念一个定义，如果反过来就是这个概念的本质特征，那么这个定义上在&b&数学上是完善的&/b&，意味着定义的完备性与逻辑性过关。剩下的工作就是斟酌用字，力求准确（多问&够precise&了吗）。回头我用离散数学/图论的例子解释下，因为离散数学涉及符号语言、图形语言、逻辑语言等不同语言。&br&&br&针对B和A的最后一点，至少两个方案：1）议暂且将这个概念跳过，带着对这个概念的诸多问题进行下一步研究，然后再在新增的条件下分析与思考这个概念；2）是否可以拆分成更小的“概念”，通过二次甚至三次定义来描述？&br&&br&针对C，养成完整陈述问题、概念的习惯。条件一变，结论就要变，理所当然不得，尤其对熟悉学科内容的内行人，会从成立条件上首先质疑你的结果。拿数学举例，复变函数的极限与连续性就是把实变函数的推导重新来一遍。&br&&br&&ul&&li&知友王超的问题：请问&b&论文创新点&/b&怎么想到的啊
&/li&&/ul&学术上的创新点，简单讲，包括三个方面：理论创新、结果创新和方法创新。实践中，可以是以上三方面的原创创新，可以是通过改变初始条件重新研究已有的成果、可以将现有成果应用到其它领域中、可以改进现有的算法、可以扩展已有的算法、方案，不一而足。概括起来，就是别人没有做过或者别人还没有做出来的东西。&br&&br&如果是学生论文，要注意必需符合专业要求。举个例子，复旦大学有篇博士学位论文叫《言语幽默的图论模型》。作为英语语言文学类的博士课题，没有问题，作为数学系的博士课题，就不行。&br&&br&&ul&&li&第一部分的遗留问题：&b&开题报告的说服力&/b&&/li&&/ul&在时间充足的条件下，如果特别担心开题报告的说服力，那说明文献工作与选题工作都做的不太好。委员会考察你是否具有科研能力的基本参照物是你的开题报告。理论上，你有足够时间将开题报告写得规范、清晰、有条理（逻辑清晰），况且，开题报告是要先过导师那一关的。&br&&br&因此，开题报告的说服力首先且基本来源于合格的开题报告以及你的回答。这个问题又回到第一部分的讨论，再加上与导师的沟通——沟通的良好程度与导师的帮助程度成正比。&br&&br&假如真的遇到极端情况，终极一招：&b&强词夺理，自圆其说&/b&。&br&&br&这是学术很厉害的人告诉我的。&br&&br&论文答辩的时候也适用。&br&&br&我来分析下可行性（记住：你做的是&b&别人还没有做过或还没有做出结果的课题&/b&，而且是&b&博士学位课题&/b&）：你面对一群专家，有的甚至是你方向的大牛，他们如果知道怎么做，这课题几乎就轮不到你来做；他们如果知道你的思路行不通，会直接告诉你，而你的导师不会在开题前把不了这个关的；那么就剩他们也不知道怎么做的情况——所以只要你开题报告中的内容只要能自圆其说（没有自相矛盾、致命错误甚至重大遗漏），就成功了。&br&&br&万一疏忽了呢？&br&&br&自圆其说！（即自圆你的逻辑）&br&&br&事实上，在你深入研究课题之后，开题报告中的很多东西都要变化—— 甚至是研究内容，中期报告就是给你机会阐述进展、阶段成果以及变化的。所以，开题报告中，未来研究中细节的东西可以暂时“粗”着。比如，概念的名字必需的话就先起一个，后面再改，定义没有确定就先粗略描述，专家询问以解释作答（只是举例，具体情况各校各专业大不同）。你需要至始至终都在你的系统里阐述和回答问题，尽量不要由于专家提问给了你灵感而临时扩展原有内容。&br&&br&我认为，如果按照第一部分中讨论的那样做足准备，开题报告不会缺乏说服力。&br&&br&&u&&b&第三部分：我对“逻辑化的思维模式”的解读&/b&&/u&&br&&br&先大致限定下我谈的逻辑与思维模式——&br&&ul&&li&逻辑：有根据的推理（reasoning）及其使用。&br&&/li&&li&思维模式：即思维形式，思维内容的组成和表达方式。（金岳霖）&/li&&/ul&“逻辑”还真不好定义，扯到哲学和逻辑学又把简单问题复杂和抽象化了，而其它大多数定义在我看来只是“概念”。不过但凡读到博士的同学，必有专业背景，且也已做过学术研究，对逻辑的认识与逻辑思维能力不会太差，觉得差，只是学术课题还没有顺利进展开。&br&&br&“有逻辑”的一个直观例子，就是“定义”—— 揭示事物特定属性的逻辑方法。“概念”也是描述事物及其属性的，但它不要求有逻辑（所以不一定有逻辑）。如果是按照“定义”的要求描述事物，本身就具有了逻辑性。&br&&br&”定义“在科研中很重要，最好的学习模板在我看来就是数学与物理中的各种定义。中文、英文仔细揣摩研究，看形式与内容上是如何满足定义三要素的。我学图论的时候（这门课很多时候都不需要数学符号和表达式，而是用词语描述，相当考验语言功力），有位当过三年大学老师的师兄，在写一个他课题中的定义时，被导师在黑板上挂了20分钟。最后还是没写合格，只不过浪费大家时间被导师暂时放过了，此后闷头死磕课本和文献的字眼。&br&&br&再重复一遍，多数同学在博士第1-1.5年都看得不够多、不够透、不够细，想得不够深入与本质，喜欢好高骛远而忽视了用基础性的东西夯实自己学术体系的根基。&br&&br&学术研究中“&b&有逻辑&/b&”指什么， &a data-title=&@半相妨& data-editable=&true& class=&member_mention& href=&//www.zhihu.com/people/5c5117350acce514ab8a8a36b9256d78& data-hash=&5c5117350acce514ab8a8a36b9256d78& data-tip=&p$b$5c5117350acce514ab8a8a36b9256d78& data-hovercard=&p$b$5c5117350acce514ab8a8a36b9256d78&&@半相妨&/a& 已经点到核心了：&br&&br&&blockquote&有逻辑的：便是说我的一切陈述都必须有相当的证据依托。一个陈述，必须是由某个事实层层推理递进所得出。每陈述一个事物，必有其原因，有其意义。&/blockquote&&br&总结起来，就是：描述与论证有理有据，环环相扣，得出正确/有道理的结论。而严谨，在我看来，是“有逻辑”的必然结果。因为，真正做到“有逻辑”，必然要求一个人格外注意细节（因为这是最容易想当然的部分）。&br&&br&这里，我认为还需要注意以下几点：&br&&ol&&li&永远注意整个理论框架的边界条件，这是保证逻辑建立的假设正确的前提。假设错了，逻辑再完美，研究结果甚至整个理论体系都是错的。&br&&/li&&li&事物的自有逻辑（假设有，其实不一定有）不一定一定可以被我们正确的发现和认识，学术研究的过程，就是你认识、发现这个逻辑、甚至构建一套认识与发现其自有逻辑的逻辑解释过程。前者与发现事物内在规律一样好理解，后者的意思是，科研中的逻辑追求的是“你如何合理地解释或证明你的结论“，这也是上文”自圆其说“的含义。真理是个黑匣子，我们可以从各个角度去接近它而同样具有逻辑，同样严谨。&/li&&li&“有逻辑”不意味着你的论文或报告容易被听懂，所以别用别人听不听得懂衡量有无逻辑性。“有逻辑”只表示你始于术语与假设，从这些&b&正确地&/b&过渡到定理、算法、methods以及其它结果。“有逻辑”只是保证你每一步都是正确的，不保证你可以解释依据和动机。所以，你还要学会利用其它手段——比如举例——来说明逻辑性解释不了的东西。&/li&&li&通常的逻辑系统都是“线性”的，或者企图“线性化”对象，试着扩展已有的逻辑思维模式，尤其是发散性思维。我认为发散与有逻辑并不相悖。&br&&/li&&/ol&&br&以上不少都是废话，大家都心知肚明，培养以及更好的塑造逻辑思维才是我们孜孜不倦追求的目标。百度百科里说，逻辑思维要用到概念、判断、推理等思维形式和比较、分析、综合、抽象、概括等方法，但我认为这不够本质和基础。&br&&br&&b&逻辑思维的核心问题就是分析能力&/b&，训练自己的分析能力，能有效锻炼逻辑思维能力。&br&&br&分析不是简单的考察一下，而是一系列考察与认知过程 —— 将研究对象分割，按照部分、因素和层次等分别加以考察。分析与思考往往是同行的，学术研究中二者有时不分。&br&&br&想想逻辑学课本里讲的概念与判断，哪个不是在阐述如何分析一个对象？比较、综合、抽象和概括，哪个不以分析为基础？归纳与演绎，是一系列分析过程的综合。前文提到的“元元素”，就是一个将问题分析到最微小的概念，你在这个分析（拆分）的过程中，才能搞清楚每一个元素的定义、含义、性质以及在体系中的位置、作用与意义，这样反过来，你才能更有效的进行比较、抽象、归纳和演绎。&br&&br&分析的过程也是探究对象自有规律以及规律间逻辑的过程，如果发现了其间逻辑，你的逻辑自然而成，如果没有发现，那么，所有的细节会更好的帮助你思考如何将各个点逻辑化，或者，帮助你将逻辑从个别点扩展到整体。最终的学位论文以及paper，整体上，就是在写你的分析过程。&br&&br&再拿 Critical Thinking来说明。&br&&br&下面是B.N.Moore 和 R.Parker所著 Critical Thinking第九版前两章的目录，大家可以根据目录推断下对应内容是什么，如何阐述：&br&&blockquote&Chapter 1 Critical Thinking Basics 1&br&What Is Critical Thinking? 