小学奥数重点知识梳理-计算(学生版)

关于“元宇宙”最有代表性的定义是：“元宇宙”是一个平行于现实世界，又独立于现实世界的虚拟空间，是映射现实世界的在线虚拟世界，是越来越真实的数字虚拟世界。比较而言，“维基百科”对“元宇宙”的描述更符合“元宇宙”的新特征：通过虚拟增强的物理现实，呈现收敛性和物理持久性特征的，基于未来互联网的，具有连接感知和共享特征的3D虚拟空间。 发布单位：邢杰 赵国栋 徐远重 易欢欢 余晨

https://zh.d2l.ai/index.html

面向中文读者的能运行、可讨论的深度学习教科书 含 NumPy/MXNet、PyTorch 和 TensorFlow 实现 被全球 55 个国家 300 所大学用于教学 本电子书的特色是每一小节都是可以运行的Jupyter记事本

本文档节选自张一鸣的微博。 堆砌的产品没有安全感， 准确的抉择才有。 组织的成果都在组织之外， 所以不要把做完了某某项目说成成果， 而应该始终关注对外体现的成果， 如：用户在什么方面体验得到了提 升， 公司在业界得到了什么益处。 重视服务，重视感受，是重要的机会，随着收入水平提高，怕麻烦， 希望高质量服务将成为付费动力。 帮用户省钱不再是唯一思路， 甚至 不是最佳思路。 非常强的改善体验的技术应用， 靠技术的强劲推动力， 让不可能变成可能。 ……

近年来，随着移动智能设备的快速普及，移动多端统一开发框架已成为一个热门话题。闲鱼是国内最早接触使用 Flutter 的团队，经过多次研讨验证并大规模上线，在App性能、稳定性、开发效率上收益甚多。 去年，闲鱼发布了《Flutter in action》电子书，系统地总结了闲鱼在Flutter开发实践过程中的一手实践知识和技术沉淀。 现在《Flutter in action》全面升级，纳入更多创新思考并重新整理全书逻辑——《Flutter 技术解析与实战》正式发布！ 发布单位：阿里巴巴

《Java 开发手册》是阿里巴巴集团技术团队的集体智慧结晶和经验总结，经历了多次大规模一 线实战的检验及不断完善，公开到业界后，众多社区开发者踊跃参与，共同打磨完善，系统化地整理 成册，当前的版本是嵩山版。现代软件行业的高速发展对开发者的综合素质要求越来越高，因为不仅 是编程知识点，其它维度的知识点也会影响到软件的最终交付质量。比如：五花八门的错误码人为地 增加排查问题的难度；数据库的表结构和索引设计缺陷带来的系统架构缺陷或性能风险；工程结构混 乱导致后续项目维护艰难；没有鉴权的漏洞代码易被黑客攻击等等。所以本手册以 Java 开发者为中 心视角，划分为编程规约、异常日志、单元测试、安全规约、MySQL 数据库、工程结构、设计规约 七个维度，再根据内容特征，细分成若干二级子目录。另外，依据约束力强弱及故障敏感性，规约依 次分为【强制】、【推荐】、【参考】三大类。在延伸信息中，“说明”对规约做了适当扩展和解释； “正例”提倡什么样的编码和实现方式；“反例”说明需要提防的雷区，以及真实的错误案例。 手册的愿景是码出高效，码出质量。现代软件架构的复杂性需要协同开发完成，如何高效地协 同呢？无规矩不成方圆，无规范难以协同，比如，制订交通法规表面上是要限制行车权，实际上是保 障公众的人身安全，试想如果没有限速，没有红绿灯，谁还敢上路行驶？对软件来说，适当的规范和 标准绝不是消灭代码内容的创造性、优雅性，而是限制过度个性化，以一种普遍认可的统一方式一起 做事，提升协作效率，降低沟通成本。代码的字里行间流淌的是软件系统的血液，质量的提升是尽可 能少踩坑，杜绝踩重复的坑，切实提升系统稳定性，码出质量。 发布单位：阿里巴巴