2&br&The Basics: Claims, Issues, and Arguments 5&br&Claims 6&br&Issues 6&br&Arguments 10&br&What Arguments Are Not 11&br&Further Confusions 12&br&Arguments and Explanations 12&br&Arguments and Persuasion 13&br&Two Kinds of Good Arguments 14&br&Deductive Arguments 14&br&Inductive Arguments 14&br&Recognizing Arguments 15&br&The Two Parts of an Argument 15&br&The Language of Arguments 15&br&Other Terms and Concepts 16&br&Truth 16&br&Knowledge 17&br&Value Judgments 17&br&Extraneous Considerations: Logical Window Dressing 19&br&Chapter 2 Two Kinds of Reasoning 41&br&Arguments: General Features 41&br&Conclusions Used as Premises 42&br&Unstated Premises and Conclusions 43&br&Two Kinds of Arguments 44&br&Deductive Arguments 44&br&Inductive Arguments 45&br&Beyond a Reasonable Doubt 48&br&Deduction, Induction, and Unstated Premises 48&br&Techniques for Understanding Arguments 50&br&Clarifying an Argument’s Structure 51&br&Distinguishing Arguments from Window Dressing 53&br&Evaluating Arguments 54&/blockquote&&br&可以看出，这门课讲得非常细（即元素拆分得细），而像我们熟悉的概念如 claim，issue和 argument，也要重新定义（重新分析其构成要素以及独特属性以明确概念），课程布局与一般课本一样，由浅及深，由基础到上层。&br&&br&这种结构仅仅是因为课本就这么写吗？ 如果让你写 Critical Thinking 的课本，你会将它拆分成哪些内容？有这么细致吗？没有这么细致，仅仅是因为对这个课题了解不深入吗？那假如把Critical Thinking换成你要做的课题，你会做得更好吗？你可以在相应的位置换上你课题中的相应内容吗？&br&&br&思考留给大家。&br&&br&Critical Thinking 就是指一种逻辑化的思维形式，其相关课程，除了本身传授的知识，课本体系本身就是一个完整的通过分析展示有逻辑的思维模式的内在与外化。有的课程偏古典逻辑学，有的课程偏日常实用性，对学术研究来说启发性不大。&br&&br&对学术研究和写作最有启发性的是ISO的几个标准，那里面没有废话、没有重复内容、却要涵盖很多行业，结构与调理清晰，逻辑性与严谨性算是无以伦比的。IEEE的标准也写得好，不过有点窄而且读者很容易被内容吸引走了。&br&&br&题主的答案里还提到 intuition和creative thinking。直觉本质上与各行业富有经验的人所形成的职业直觉一样，就是那种一看就本能地识别一个方向哪里未完善进而产生idea或条件反射性地判断一个idea大致走向与结果的机制。创造性思维本质上就是要敢于大胆假设条件、大胆设计试验、大胆猜测结果。&br&&br&面对一个问题，我认为只要 works的思维和方法就是可取的，不管它叫什么。融入到研究中，意思就是：可以不考虑逻辑性而使用力所能及的各种思维方式和方法力图深刻理解问题和解决问题，但在成果发表中，一定要有逻辑。&br&&br&至于如何训练分析能力，笨办法，在不断稳固基础知识的同时多进行有效思考，多给自己提有效问题。“有效”是指，基于对专业概念的清晰了解，不是自以为高大上的乱开脑洞。&br&&br&就写到这里吧。&br&&br&最后，给大家轻松一下。&br&&br&去年圣诞期间“科学美国人”网站有篇博客—— “The Messy Minds of Creative People”，开头就来了句：“Creativity is a Messy Process& ，一下戳中我笑点。&br&&br&做论文也是创造的过程，经常像独自一人置身于荒漠，在构造一个别人不懂的东西，折腾了好久，终于理解得很深刻了，动笔将整个过程写了出来，并且很有逻辑性，但你不解释没几个人懂。&br&&br&放上文中两张图，与学子们共勉，不要轻易气馁。&br&&br&&figure&&img data-rawheight=&680& data-rawwidth=&1024& src=&https://pic4.zhimg.com/5d871caad18a96f7bdb2a2b36d80c07f_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&https://pic4.zhimg.com/5d871caad18a96f7bdb2a2b36d80c07f_r.jpg&&&/figure&&figure&&img data-rawheight=&935& data-rawwidth=&1024& src=&https://pic1.zhimg.com/25a5befa0cea2d8ef9e030d_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&https://pic1.zhimg.com/25a5befa0cea2d8ef9e030d_r.jpg&&&/figure&
友情邀请 ? 试着妄谈一下，已更新完毕。 发了答案后，与题主
做了交流，得知问题久远，目前他已经进行到开始搭建课题理论框架的阶段。问题已经修改，但原问题做了保留，我也保留了原答案，重点在第二部分后半部分和第三部分。 题主
&p&机器学习是计算机科学的一个子领域，在人工智能领域，机器学习逐渐发展成模式识别和计算科学理论的研究。从2016年起，机器学习到达了不合理的火热巅峰。但是，有效的机器学习是困难的，因为机器学习本身就是一个交叉学科，没有科学的方法及一定的积累很难入门。&/p&&p&本文通过系统的分析上百篇翻译博客，制成了机器学习必备手册，本手册一定会帮助你走向你自己的“人生巅峰”。手册包含如何入门机器学习，机器学习流行算法，机器学习实战等等。&/p&&p&&b&一．机器学习入门篇：&/b&&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/33114/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&1．让你少走弯路：这有一份开展机器学习的简短指南&/a&&/p&&p&摘要：本文分享了一份简单的关于开展机器学习的心得体会，目的是给初学者提供基本的指导，主要讲解了建立系统、选择合适的评价指标、数据处理、系统优化等内容，帮助初学者少走一些弯路。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/30548/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&2. 机器学习的入门“秘籍”&/a&&/p&&p&摘要：机器学习已经成为当下最火热的技术之一，对于初学者来说，如何快速入门机器学习是至关重要的。本文属于入门级宝典，高手请绕道！&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/33117/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&3. 会玩超级玛丽，机器学习能有多难？&/a&&/p&&p&摘要：小白也能看懂机器学习？这篇文章用超级玛丽的原理教会你，到底什么是机器学习，让尖端科技不再艰深难懂。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/28353/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&4. 机器学习能为你的业务做什么？有些事情你肯定猜不到！（机器学习入门第一篇）&/a&&/p&&p&摘要：机器学习是一项令人难以置信的技术，你需要了解很多很多的基础知识，以使得业务功能尽可能的不受复杂算法的影响，让你能够提出正确的问题、了解机器学习模型开发过程、成立一个团队以促进学科间的不断合作，而不是把数据科学视为一个产生奇迹的黑匣子。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/28580/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&5. 关于机器学习算法 你需要了解的东西（机器学习入门第二篇）&/a&&/p&&p&摘要：对学习算法进行分类是基于构建模型时所需的数据：数据是否需要包括输入和输出或仅仅是输入，需要多少个数据点以及何时收集数据。根据上述分类原则，可以分为4个主要的类别：监督学习、无监督学习、半监督学习和强化学习。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/29000/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&6. 如何开发机器学习模型？（机器学习入门第三篇）&/a&&/p&&p&摘要：创建一个优秀的机器学习模型跟创建其他产品是一样的：首先从构思开始，把要解决的问题和一些潜在的解决方案放在一起考虑。一旦有了明确的方向，就可以对解决方案进行原型化，然后对它进行测试以确定是否满足需求，不妨看看本文是如何一步一步实现的。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/33119/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&7.如何高效运作机器学习团队（机器学习入门第四篇）&/a&&/p&&p&摘要: 一个“传统”的产品团队由设计师、工程师和产品经理组成，而数据分析师有时也会包含在其中，但大多数情况下是多个团队共享这个稀缺资源。在机器学习团队中又会有哪些角色和组织结构呢，本文为你揭晓。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/33121/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&8.机器学习会产生哪些用户体验问题？（机器学习入门第五篇）&/a&&/p&&p&摘要：许多机器学习算法都是黑匣子：输入大量的数据，然后获得一个以某种神秘方式工作的模型。这使得很难向用户解释机器学习的结果。在许多算法中，还存在着交互效应，这使得模型更加难以解释了。你可以把这个看成是特征之间的复合效应，特征之间以多种奇怪而又复杂并且不为人类所理解的方式结合在一起，整体效应大于各个部分效应。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/33122/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&9. 简单自学机器学习理论——引言 (Part I)&/a&&/p&&p&摘要：本篇文章是&机器学习理论&三部曲中的第一部分，主要介绍学习机器学习的动机及基本理论知识，详细介绍机器学习所学习的问题、泛化误差以及学习问题是否可解的公式化表示，为初步研究机器学习的人员介绍了机器学习的基本处理过程。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/33123/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&10. 简单自学机器学习理论—— 泛化界限 (Part II )&/a&&/p&&p&摘要：本篇文章是&机器学习理论&三部曲中的第二部分，主要介绍独立同分布、大数法则及hoeffding不等式等基本数学知识，详细推导了泛化界限及其分解。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/33124/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&11. 简单自学机器学习理论——正则化和偏置方差的权衡 (Part III )&/a&&/p&&p&摘要：本篇文章是&机器学习理论&三部曲中的第三部分，主要介绍方差分解以及目标函数的正则化，通过仿真可以看到，引入正则化项限定了学习问题的解决方案范围。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/19817/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&12. 入门级攻略：机器学习 VS. 深度学习&/a&&/p&&p&摘要：本文以浅显易懂的语言介绍了机器学习和深度学习的定义及应用，以及在源数据要求，硬件支持，特征工程、问题解决方式、执行时间及可解释性等方面的区别，对于新手入门有很大启示意义。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/31266/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&13. 增强学习小白？本文带你入门了解增强学习&/a&&/p&&p&摘要：入门一件新事物总是会有些无从下手的，看了本文希望可以给大家一些帮助和了解。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/33125/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&14.这10本由浅入深的好书，或让你成为机器学习领域的专家&/a&&/p&&p&摘要：机器学习是个跨领域的学科，而且在实际应用中有巨大作用，但是没有一本书能让你成为机器学习的专家。在这篇文章中，我挑选了10本书，这些书有不同的风格，主题也不尽相同，出版时间也不一样。因此，无论你是新手还是领域专家，定能找到适合你的。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/33126/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&15.想知道机器学习掌握的怎么样了吗？这有一份自测题（附答案和解析）&/a&&/p&&p&摘要：人类对于自动化和智能化的追求一直推动着技术的进步，而机器学习这类型的技术对各个领域都起到了巨大的作用。随着时间的推移我们将看到机器学习无处不在从移动个人助理到电子商务网站的推荐系统。即使作为一个外行你也不能忽视机器学习对你生活的影响。本次测试时面向对机器学习有一定了解的人。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/32683/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&16. 送机器学习电子书——(TensorFlow)RNN入门&/a&&/p&&p&摘要：本文作者正在写自己的新书Machine Learning with TensorFlow，这篇博文只是他新书的一小部分，作者用简单的语言介绍了RNN，不用一个小例子介绍了如何使用Tensorflow中内置的RNN模型进行预测。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/33127/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&17. 适合入门的8个趣味机器学习项目&/a&&/p&&p&摘要：还在为找不到机器学习入门练手项目而感到无奈吗？本指南中，将给大家带来8个适合初学者学习的有趣的机器学习项目，简单易学，相信会增添大家学习机器学习的信心。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/33128/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&18. 机器学习快速入门：你必须知道的三大算法&/a&&/p&&p&摘要：每天霸占新闻头条的“机器学习”，想入门，先看懂这三大算法。&/p&&p&&br&&/p&&p&&b&二．机器学习算法篇：&/b&&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/22069/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&1.快速选择合适的机器学习算法&/a&&/p&&p&摘要：机器学习初学者可以通过本文了解如何快速找到合适的机器学习算法。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/33129/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&2.多重角度解读：贝叶斯推理是怎么工作的&/a&&/p&&p&摘要：本文首先介绍了贝叶斯的起源，并利用简单的例子生动形象地讲解了贝叶斯定理是如何工作的，解释了其基本原理以及公式的物理含义。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/33130/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&3.简单通俗易懂：一个小例子完美解释Naive Bayes（朴素贝叶斯）分类器&/a&&/p&&p&摘要：Naive Bayes分类器的解释有很多，但是基于一个小例子来解释的不多，本文就是基于一个简单通俗易懂的小例子来解释Naive Bayes分类器。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&4.“学”、“习”二合一：监督学习——支持向量机（SVM）入门&/a&&/p&&p&摘要：SVM是机器学习中有监督学习的一种，通常用来进行模式识别、分类、以及回归分析。本文用一个小例子简介SVM，言简意赅，通俗易懂。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/31395/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&5.机器学习利器——决策树和随机森林&/a&&/p&&p&摘要: 机器学习是当下最火的领域，本文通过一个小例子介绍了其核心算法：决策树和随机森林。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/63053%3Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&6.基于图的机器算法 （一）&/a&&/p&&p&摘要：基于图的机器算法学习是一个强大的工具。结合运用模块特性，能够在集合检测中发挥更大作用。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/65036%3Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&7.基于图的机器算法 （二）&/a&&/p&&p&摘要：基于图的机器算法学习是一个强大的工具。结合运用模块特性，能够在集合检测中发挥更大作用。本文是基于图的机器算法系列文的第二篇。