目前，学术研究领域和产业界对大数据并没有一个严格的定义，也没有一个严格的界限。通常来说，数据只要超过了单台服务器或者少数几台服务器的存储和处理能力，或者超出了常规软件的存储和处理能力，都可以称为大数据或海量数据。 掌握大数据的关键不仅是拥有大量的数据，还要能基于这些数据做出进一步的挖掘和分析，从海量的数据中挖掘出对人类有价值的信息，提供更加友好的服务和体验。 现实生活中，大数据的来源有很多种渠道：网页数据、客户端调用接口产生的数据、访问日志数据、金融系统交易产生的数据、服务器内部系统之间互联产生的数据等。 从以上描述中可以看出，大数据并不是一个能够简单描述清楚的概念，下面从数据量 （Volumn）、数据的速度（Velocity）、数据的多样性（Variety）、低价值密度（Value）和真实性（Veracity）5 个维度对大数据进行分析。 冰河编著

本资源转载自未来前沿-早期创业者社区 三年多过去了，周航还是会时不时想起，在秘鲁马丘比丘山下的咖啡厅躲雨，几个中国企业家没聊「钱」，没聊「风花雪月」，而是在距离北京一万六千多公里外的地方探讨「商业的本分」这样一个听起来似乎跟业务增长没什么关系的问题。 这次出行的组织方就是极客公园前沿社，参与讨论的企业家们大都是前沿社的发起人、会员，周航、张鹏、曾德钧、刘作虎、李志飞、余凯等等，这群依然身处中国科技界一线的企业家，并且都是不同期里的行业重度参与者，他们经常聚在一起探讨商业思想和前沿技术的深度认知。如果说科技企业家有没有一个思想的理想地，可能就是这里。 回来之后没多久，前沿社又有了一个大动作，如果说商业的本分在探讨本源，商业的未来呢？要找未来前沿们，并且陪伴他们。这个重要的议题紧接着就由周航和张鹏展开，「十年前在极客公园的地下室里，雷军、张一鸣、周源，大家盘腿坐在地上，找到一个话题点就能交流好久。」这群人成熟了， 极客公园就只关注成熟的企业家吗？不是，极客公园关注一代又一代生生不息的创业者，关注他们的状态，他们的事情，他们的未来，这就是「未来前沿」。 张鹏的思考是，前沿社的企业家们愿意拿出时间交流，他们也更愿意拿出自己的时间去跟新一代的创业者交流，创造未来不一定是自己参与，还可以用投资推动。周航创业了二十多年，他在这几年做投资，见创业者的时候，经常想「如果我当年创业的时候，有一个像投资人的周航一样的导师站在我旁边就好了」。 最近，周航和张鹏在播客上聊了聊这件事情，两年了，他们为未来的前沿们做了些什么？ 为什么做未来前沿 周航 ：2019 年我还在顺为，想推动一种新的机制做早期投资，就希望和极客公园一起做「未来前沿」创始人工坊这样一个 workshop。每期差不多招十来家初创公司，从开始陪伴他们。时间过得很快，现在做了两年，每期设置多个模块，并且邀请以前沿社的企业家为核心，和其他一些我们熟悉的企业家做专题分享。同时这些新的年轻创业者，带着自己的项目和真实的困惑来到这里，和我们一起探讨，共同思考。 张鹏：前沿社的企业家每年都能拿出一些时间彼此交流，而且每年平均在前沿社花多少小时并不短。后来公园有了自己的基金做早期投资，也会跟他们探讨一些项目的看法，发现大家对新一代创业者蛮关注的。这个关注不单纯是财务投资，还有两个视角：一是向下学习，新生代也许对商业的理解还没他们丰富，但新生代会带来全新的视角，所以跟新生代交流是保持先进；第二，企业家本质都希望运用技术创造一些好的东西，如果自己不能一下过好几个，但可以参与推动一些东西。那年去硅谷，杨致远说：「虽然现在我不是公司的 CEO 和创业者，但是我还在用投资参与对未来的建设」。这句话印象特别深，投资未必只是简单地以财务回报为唯一的价值，对于这群人也是自身价值对外的释放。 