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/66987%3Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&8.简单易学！一步步带你理解机器学习算法——马尔可夫链蒙特卡罗（MCMC）&/a&&/p&&p&摘要：对于简单的分布，很多的编程语言都能实现。但对于复杂的分布，是不容易直接抽样的。马尔可夫链蒙特卡罗算法解决了不能通过简单抽样算法进行抽样的问题，是一种实用性很强的抽样算法。本文将简明清晰地讲解马尔可夫链蒙特卡罗算法，带你理解它。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/66794%3Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&9.进阶隐式矩阵分解——探讨如何实现更快的算法&/a&&/p&&p&摘要：本文重点是围绕Conjugate Gradient（共轭梯度）方法来探讨更优的矩阵分解算法。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/73484%3Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&10.纯干货|机器学习中梯度下降法的分类及对比分析（附源码）&/a&&/p&&p&摘要：本文详细介绍了基于使用数据量的多少，时间复杂度以及算法准确率的不同类型的梯度下降法，并详细说明了3种梯度下降法的比较。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/68901%3Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&11.深度学习网络大杀器之Dropout（I）——深入解析Dropout&/a&&/p&&p&摘要：本文详细介绍了深度学习中dropout技巧的思想，分析了Dropout以及Inverted Dropout两个版本，另外将单个神经元与伯努利随机变量相联系让人耳目一新。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&12.深度学习网络大杀器之Dropout（II）——将丢弃学习视为集成学习之我见&/a&&/p&&p&摘要：本文分析了可以将丢弃学习当作是集成学习。在集成学习中，可以将一个网络划分成若干个子网络，并且单独训练每个子网络。在训练学习后，将每个子网络的输出进行平均得到集成输出。另外，展示了丢弃学习可以看成是在每次迭代中不同隐藏节点集合的集成学习表现，同时也展示了丢弃学习有着与L2正则化一样的效果。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/73661%3Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&13.神经网络常用激活函数对比：sigmoid VS sofmax（附python源码）&/a&&/p&&p&摘要：本文介绍了神经网络中的两种常用激活函数——softmax与sigmoid函数，简单介绍了其基本原理、性质及其使用，并用python进行了实例化演示，在文章的最后总结了两种激活函数的区别。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/72738%3Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&14.新颖训练方法——用迭代投影算法训练神经网络&/a&&/p&&p&摘要：本文介绍了一种利用迭代投影算法对神经网络进行训练的方法，首先介绍了交替投影的基础知识，说明投影方法是寻找非凸优化问题解决方案的一种有效方法；之后介绍了差异图的基础知识，将差异图与一些其他算法相结合使得差分映射算法能够收敛于一个好的解决方案；当投影的情况变多时，介绍了分治算法，最后将迭代投影算法应用到神经网络训练中，给出的例子实验结果表明效果不错。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/71662%3Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&15.车辆追踪算法大PK：SVM+HOG vs. YOLO&/a&&/p&&p&摘要：本文通过SVM+HOG算法，YOLO算法实现车辆检测和跟踪准确性和速度的对比，得出YOLO算法更具优势的结论。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/69263%3Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&16.什么是视频向量化？本文带你了解基于DeepWalk的视频推荐&/a&&/p&&p&摘要：本文简要讲述了视频向量化，对DeepWalk的算法进行简单的解释。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/70733%3Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&17.比PCA降维更高级——（R/Python）t-SNE聚类算法实践指南&/a&&/p&&p&摘要: 本文介绍t-SNE聚类算法，分析其基本原理。并从精度上与PCA等其它降维算法进行比较分析，结果表明t-SNE算法更优越，本文最后给出了R、Python实现的示例以及常见问题。t-SNE算法用于自然语音处理、图像处理等领域很有研究前景。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&18.随机森林 VS 梯度提升机——模型融合之我见&/a&&/p&&p&摘要：本文节选自Quora社区上“When would one use Random Forests over Gradient Boosted Machines (GBMs)?”问题的回答，几位博主就随机森林(Random Forests)与梯度提升机(Gradient Boosted Machines, GBMs)的适合场景以及优缺点展开了讨论。&/p&&p&&b&三．机器学习常用库：&/b&&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/69330%3Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&1.倚天遇到屠龙：LightGBM VS xgboost谁才是最强的梯度提升库？&/a&&/p&&p&摘要：很多人把XGBoost比作屠龙刀，LightGBM比作倚天剑，那么当倚天遇到屠龙，谁更强呢？&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/81469%3Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&2.即学即用：Pandas入门与时间序列分析&/a&&/p&&p&摘要：这篇文章是Alexander Hendorf 在PyData Florence 2017上做的报告。报告前半部分主要为初学者介绍Pandas的基本功能，如数据输入/输出、可视化、聚合与选择与访问，后半部分主要介绍如何使用Pandas进行时间序列分析，源代码亲测可用。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&3.俄罗斯最大搜索引擎Yandex开源了一款梯度提升机器学习库CatBoost&/a&&/p&&p&摘要：俄罗斯搜索巨头Yandex宣布，将向开源社区提交一款梯度提升机器学习库CatBoost。它能够在数据稀疏的情况下“教”机器学习。特别是在没有像视频、文本、图像这类感官型数据的时候，CatBoost也能根据事务型数据或历史数据进行操作。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&4.Netflix开源面向稀疏数据优化的轻量级神经网络库Vectorflow&/a&&/p&&p&摘要：在Netflix公司，我们的机器学习科学家在多个不同的领域处理着各种各样的问题：从根据你的爱好来定制电视和推荐电影，到优化编码算法。我们有一小部分问题涉及到处理极其稀疏的数据；手头问题的总维度数很容易就能达到数千万个特征，即使每次要看的可能只是少数的非零项。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/31082/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&5.Python高性能计算库——Numba&/a&&/p&&p&摘要：在计算能力为王的时代，具有高性能计算的库正在被广泛大家应用于处理大数据。例如：Numpy，本文介绍了一个新的Python库——Numba， 在计算性能方面，它比Numpy表现的更好。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/33131/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&6.第二热门语言：从入门到精通，Python数据分析库大全&/a&&/p&&p&摘要：本文介绍了一些常见的用于数据分析任务的Python库，如Numpy、Pandas、Matplotlib、Scikit-learn以及BeautifulSoup等，这些工具库功能强大，便于上手。有了这些帮助，数据分析会变得分外简单。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/33132/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&7.