前沿社这群跟时代共振的企业家，他们有这个心力，至少会愿意拿出自己可动用时间的 1%、5% 跟新一代创业者交流，或者把他们的认知传递给新一代，帮助他们长得更好。 航叔确实给了我很关键的推动，要做这件事就把它努力做好，并追求一定的结果。比如花了前沿社企业家的时间，未来前沿就要找到更优秀的创业者，让企业家的时间花得值得。所以总体来看，前沿社和未来前沿都是基于这群优秀者的时间运用和管理，再去集结更优秀的新一代创业者，让他们身上也能获得更好的成长，当然中间我们也在做早期投资，有能力支持他们，商业闭环的回报也比较合理。 就这样出现了未来前沿，可以理解为给创新者的课外辅导班：基于前沿社这群企业家，有未来前沿这样一个机制，把优秀的刚刚开始进入创业状态的人跟有经验的人连接在一起，让他们的经验可以流转。 周航：社群的不一样大概就在于你刚说到的传承。一代企业家成功了，有精力、有钱，通过投资支持更多创新，同时也通过投资把自己的视野投放在自己主流业务之外的创新上。新创业者过了五年、十年成功，又可以支持下一代创业者。长此以往，中国的创新创业界就会形成创业传承的文化，不仅仅是一些专业投资机构募资。 怎么理解早期投资？ 张鹏：早期投资真的挺难做，创业者的业务产品都不太成熟，有时候甚至只是个概念，或者刚刚有个 demo，而传统投资看人，一般都是在接触的两三次，每次一个多小时的时间里。以我过去的经历，真正理解一个人需要大家在较长时间的交流和观察中，看到他在具体事情上的变化和成长，所以不太可能是一个短期的决策。 传统投资要符合投资决策的框架，或者说风险和未来的收益有一套算法，再看一看这个人，最后才下决心投或者不投。可是如果按这个框架去套，会发现很多人在那一瞬间并不满足这个算法，否则也不会有那么多机构错过王兴，错过张一鸣。 如果真能找到一群有潜力的创业者，花一些时间去观察和陪伴他，在他真正创业的时候，更有机会成为第一批支持他的人。学员中有一些参加过一期，后来又参加新的一期「回炉重造」，我发现他在一个周期里不是很好，过了一段时间，这个人又有变化。 周航：投资就是投人，几乎成了一个人人皆知的说法。但怎么看人，投什么人呢？除了关心产品，关心商业模式，财务回报，无非也就是给人贴标签，再看看他的学历、工作简历，比如名校大厂、海归精英、专于技术或产品。基于这些考虑，简单地做个评级，把他归为 A 类创业者或者 B 类创业者..... 要了解一个人，必须在一个进程中，朋友之间的相处不都得有个进程吗？当我们把创业者当成「人」去了解他，自然体会到一个创业者过程中的迷茫、困惑、恐惧等情绪，只有创过业的人或者有过类似创业经历的人，才会对创业感同身受。 张鹏：我们跟参加过的创业者做过调研，到底收获了什么？很大一点是认知成长。企业家输出一些他们从没思考和见识过的关于创业的理解，比如什么叫创业，创业会面对哪些真实的事情，创业过程中的关键节点有哪些？对一个没创过业到自己真正去创业的人来讲，没有这个认知，很大可能会摔跟头。 第二，在工坊中，创业者相当于有了导师，有了一面镜子或者是是一面墙，你的想法总能被弹回来。什么叫「创业刺身」？把创业者精致的妆容、大词一一揭穿，回到本质做创业的探讨，就像一个多年认识不用顾及面子的朋友。 创业者有时候就是两种状态，要不极度自卑，要不极度亢奋，有时候两种状态并存。早上起来特别亢奋，一到晚上就很自卑，因为每天都在不断地发生事情。在这个过程中，如果能有另一方提供不同的视角，让你摆脱非理性，甚至让你对一些事能够有一个平常心，才会做出更好的决策。 一个真实陪伴的伙伴，让创业者在那一瞬间得到云端化的合伙人的感觉。前沿社的企业家们其实就在扮演这个角色。所以对于早期创业者把创业这件事理解清楚，找到自己做的东西里的 bug ，解决这几个关键的问题反而是最难的。工坊里经常特别朴素的问题，不管当时大家多尴尬，事后都会有收获，因为没有人会跟他们这样说。 比较欣慰的是，咱们做了这两年，也投了一些还不错的项目，虽然不一定说多好，但真正印证的是这对于创业者是有价值的。未来如果有更多优秀的创业者，更有信心能帮到他们。 周航：当初我想做这件事情还有一个很大的感触，如果我当时创业有个像今天周航一样的导师，可能会少犯很多错误，会创得更好，所以我也是抱着这样一个初心来做。 但我有个困惑，六期前后接近 100 位创业者，也投了一些发展还不错的公司，但是进展比预期会弱一点。按理来说，这么多有经验，又愿意投钱，更愿意对创业者掏心掏肺的老一代创业者，除了分享自己过去一些成功的做法，很多时候还会分享一些只有在这个场合才会讲的亲历过的失败和教训，但为什么最优秀的创业者没有找我们？到底是我们应该更有耐心还是需要什么调整才能更好地达成我们的初心呢？ 张鹏：创业者很难被培养和培训，我不太相信做一个培训课程就能生产出优秀的创业者，本质上只能做到发现和唤醒。所以每次只有十几个人，把它做得更丰富。一年如果几百人、上千人，多了反而不专注，对每个人的帮助也就降低，所以应该在进入到这个进程之前增加一级。 现在从创始人工坊会延伸出未来前沿社区，通过新兴领域对于商业和创业领域话题的深入探讨，去识别更多有潜力的创业者，再把这些更优秀的人放到工坊创业营的进程中，或者我们家有一个方圆一公里的地儿用来炼钢。钢是从铁来的，先要找到铁矿，在铁矿里做提纯。过去我们认为做了一个东西就应该天然好，其实也是一个妄念，本质是东西要做好，与此同时通过更有效的方式集结和认识这些人。 除此之外，极客公园不断在写提升认知的业界文章，还有每周的《创业真人秀》，都是在集结优秀的从业者，但是从业者到创业者这一步中间其实还需要更丰富的内容、更有意义的沟通才能做进一步的提纯。所以我觉得如果有一些人先接触未来前沿这样一个能给他们带来有意义的沟通，有点像小前沿社的感觉，我们也有机会认识他，他们也有机会认识我们。 说白了还得走向长期，该做的动作做到位。这本身也是我们在把这事当成自己的一个小创业，所以要回到原点，直面问题。 周航：我们有一个迭代，原来是把它作为有点类似创业孵化器的状态，但是通过这两年，我更加深刻地认识到，创业者本质不能被培养的。创业者只能被发现、只能被唤醒、只能被陪伴。如果可培养的话，创业者本身就不值钱了。 现在我们迭代一下，可能要把未来前沿做成一个前沿社的 lite 版，变成一个更加非正式的、坚持给创业者提供学习的社区，然后让大家在这里碰撞交流。 张鹏：是这种感觉，一个优秀的创业者虽然在创业早期未必有今天这样的气场，思维也未必这么成熟，但人都有这样一个过程。所以在他成长的过程中应该对他有所帮助，才有资格去认识他，把有价值的东西传递给他。 像最近挺火的机器狗宇树科技创始人王兴兴，当年真的就是一个小天才工程师。但对于商业和管理略差一点。从这个角度来看，他的短板是挺大的，可我觉得他身上有特别闪光的点，值得陪伴他的成长，所以投了他的天使轮。我很早带他去见雷总，见王兴，这些年下来他自己经历了很大的挑战，同时看到了他的成长。 所以就去那群身上有特别极致的优点，有创业执念，并且希望用自己的能力对世界产生影响的人，其他的东西都是在进程之中成长。这个成长虽然是他自己发生的，但你陪伴了这种成长。 周航：这个人可以有极大的短板都不怕，但是身上有一个无可替代的让人印象极其深刻的闪光点，对产品也好，对世界也好，都有一种执念。 张鹏：这种故事还挺多的，比如李亚飞做的 ShowMeBug，投资的时候有点犹豫，他是个很好的程序员，也能当个很好的产品经理，但怎么真正在一个巨头林立的地方打出自己一片天，当时得不到完整的答案。 我当时特别犹豫，后来说服自己，既然是一个招聘工具，本质上面试官和被招聘者的体验非常重要。