新工具——TensorLayer：管理深度学习项目的复杂性&/a&&/p&&p&摘要：本文介绍了一种新基于TensorFlow的python库——TensorLayer，它能够有效的帮助开发者管理好自己的深度学习网络。并且它还提供了很多功能强悍的API，帮助开发者更好的完成任务。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&8.Pandas并非完美无缺&/a&&/p&&p&摘要：我们一直使用Pandas，但是却不知道关于Pandas的细节。Pandas开发者深度复盘Pandas，指出了十大关键性问题，并通过介绍了如何使用Apache Arrow来解决这些问题。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&9. 关于Numba你可能不了解的七个方面&/a&&/p&&p&摘要：目前Numba正被开始流行使用来加速Python程序，本文讲解了七个大家可能不了解的方面，希望对大家有所帮助。&/p&&p&&b&四．机器学习实战篇：&/b&&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/30451/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&1.57行价值八千万美元的车牌识别代码&/a&&/p&&p&摘要：为了防止被窃车辆进入黑市销售，警方使用了一个名为VicRoads的基于网络的服务，该服务用于检查车辆的登记状态。该警局还投资研发了一个固定式汽车牌照扫描器：一个固定的三脚架摄像头，可扫描过往的车辆，并自动识别被窃车辆。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/30641/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&2.如何利用机器学习预测房价？&/a&&/p&&p&摘要：本文作者利用自己过去三个月里所学到的东西，来预测所在城市的房价。所用到的技术有网络爬取技术、文本自然语言处理，图像上的深度学习模型以及梯度增强技术等。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/27035/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&3.机器学习中的技术债务&/a&&/p&&p&摘要：许多人遇到技术债务时都会眉头紧锁，但一般来说，技术债务并不是一件坏事。例如，当我们需要在最后期限之前发布版本的时候，技术债务就是一个可以利用起来的合理手段。但是技术债务存在与金融债务一样的问题，那就是到了要偿还债务的时候，我们所付出的要比开始时付出得多。这是因为技术债务具有复合效应。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/73923%3Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&4.DIY图像压缩——机器学习实战之K-means 聚类图像压缩：色彩量化&/a&&/p&&p&摘要：本文以图像压缩为例，介绍了机器学习的实际应用之一。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&5.如何将机器学习用在基于规则的验证上&/a&&/p&&p&摘要：这篇文章介绍了一些高级问题，比如：智能自治系统的验证有多少可以用机器学习来实现？大多数的需求是否仍然是基于规则的，如果是这样，那么它们如何跟机器学习相结合？ 机器学习和规则之间的不稳定接口如何影响基于机器学习的系统？&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&6.Certigrad——随机计算图优化系统&/a&&/p&&p&摘要：Certigrad是一种概念证明，它是用于开发机器学习系统的一个新途径。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&7.使用神经网络和遗传算法玩转 Flappy Bird&/a&&/p&&p&摘要：本文展示了针对Flappy Bird游戏设计的机器学习算法。本实验的目标是使用神经网络和遗传算法编写一个人工智能游戏控制器，打出游戏最高分，不服的来挑战！&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&8.教机器写代码：增强拓扑进化网络(NEAT)&/a&&/p&&p&摘要：NEAT的意思是“增强拓扑进化网络”，它描述了在进化过程中受遗传修饰启发的自学习机器的算法概念，不妨看看它是如何教机器写代码的。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&9. 机器学习中，使用Scikit-Learn简单处理文本数据&/a&&/p&&p&摘要：机器学习中，我们总是要先将源数据处理成符合模型算法输入的形式，比如将文字、声音、图像转化成矩阵。对于文本数据首先要进行分词（tokenization），移除停止词（stop words），然后将词语转化成矩阵形式，然后再输入机器学习模型中，这个过程称为特征提取（feature extraction）或者向量化（vectorization）。&/p&&p&&b&五．机器学习杂谈篇：&/b&&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/33133/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&1.关于机器学习你必须了解的十个真相&/a&&/p&&p&摘要：作者从非专业人士的角度对人工智能常见的误解进行了解释说明。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/68266%3Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&2.谁更胜一筹？——随机搜索 V.S. 网格搜索&/a&&/p&&p&摘要：随机法和网格法都是常用的、有效的结构优化方法。那么它们两者当中谁更胜一筹呢？在本文中，作者通过有趣的地形搜索实验，找到了答案。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/68410%3Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&3.没有任何公式——直观的理解变分自动编码器VAE&/a&&/p&&p&摘要：本文简单介绍了变分自动编码器VAE的基本原理，从经典神经网络的贝叶斯计算概率方法慢慢转变到变分自动编码器神经网络中的优化问题，使用KL散度度量误差，给大家提供一个VAE的基本框架。全篇没有公式，通俗易懂。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/68795%3Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&4.增强避障系统设计浅析：站在机器学习的角度，剖析学习型避障小车的设计思路&/a&&/p&&p&摘要：FF91于1日在美国拉斯维加斯成功首发，拉开了互联网生态电动汽车的序幕。自动泊车使得停车也成为了一种享受，新手司机再也不用担心该如何见缝插针了。但是如果在车水马龙的繁忙环境下，无人驾驶还能得心应手吗？本文将站在机器学习的角度和大家分享学习型避障小车的设计思路。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/71009%3Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&5.AlphaGo在围棋界成为最强王者后，我们该如何进行机器学习？&/a&&/p&&p&摘要：机器学习无疑是时下的科技热点。无人驾驶，机器下棋，股市预测等领域，我们都能找到机器学习忙碌和高大的身影。那么对于初学者来说，该如何下手？该怎么学习呢？&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/73292%3Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&6.分享Andrew Ng在深度学习暑期班中演讲的机器学习项目&/a&&/p&&p&摘要：深度学习项目流程，带你走出迷茫。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/28579/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&7.分布式机器学习平台比较&/a&&/p&&p&摘要：机器学习，特别是深度学习（DL），最近已经在语音识别、图像识别、自然语言处理、推荐/搜索引擎等领域获得了成功。这些技术在自主驾驶汽车、数字卫生系统、CRM、广告、物联网等方面都存在着非常有前景的应用。当然，资金驱动着这些技术以极快的速度向前发展，而且，最近我们已经看到了有很多机器学习平台正在建立起来。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&8.机器学习和统计学的“爱恨情仇”可以结束了&/a&&/p&&p&摘要：机器学习和统计学在数据科学的领域里，已经相爱相杀很多年。今天，就让我们跟随ML从业者和统计学家两者组成团队，解开两者这几十年的“爱恨情仇”。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&9.2017上半年无监督特征学习研究成果汇总&/a&&/p&&p&摘要：无监督学习是人工智能时代核心技术，今天我们就来盘点一下2017上半年无监督学习出现了那些重要的研究成果。