在这一瞬间，先不说未来做大会面临多么复杂的竞争格局，能不能走成一个有意义能够解决问题的产品，是符合这个要求的，在目前这一步他是一个合适的人，同时相信未来在那个层面上有机会成长。 看人，不是看人的短板，是看人最闪耀的长板，跟他在这个阶段的事上是不是共振，那些短板都存在，而且短期也解决不了。 前沿社本质上是跟人交朋友做陪伴，跟未来前沿的机制不一样，但最终是未来前沿通过投资的方式形成一个闭环。逻辑都是相通的，所以还要更多的关注人和在这个过程中陪伴一个人，才能带来咱们想的这种创新的早期投资的方式。 周航：看人要看人的长处，而不是看人的短板。这点我非常受用。 张鹏：在日常之中，如果让我们背后说谁的缺点，其实是能说出很多的，比如他长得高不高，好不好看，学历怎么样，总能说出几个，但是要让一个人能够很准地说出他的优点，身上最闪光的东西，其实是比较难的，识别这个点才最有技术含量。 周航：认识一个人优点的能力远远比看别人缺点的能力强，缺点很容易，可以贴一堆标签，但是一个人的成就不是看她完美，没有一个远远超过常人独特的闪光点，这一点才最重要。如果看不到这一点，其实没有所谓识人的能力。 张鹏：14 年硅谷之行后，我特别确定一鸣一定是未来中国商业力量一个全新的存在。这不是事后诸葛亮，复原一下我当时怎么出现这个感觉。 当时去 Facebook 的时候，他英文没那么好，跟大家交流的时候也有点怯生生，中间还需要通过一层翻译。我观察到每次过程中聊完之后，他都会跟曹毅一起复盘，觉得哪些聊得比较有意思。你看，一鸣有一个从内存转向硬盘的过程，体现了极强的学习能力和学习欲望。而且他虽然不擅长表达， 但是去 pinterest 的时候，他已经开始挣扎着用英语跟创始人交流，短短一周，在那样的语境下，结合他这种强烈的交流欲望，完成了个人舒适区的突破。 移动互联网黄金十年的结束 张鹏：最近有个感觉，移动互联网黄金十年的结束，带来整个创业生态体系的变化是根本性的。过去基金整体的投资生态是基于一个黄金年代，有机会在三年五年就能成长出非常高回报的优秀公司，并且有可能是上千倍的回报，尤其是大家都在追求平台型的公司，所以才有那么多大体量的基金，疯狂地对赛道集体下注，一轮接一轮。 如果未来不存在一个快速上升的自动电梯，或者说现在的电梯还不明确，比如最近元宇宙挺热，大家好像还在努力找一个电梯，拿个概念也能自我安慰一下。 周航：未来我们可能面对的就是没有那么高速的电梯，甚至电梯还不如走着快，这个情况是真有可能在下一个时间发生。所以过去那种从投资的模型甚至基金的架构，甚至创业者未来成长的这个历程，它未必是对上一个十年的复刻，有可能是一次重新的塑造。 张鹏：怎么塑造？首先第一步是摆脱惯性，创业者、投资人都需要摆脱惯性，都需要回到事情的本身，回到商业的本质，就是我们在秘鲁聊过的，「解决问题，创造价值」。什么样的问题是值得解决的，怎么解决是有意义的，谁是适合解决这个问题的人，应该用什么样的周期和时间去实现这件事，用什么样的节奏去拿钱去成长。 没有快速电梯的时代，该上楼也得上楼，所以未来前沿的一个思维是有机会站在前面去面对时代的变化，至少在未来前沿的机制里让更多创业者在初始阶段加宽带宽，错误少犯一点，对世界的认知更真实和丰富一点。 这也是是参与下个时代创业有意义的路径，也是身处变化时代中一种也许更有效的方式，然后我们一起去更好地迎接和拥抱变化。同时给自己心里定个预期的支撑，今天所设想的不去跟过去对标。比如对标过去十年优秀的创业者，下一个十年可能那种优秀未必还那么优秀，只能去创造，只能去试验。 周航 ：在考虑下一个时代创业的时候，的确不能再把过去十年的模式简单套用上，比如赛道、风口、三年做成一个领导千人的公司，先把这个认知抛弃掉，可能需要带着一个全新的空杯的心态重新去观察和理解，到底这个时代的创业会是什么样子，会有什么样的新的规律和新的模式。 张鹏：更具体地说，至少会存在可能一个发生的变化，这种变化在美国也已经多少看到一些端倪。从当年双创开始，是资本助推创业者往前走，但经过过去的二三十年，企业家群体会更加走向前台去发生作用，而不只是背后那些基金里的出资人。企业家对下一个时代新生代创业者的作用不只限于他们的资产放到基金里去支持他们，他们的认知、经验、对创业这件事更真实的理解，对人更好的观察，一定会在下一个时代发挥更大的作用。 美国现在有很多创业者的天使投资联盟，所以具体是个人还是集体一起发挥作用，现在没有定论，未来可能就是多样化的。而对一个创业者来讲，以前拿到了明星 VC 的钱，可能觉得就是创业者中最优秀的力量，未来可能是优秀的创业者谁背后有一个企业家的思考伙伴，更有机会成为优秀创业者的人。因为他们智力的资源、他们经历的资源、他们对产业理解的能力都是在越来越难的创业里面不可或缺的重要资源，而资本反而不是那个最关键的东西。资本是做到位之后必然得到的结果，需要他就一定存在，所以这有可能是下一个十年创业要面对的东西。 周航：这一点挺有意思，我们过去评判一个创业项目，特别简单的维度，在没上市之前看估值融资，背后哪些明星机构投，如果未来这个赛道泛化了，创新可能在很多领域都会发生，而不是集中在某一个这个或者某几个焦点性的趋势上，这时候可能一个创业公司背后所站着的智力资源的价值会大于资本量化的数。 张鹏：所以未来的创业，除了资本还要考量的就是智力资源、伙伴资源，甚至有没有一个非常牛的蓝军。华为最早在内部提出蓝军的理念，专门有一个每年扮演蓝军的体系，再去让自己做更正确的决策。要有对创业更宽广的认知和理解，在下一个时代才可能能把创业这件事做得更对。 周航：蓝军的事情我过去也写过一些东西，作为曾经创过业，对蓝军的存在我感触也很深。如果一个公司没有蓝军的话，其实有很大的认知盲区。刚才这个谈话给我提出了一个很崭新的课题，怎么把自己过去对创业形成的这些认知彻底地放下，带着一个真空的心态去观察、去学习理解下一个时代的创业，整个创业的范式一定跟上一个十年是完全不同的，不仅仅是从移动互联网到 AI 技术迭代那么简单的事情。 张鹏：最重要的一点就是不要太自信。刚觉得这个世界好像看懂了，其实世界就已经变了。生生不息特别重要的一点就是要留空白，然后保持一些不确定，因为人一旦把一些事觉得搞明白了，一定就形成惯性，这个世界变化是本质。 这也是我们特别要跟自己对抗的东西，人总是希望寻找确定性的，但其实这个确定性都是包袱，一旦确定了就可能要亮红灯亮预警。做极客公园这么多年，虽然是个不大的公司，大家都觉得张鹏是个挺好的朋友，虽然成不了商业大佬，但我的乐趣就在于说至少能在这个生生不息的过程之中，看到一代新人。所以这值得多干一干，干久一点。 快聊完了，也给我们自己提个醒，时时刻刻去打破自己形成的固有认知，这种认知框架实际是与未来亲密接触的障碍。所以做未来前沿的过程，不仅让自己生生不息，更是极好的自我修炼。 周航：也借这个机会欢迎，期待有更多年轻创业者来加入未来前沿的社群组织。 张鹏：来到未来前沿，让周航扮演你的蓝军，听张鹏给你讲一代创业者的故事，听成功的创业者跟你分享他惨痛的经历，在痛苦中让你未来过得舒服一点。 早期创业者手册来袭 你当前看到的这个文档是由早期创业者社区「未来前沿」编辑整理，内容精选于「未来前沿」创始人工坊第 1-6 期众多企业家/投资人教练的分享、访谈、问答。从「创业的意识」、「赛道的选择和启动」到「合伙人选择」、「团队搭建」、「如何融资」，再到一个创始人需要具备的更高阶思维方式。你会看到创业老炮们多年创业的实战经验及思考，同时也有来自早期创业者们非常真实的创业复盘思考…… 了解未来前沿早期创业者社区，获取早期创业者手册，扫描二维码添加小助手微信 sandboxjojo，我们将尽快回复你。