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/79584%3Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&10.有监督相似性学习：基于相似问题数据的对称关系学习&/a&&/p&&p&摘要：本文简单介绍基于相似问题数据的对称关系学习，通过在Quora数据集和StackExchange语料库上应用孪生卷积神经网络的结果表明，对称网络能够较大幅度地提高检测精度。&/p&&p&&a href=&//link.zhihu.com/?target=https%3A//yq.aliyun.com/articles/Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&11. 应用机器学习：传道解惑指南&/a&&/p&&p&摘要：本文作者编辑了一份包括概念、定义、资源以及工具的知识合集，这对于在这个复杂领域从事工作的人来说非常有用。&/p&&p&本系列博客内容由北邮&a href=&//link.zhihu.com/?target=http%3A//weibo.com/fly51fly%3Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&@爱可可-爱生活&/a&老师推荐，&a href=&//link.zhihu.com/?target=http%3A//weibo.com/taobaodeveloperclub%3Fspm%3D.blogcont.im7asg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&@阿里云云栖社区&/a&组织翻译，翻译小组袁虎负责整理。本系列长期更新，更多关于机器学习的优质好文，多多推荐！&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//click.aliyun.com/m/33134/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&原文链接&/a&&/p&&p&&b&更多技术干货敬请关注云栖社区知乎机构号：&a href=&https://www.zhihu.com/org/a-li-yun-yun-qi-she-qu-48& class=&internal&&阿里云云栖社区 - 知乎&/a&&/b&&/p&
机器学习是计算机科学的一个子领域，在人工智能领域，机器学习逐渐发展成模式识别和计算科学理论的研究。从2016年起，机器学习到达了不合理的火热巅峰。但是，有效的机器学习是困难的，因为机器学习本身就是一个交叉学科，没有科学的方法及一定的积累很难入…
&figure&&img src=&https://pic2.zhimg.com/v2-810e9dbcdda6bb5ef29e7_b.jpg& data-rawwidth=&1000& data-rawheight=&1000& class=&origin_image zh-lightbox-thumb& width=&1000& data-original=&https://pic2.zhimg.com/v2-810e9dbcdda6bb5ef29e7_r.jpg&&&/figure&&p&刚涉足计算机领域时，很多朋友的知识都是从书本上学来的。那个时候还没有在线课程，培训班虽然林林总总有一些，但大多流于表面，无法满足我深入理解知识的要求。 &/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&http://pic3.zhimg.com/v2-6807abf696b8ea15f96aa6e791aa720a_b.jpg& data-caption=&& data-rawwidth=&540& data-rawheight=&403& class=&origin_image zh-lightbox-thumb& width=&540& data-original=&http://pic3.zhimg.com/v2-6807abf696b8ea15f96aa6e791aa720a_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&即便现在网络发达，在线教育崛起，但是技术类的书本仍旧是很多人的进步阶梯，它们的价值，不会随着时间流逝而褪色。好的工程师，不仅能在代码上大放光彩，而且还能随口就推荐出一些让人进步的好书。&/p&&p&&br&&/p&&p&&b&今天优达菌精选了10本豆瓣上评分高达8.5以上的技术类书籍，不仅有书本的简单介绍，还有来自网友的评论，而且都能在图灵社区买的到，希望对大家的自我提升带来帮助。&/b&&/p&&p&&br&&/p&&p&&i&1.《第一行代码——Android（第2版）》&/i&&/p&&p&&br&&/p&&p&豆瓣评分8.5，CSDN超人气博主、Android开发者郭霖力作！涵盖了四大组件、UI、碎片、数据存储、多媒体、网络、定位服务等方方面面的知识。&/p&&figure&&img src=&http://pic1.zhimg.com/v2-6db61e373a1e2acf873be68cadb3c484_b.jpg& data-caption=&& data-rawwidth=&640& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&http://pic1.zhimg.com/v2-6db61e373a1e2acf873be68cadb3c484_r.jpg&&&/figure&&p&&b&《第一行代码——Android（第2版）》，&/b&最受欢迎的入门书全新升级，将所有知识点都在最新的Android系统上进行了重新适配，使用全新的Android Studio开发工具代替之前的Eclipse，并添加了对Material Design、运行时权限、Gradle、RecyclerView、百分比布局、OkHttp、Lambda表达式等全新知识点的详细讲解。最后还会带你一起开发一个天气预报程序，并教会你如何将程序发布到应用商店，以及如何在程序中嵌入广告盈利。&/p&&p&&br&&/p&&p&&b&读者评论：&/b&&/p&&p&@一期一会:语言朴实 内容实用 很照顾新手学习时的状态 好书&/p&&p&@Lincoln Zhou:看完了。实打实的干货。我从第一版、Angular过来又看了一遍。新版真是带劲啊。项目接触多了，很多地方都贯穿起来了。&/p&&p&&br&&/p&&p&&i&2.《算法（第4版）》&/i&&/p&&p&&br&&/p&&p&豆瓣评分9.4，作为算法领域经典的参考书，涵盖程序员需要掌握的50种算法，与高德纳TAOCP一脉相承。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&http://pic2.zhimg.com/v2-2548cfd54f888a2191d3d_b.jpg& data-caption=&& data-rawwidth=&690& data-rawheight=&690& class=&origin_image zh-lightbox-thumb& width=&690& data-original=&http://pic2.zhimg.com/v2-2548cfd54f888a2191d3d_r.jpg&&&/figure&&p&&br&&/p&&p&本书作为算法领域经典的参考书，全面介绍了关于算法和数据结构的必备知识，并特别针对排序、搜索、图处理和字符串处理进行了论述。第4版具体给出了每位程序员应知应会的50个算法，提供了实际代码，而且这些Java代码实现采用了模块化的编程风格，读者可以方便地加以改造。本书配套网站提供了书中内容的摘要及更多的代码实现、测试数据、练习、教学课件等资源。&/p&&p&&br&&/p&&p&&b&读者评论：&/b&&/p&&p&@Michael:什么叫态度，什么叫好书，这就是最好的范例。&/p&&p&@大懒兔:这本书也非常牛，用java实现，我觉得这本书是最适合用来算法入门的，说它适合入门不是说它太浅，而是讲的深入浅出，非常容易理解，里面那些小彩图呀，啧啧，美极了！建议中英对照着读。&/p&&p&&br&&/p&&p&&i&&b&3.《Python编程：从入门到实践》&/b&&/i&&/p&&p&&br&&/p&&p&豆瓣评分9.0，Amazon编程入门类榜首图书，年度备受关注的Python入门书。&/p&&p&&br&&/p&&figure&&img src=&http://pic4.zhimg.com/v2-f5fba012bfed924af6aa02b_b.jpg& data-caption=&& data-rawwidth=&720& data-rawheight=&720& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&http://pic4.zhimg.com/v2-f5fba012bfed924af6aa02b_r.jpg&&&/figure&&p&&br&&/p&&p&全书分两部分：第一部分介绍用Python编程所必须了解的基本概念，包括matplotlib、NumPy和Pygal等强大的Python库和工具介绍，以及列表、字典、if语句、类、文件与异常、代码测试等内容；第二部分将理论付诸实践，讲解如何开发三个项目，包括简单的Python 2D游戏开发，如何利用数据生成交互式的信息图，以及创建和定制简单的Web应用，并帮读者解决常见编程问题和困惑。&/p&&p&&br&&/p&&p&&b&读者评论： &/b&&/p&&p&@西西西: 从编程小白的角度看，入门极佳。