https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes

本笔记为黄海广博士翻译，开放在Github。 Machine Learning(机器学习)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演译。在过去的十年中，机器学习帮助我们自动驾驶汽车，有效的语音识别，有效的网络搜索，并极大地提高了人类基因组的认识。机器学习是当今非常普遍，你可能会使用这一天几十倍而不自知。很多研究者也认为这是最好的人工智能的取得方式。在本课中，您将学习最有效的机器学习技术，并获得实践，让它们为自己的工作。更重要的是，你会不仅得到理论基础的学习，而且获得那些需要快速和强大的应用技术解决问题的实用技术。最后，你会学到一些硅谷利用机器学习和人工智能的最佳实践创新。 本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括： （一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。 （二）无监督学习（聚类，降维，推荐系统，深入学习推荐）。 （三）在机器学习的最佳实践（偏差/方差理论；在机器学习和人工智能创新过程）。本课程还将使用大量的案例研究，您还将学习如何运用学习算法构建智能机器人（感知，控制），文本的理解（Web搜索，反垃圾邮件），计算机视觉，医疗信息，音频，数据挖掘，和其他领域。 本课程需要10周共18节课，相对以前的机器学习视频，这个视频更加清晰，而且每课都有ppt课件，推荐学习。 第一周 一、 引言(Introduction) 1.1 欢迎 1.2 机器学习是什么？ 1.3 监督学习 1.4 无监督学习 二、单变量线性回归(Linear Regression with One Variable) 2.1 模型表示 2.2 代价函数 2.3 代价函数的直观理解I 2.4 代价函数的直观理解II 2.5 梯度下降 2.6 梯度下降的直观理解 2.7 梯度下降的线性回归 2.8 接下来的内容 三、线性代数回顾(Linear Algebra Review) 3.1 矩阵和向量 3.2 加法和标量乘法 3.3 矩阵向量乘法 3.4 矩阵乘法 3.5 矩阵乘法的性质 3.6 逆、转置 第二周 四、多变量线性回归(Linear Regression with Multiple Variables) 4.1 多维特征 4.2 多变量梯度下降 4.3 梯度下降法实践1-特征缩放 4.4 梯度下降法实践2-学习率 4.5 特征和多项式回归 4.6 正规方程 4.7 正规方程及不可逆性（选修） 五、Octave教程(Octave Tutorial) 5.1 基本操作 5.2 移动数据 5.3 计算数据 5.4 绘图数据 5.5 控制语句：for，while，if语句 5.6 向量化 88 5.7 工作和提交的编程练习 第三周 六、逻辑回归(Logistic Regression) 6.1 分类问题 6.2 假说表示 6.3 判定边界 6.4 代价函数 6.5 简化的成本函数和梯度下降 6.6 高级优化 6.7 多类别分类：一对多 七、正则化(Regularization) 7.1 过拟合的问题 7.2 代价函数 7.3 正则化线性回归 7.4 正则化的逻辑回归模型 第四周 第八、神经网络：表述(Neural Networks: Representation) 8.1 非线性假设 8.2 神经元和大脑 8.3 模型表示1 8.4 模型表示2 8.5 样本和直观理解1 8.6 样本和直观理解II 8.7 多类分类 第五周 九、神经网络的学习(Neural Networks: Learning) 9.1 代价函数 9.2 反向传播算法 9.3 反向传播算法的直观理解 9.4 实现注意：展开参数 9.5 梯度检验 9.6 随机初始化 9.7 综合起来 9.8 自主驾驶 第六周 十、应用机器学习的建议(Advice for Applying Machine Learning) 10.1 决定下一步做什么 10.2 评估一个假设 10.3 模型选择和交叉验证集 10.4 诊断偏差和方差 10.5 正则化和偏差/方差 10.6 学习曲线 10.7 决定下一步做什么 十一、机器学习系统的设计(Machine Learning System Design) 11.1 首先要做什么 11.2 误差分析 11.3 类偏斜的误差度量 11.4 查准率和查全率之间的权衡 11.5 机器学习的数据 第7周 十二、支持向量机(Support Vector Machines) 12.1 优化目标 12.2 大边界的直观理解 12.3 数学背后的大边界分类（选修） 12.4 核函数1 12.5 核函数2 12.6 使用支持向量机 第八周 十三、聚类(Clustering) 13.1 无监督学习：简介 13.2 K-均值算法 13.3 优化目标 13.4 随机初始化 13.5 选择聚类数 十四、降维(Dimensionality Reduction) 14.1 动机一：数据压缩 14.2 动机二：数据可视化 14.3 主成分分析问题 14.4 主成分分析算法 14.5 选择主成分的数量 14.6 重建的压缩表示 14.7 主成分分析法的应用建议 第九周 十五、异常检测(Anomaly Detection) 15.1 问题的动机 15.2 高斯分布 15.3 算法 15.4 开发和评价一个异常检测系统 15.5 异常检测与监督学习对比 15.6 选择特征 15.7 多元高斯分布（选修） 15.8 使用多元高斯分布进行异常检测（选修） 十六、推荐系统(Recommender Systems) 16.1 问题形式化 16.2 基于内容的推荐系统 16.3 协同过滤 16.4 协同过滤算法 16.5 向量化：低秩矩阵分解 16.6 推行工作上的细节：均值归一化 第十周 十七、大规模机器学习(Large Scale Machine Learning) 17.1 大型数据集的学习 17.2 随机梯度下降法 17.3 小批量梯度下降 17.4 随机梯度下降收敛 17.5 在线学习 17.6 映射化简和数据并行 十八、应用实例：图片文字识别(Application Example: Photo OCR) 18.1 问题描述和流程图 18.2 滑动窗口 18.3 获取大量数据和人工数据 18.4 上限分析：哪部分管道的接下去做 十九、总结(Conclusion) 19.1 总结和致谢