手把手教的感觉，却绝不啰嗦。什么叫入门书？一本书读下来，行文上不卡壳，逻辑上不跳跃，读者如爬楼梯，一步一步即可登楼。&/p&&p&@胖狐狸: 基础部分讲解恰到好处，不多不少，实践部分，以项目为模块，很好的练习了常用的模块&/p&&p&@Clark :非常好的入门书，还有具体的实践例子，作为一个使用python 十几年的工程师，强烈推荐初学者阅读&/p&&p&&br&&/p&&p&&i&&b&4.《流畅的Python》&/b&&/i&&/p&&p&&br&&/p&&p&豆瓣评分9.2，兼顾Python3和Python 2，是Python程序员的进阶利器。&/p&&p&&br&&/p&&figure&&img src=&http://pic4.zhimg.com/v2-810e9dbcdda6bb5ef29e7_b.jpg& data-caption=&& data-rawwidth=&1000& data-rawheight=&1000& class=&origin_image zh-lightbox-thumb& width=&1000& data-original=&http://pic4.zhimg.com/v2-810e9dbcdda6bb5ef29e7_r.jpg&&&/figure&&p&&br&&/p&&p&本书致力于帮助Python开发人员挖掘这门语言及相关程序库的优秀特性，写出简洁、流畅、易读、易维护的代码。特别是深入探讨了针对数据库处理时生成器的具体应用、特性描述符（ORM的关键），以及Python式的对象：协议与接口、抽象基类及多重继承。&/p&&p&&br&&/p&&p&&b&读者评论：&/b&&/p&&p&@雨停就走:因为工作了经常要用到Python，才开始真正学习起来，可以说是目前市面上最好的Python技术书。&/p&&p&@zxygentoo: Greatbook at just the right time. Time to brush the old Python.&/p&&p&@ jiraiyame: 刚拿到书的当晚就通读了关于并发流程控制部分，比较喜欢章节末的杂谈，会有比较多的扩展和思考&/p&&p&&br&&/p&&p&&b&&i&5.《Head FirstJavaScript 程序设计》&/i&&/b&&/p&&p&&br&&/p&&p&&b&HeadFirst系列经典书籍。&/b&让你轻松入门JavaScript。通过玩游戏、解谜题，与 JavaScript 另类交互，快速上手前端开发。&/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&http://pic1.zhimg.com/v2-4bbcca25d2c_b.jpg& data-caption=&& data-rawwidth=&640& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&http://pic1.zhimg.com/v2-4bbcca25d2c_r.jpg&&&/figure&&p&&br&&/p&&p&本书从JavaScript的基础知识逐渐深入到高阶话题，包括对象、函数、浏览器的文档对象模型、类型、数组、原型、闭包等。读者会在阅读的过程中玩游戏、解谜题，并且以你想象不到的方式与JavaScript交互。此外，读者还会写大量的代码，以便构建自己的Web应用。&/p&&p&&br&&/p&&p&&b&读者评论：&/b&&/p&&p&@ s***:不愧是豆瓣评分9分的书，大致浏览了一遍，书中有较强的实践也有细节的提示，用来入门JS非常合适&/p&&p&@ 破碎辰心：书的质量很好，内容也很完善，阅读起来也很方便！图形结合，通俗易懂，方便记忆的！很喜欢&/p&&p&&br&&/p&&p&&i&6.《&b&JavaScript高级程序设计（第3版）&/b&》&/i&&/p&&p&&br&&/p&&p&豆瓣评分9.3，全能前端人员必读之经典，全面知识更新必备之佳作。&/p&&p&&br&&/p&&figure&&img src=&http://pic4.zhimg.com/v2-63f1ab175a3_b.jpg& data-caption=&& data-rawwidth=&690& data-rawheight=&690& class=&origin_image zh-lightbox-thumb& width=&690& data-original=&http://pic4.zhimg.com/v2-63f1ab175a3_r.jpg&&&/figure&&p&&br&&/p&&p&全书从JavaScript语言实现的各个组成部分——语言核心、DOM、BOM、事件模型讲起，深入浅出地探讨了面向对象编程、Ajax 与Comet服务器端通信，HTML5表单、媒体、Canvas（包括WebGL）及WebWorkers、地理定位、跨文档传递消息、客户端存储（包括IndexedDB）等新API，还介绍了离线应用和与维护、性能、部署相关的最佳开发实践。本书附录展望了未来的API和ECMAScript Harmony规范。&/p&&p&&br&&/p&&p&&b&读者评论：&/b&&/p&&p&@景庄: JavaScript学习必读，详细解释了JavaScript的工作原理。&/p&&p&@阿坚: 看完目录发现上次阿里的面试一小半问题出自此书.......&/p&&p&@ Lua: 非常系统，紧跟潮流，新手老手都值得好好读一读。&/p&&p&&br&&/p&&h2&&i&7.《Linux命令行与shell脚本编程大全（第3版）》&/i&&/h2&&p&&br&&/p&&h2&豆瓣评分9.3分，让你轻松掌握Linux命令行和shell脚本编程细节，实现Linux系统任务自动化。&/h2&&p&&br&&/p&&figure&&img src=&http://pic3.zhimg.com/v2-d3fc409f5afa_b.jpg& data-caption=&& data-rawwidth=&690& data-rawheight=&690& class=&origin_image zh-lightbox-thumb& width=&690& data-original=&http://pic3.zhimg.com/v2-d3fc409f5afa_r.jpg&&&/figure&&p&&br&&/p&&h2&和所有“大全”系列图书一样，这本书涵盖了详尽的动手教程和实践信息，还提供了与所学内容相关的参考信息和背景资料。它是关于Linux命令行和shell命令的相当全面的资源。读完之后，你将可以轻松写出自己的shell脚本来实现Linux系统任务自动化处理。&/h2&&p&&br&&/p&&p&&b&读者评论：&/b&&/p&&h2&@BeginMan: 终于看完了这本大部头，很棒的一本书，从第一层从Linux shell涉及的相关命令开始讲，到第二层完完整整讲解shell编程，最后到第三层配合sed,awk,正则更加高级的主题去讲解。&/h2&&p&@轩辕拾銉:不输鸟哥，语言更加简洁明了，而且内容更新。如果要买，我推荐这本。一周目，粗读了sed进阶之前的章节，很不错，之后可以细看，或者当工具书。&/p&&h2&&i&8.《SQL基础教程（第2版）》&/i&&/h2&&p&&br&&/p&&p&107张图表+209段代码+88个法则，菜鸟进阶的实用指南！&/p&&figure&&img src=&http://pic3.zhimg.com/v2-0d4a336d1ab7fab311d5a_b.jpg& data-caption=&& data-rawwidth=&690& data-rawheight=&690& class=&origin_image zh-lightbox-thumb& width=&690& data-original=&http://pic3.zhimg.com/v2-0d4a336d1ab7fab311d5a_r.jpg&&&/figure&&p&&br&&/p&&p&本书是畅销书《SQL基础教程》第2版，介绍了关系数据库以及用来操作关系数据库的SQL语言的使用方法。书中通过丰富的图示、大量示例程序和详实的操作步骤说明，让读者循序渐进地掌握SQL的基础知识和使用技巧，切实提高编程能力。每章结尾设置有练习题，帮助读者检验对各章内容的理解程度。&/p&&p&&br&&/p&&p&&b&读者评论：&/b&&/p&&p&@hisheng: mick的其它书籍有时间再看一下，写的好外加配图，特别容易理解。&/p&&p&@rainbow树袋: 这本书是日本MICK所写，非常适合初学者。论述的角度是读者的角度，会换位思考到读者在看到这一段时候会发出怎样的疑问，非常难得；原始数据的例题只有一道，但是可以反复从不同角度提出不同的问题进行处理，避免了眼花缭乱之感；习题也比较有趣，有的问题反而是属于问题本身其实是个陷阱的，考验初学者。&/p&&p&&br&&/p&&h2&&i&9.《数据挖掘与分析：概念与算法》&/i&&/h2&&p&&i&专注于数据挖掘与分析的基本算法的入门图书，融合机器学习、统计学等相关知识，涵盖频繁模式挖掘、聚类和分类等经典算法。&/i&&/p&&figure&&img src=&http://pic4.zhimg.com/v2-e1e64daf19e1a008ef3f0f_b.jpg& data-caption=&& data-rawwidth=&720& data-rawheight=&720& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&http://pic4.zhimg.com/v2-e1e64daf19e1a008ef3f0f_r.jpg&&&/figure&&p&&br&&/p&&p&本书内容分为数据分析基础、频繁模式挖掘、聚类和分类四个部分，每一部分的各个章节兼顾基础知识和前沿话题，例如核方法、高维数据分析、复杂图和网络等。每一章最后均附有参考书目和习题。&/p&&p&&br&&/p&&p&&b&读者评论：&/b&&/p&&p&&b&@亚纯函数的奇点: 包括核方法、主成分分析、图模型等等，适合理论学习提高，书里每章节还给出了更多的参考书名。&/b&&/p&&p&&br&&/p&&p&&i&10.《&b&Python机器学习经典实例&/b&》&/i&&/p&&p&&br&&/p&&p&来自Kaggle的经典数据集和机器学习案例，用流行的Python库scikit-learn解决机器学习问题。&/p&&figure&&img src=&http://pic3.zhimg.com/v2-c459e4dc27b329c888dde6ea7206f7fa_b.jpg& data-caption=&& data-rawwidth=&720& data-rawheight=&720& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&http://pic3.zhimg.com/v2-c459e4dc27b329c888dde6ea7206f7fa_r.jpg&&&/figure&&p&&br&&/p&&p&本书首先通过实用的案例介绍机器学习的基础知识，然后介绍一些稍微复杂的机器学习算法，例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经网络，等等。通过本书，你不仅可以学会如何做出合理的决策，为自己选择合适的算法类型，而且可以学会如何高效地实现算法以获得最佳学习效果。&/p&&p&&br&&/p&&p&&b&读者评论：&/b&&/p&&p&@ zhuceyong: 很多代码，但是重复的太多了。比如用逻辑回归写了个代码，预处理部分写了函数，然后从sklearn调用Logistic_regression，然后fit,predict，然后到svm部分呢，预处理部分写了个代码，然后又调用sklearn svm.fit ，predict，问题是预处理部分的代码都很类似。没必要每个例子都重复一遍的。不够简洁，也许这就是cookbook的特点吧&/p&&p&&br&&/p&&p&&b&本文所推荐的书籍，均能在图灵社区购买，大鱼大肉可以少，精神食粮不能少，如果觉得书单不错，那就转发给需要的朋友们也看看。祝大家周末愉快。&/b&&/p&&p&&br&&/p&&p&&b&本文首发于微信订阅号优达学城Udacity（id：youdaxue），关注订阅号，回复关键字“学习资料”，获取来自硅谷的包括“机器学习”、“深度学习”、“数据分析”和“前端开发”在内的独家学习资料。&/b&&a href=&http://link.zhihu.com/?target=https%3A//cn.udacity.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&优达学城 (Udacity) - 传授硅谷的名企官方课程&/a&&/p&&figure&&img src=&http://pic1.zhimg.com/v2-ad218a141abfe1a4133b3c_b.jpg& data-caption=&& data-rawwidth=&788& data-rawheight=&394& class=&origin_image zh-lightbox-thumb& width=&788& data-original=&http://pic1.zhimg.com/v2-ad218a141abfe1a4133b3c_r.jpg&&&/figure&&p&欢迎大家踊跃投稿~可以通过私信联系优达菌~&/p&
刚涉足计算机领域时，很多朋友的知识都是从书本上学来的。那个时候还没有在线课程，培训班虽然林林总总有一些，但大多流于表面，无法满足我深入理解知识的要求。 即便现在网络发达，在线教育崛起，但是技术类的书本仍旧是很多人的进步阶梯，它们的价值，不…
&figure&&img src=&https://pic1.zhimg.com/v2-0dfc56a1abec4b765b388d_b.jpg& data-rawwidth=&651& data-rawheight=&434& class=&origin_image zh-lightbox-thumb& width=&651& data-original=&https://pic1.zhimg.com/v2-0dfc56a1abec4b765b388d_r.jpg&&&/figure&&p&运维工种对于自动化的强烈需求已经显漏无疑——作为一个古老的技术工种，在几台、几十台服务器时尚可人肉维护，面对云计算时代动辄上百上千的服务器，单凭人肉维护显然束手无策。想像一下诸如谷歌、阿里云的上万台服务器，如果单凭人工维护恐怕运维就会成为人员需求量最高的工种，没有之一。&/p&&p&在Devops备受推崇的时代，即使开发也难免要接触到一些运维工作。所以今天为大家整理了一些自动化运维的学习资源，希望能够给大家提供一些帮助。作为一名运维工程师，这些只是可能是你的必备，作为一名非运维技术人员，不妨记录下来，有需求之后再行查找也不迟。&/p&&h2&&b&书籍推荐&/b&&/h2&&blockquote&技术学习必然无法绕开书籍资料。此处整理10册书籍，对于读者而言不必全部阅读，只需要挑选符合自己技能方向的内容即可。大部分书籍都可以在网络上发现电子版的资料。&/blockquote&&p&&b&《Puppet实战》&/b&&/p&&p&《puppet实战》详细讲解了puppet的功能和使用方法，深入剖析了puppet的工作原理，系统总结了puppet的使用技巧，包含大量来自一线的实战案例和最佳实践。&/p&&p&全书一共20章，共分为四部分：准备篇（第1~4章）介绍了puppet用途、组织结构、工作原理、核心配置文件、各种平台下的安装与配置，以及它的运行环境，是使用puppet前必须做好的准备工作；基础篇（第5~10章）详细讲解了puppet的理论知识和功能使用，puppet的语法与命令、资源、模块、类、模板、节点管理，以及facter、数组、函数、变量和标签；实战篇（第11~13章）通过几个经典案例，包括大规模nginx集群的部署方案、分布式监控系统部署方案、openstack快速部署方案等，使读者能快速将puppet运用到实践中；进阶篇（第14~20章）综合讲解了puppet的扩展模式、版本控制、报告系统、控制台、扩展工具及mcollective，让读者了解一个完整的puppet生产流程。&/p&&p&&b&《nagios系统监控实践》&/b&&/p&&p&《nagios系统监控实践(原书第2版)》从实际出发，在开篇就系统运维中的监控提出一系列需求，从而展开对nagios系统的初步介绍(第1~2章)，随后从实用的角度，全面、详细地讲解了nagios安装、配置的相关内容(第3~4章)。通过简化配置、实施监控等工作(第5~6章)，用大量的示例展示nagios的实际能力。然后，在扩展方面介绍了一些常用的方案(第7章)，并从原理、案例到最后的diy，一步步带领读者进入数据可视化的世界(第8章)。此外，还介绍了nagios商业版本——nagios xi的功能特色(第9章)。最后，介绍nagios事件代理(neb)，并用c语言实现完整neb插件(第10章)，使读者进一步掌握neb的工作机制。&/p&&p&&b&《Zabbix监控系统深度实践》&/b&&/p&&p&《Zabbix监控系统深度实践（第2版）》由浅入深，全面讲解Zabbix应用与原理，是作者多年实战经验的总结和浓缩。在概念篇，从一个简单但完整的入门案例讲起，案例中有最基本的概念介绍，通过案例帮助那些只需将服务器加入监控，就能看到监控数据的读者；然后逐步深入，在进阶篇介绍Zabbix的各方面的配置；在设计篇中对Zabbix的内部原理进行深入剖析，包括Zabbix与数据库的交互、Zabbix数据库表的设计等，并分享作者在Zabbix上踩过的坑以及解决问题的思路；最后会在开源部分介绍58同城开源的Zatree和Chrome的插件、手机客户端等工具。&/p&&p&《Zabbix监控系统深度实践（第2版）》适合想使用Zabbix构建监控系统的技术人员阅读，也适合有一定基础、对于Zabbix有更高的要求的读者。&/p&&p&&b&《Linux系统命令及shell脚本实践指南》&/b&&/p&&p&全书共计18章，从知识结构上分为三部分。第一部分为前8章，全面介绍了linux的基础知识和常用命令；第二部分为第9章和第10章，主要是linux下交互和非交互编辑器的使用；第三部分为第11～18章，主要是shell脚本开发。这三部分内容各有偏重，读者可以根据实际需要选择阅读。&/p&&p&&b&《Linux命令行与shell脚本编程大全》&/b&&/p&&p&本书是一本关于Linux 命令行与shell 脚本编程的全面教程。全书分为四部分：第一部分介绍Linuxshell 命令行；第二部分介绍shell 脚本编程基础；第三部分深入探讨shell 脚本编程的高级内容；第四部分介绍如何在现实环境中使用shell 脚本。本书不仅涵盖了详尽的动手教程和现实世界中的实用信息，还提供了与所学内容相关的参考信息和背景资料。&/p&&p&&b&《Linux软件管理平台设计及实践》&/b&&/p&&p&全书共8章，在逻辑上分为三个部分：&/p&&p&第一部分（第1～4章）为基础技术篇，详细介绍了rpm的概念、组织方式和制作方法，另外对yum服务进行了深入的分析，目的是为对软件开发感兴趣的读者在rpm和yum领域提供导引，为运维和系统管理人员提供指导，帮助读者在rpm/yum的使用和理解方面扫清障碍。&/p&&p&第二部分（第5～6章）为问题分析和系统设计篇，结合企业中软件管理的现状，提出问题，然后从基本的系统开始，逐步解决问题，优化方案，最终形成一套软件管理平台的设计方案，适合在企业中负责软件平台优化和系统服务管理的人员阅读。&/p&&p&第三部分（第7