https://github.com/phodal/growth-ebook

这是一本指导性的书籍——不要指望从这本书中学到所有的知识点，但是它可以帮你构建你的知识体系。 我们都会学习，但是有时候我们只是不知道应该学习什么而已。 这也是其他技术书籍所欠缺的。它可以告诉你，你可以学习什么，然后看什么书。 对于有些人来说，成为全栈是因为：来自社会的各个不同的中小公司，只靠一个领域的知识难以生存 对于有些人来说，成为全栈是因为：这个世界有太多的乐趣，在一颗树上吊死太可惜了。 对于有些人来说，成为全栈是因为：他们想去创业。 而人们对于全栈有太多的误解——认为全栈应该什么都会，什么都精通。全栈只是因为我们对系统有整体性的认识，而不是精通整个系统。因为专家只精通某一个领域，总得有一个架构师来对系统把握。 作者更愿意去改称这本书为《增长工程师指南》，去避免对这本书的误解。但是作者想要去改变人们的观点，全栈更侧重于知识体系的增长。因为人们对于专家还有一个印象：古板。

https://aaaaaashu.gitbooks.io/mac-dev-setup/content/

手册内容为「如何让一部全新的 MacBook 快速完成开发环境配置」，主要面向 Web 开发者。其中的指导，在 Mavericks 和 Yosemite 上有效，其他版本系统并未尝试。 如果你是一名老手，本手册让你减少配置开发环境的烦恼。 如果你是一名新手，那么恭喜你，你将会认识一个全新的世界。 手册内容主要意译自：Sourabh Bajaj 的 Mac OS X Setup Guide，少部分内容由译者添加和修改。 阅读手册 Github地址 联系译者 注：译者更推荐各位阅读 Sourabh Bajaj 的英文手册，将系统语言设置为 English，避免相关术语在记忆、理解和查找时产生混淆。

《笨办法学 Python》(Learn Python The Hard Way) 是 Zed Shaw 编写的一 本 Python 入门书籍。适合对计算机了解不多，没有学过编程，但对编程感兴 趣的朋友学习使用。这本书以习题的方式引导读者一步一步学习编程，从简单 的打印一直讲到完整项目的实现。也许读完这本书并不意味着你已经学会了编 程，但至少你会对编程语言以及编程这个行业有一个初步的了解。 笔者认为本书区别于其它入门书籍的特点如下： • 注重实践。本书提供了足够的练习代码，如果你完成了所有的练习（包括 加分习题），那你已经写了上万行的代码。要知道很多职业程序员一年也 就写几万行代码而已。 • 注重能力培养。除了原序言提到的“读和写”、“注重细节”、以及“发现 不同”这样的基本能力以外，本书还培养了读者自己专研问题和寻求答案 的能力。 • 注重好习惯的养成。本书详细地讲解了怎样写出好的代码、好的注释、好 的项目。这会让你在后续的学习中少走很多弯路。 本书结构非常简单，其实就是 52 个习题而已。其中 26 个覆盖了输入输出、 变量、以及函数三个课题，另外 26 个覆盖了一些比较高级的话题，如条件判 断、循环、类和对象、代码测试、以及项目的实现等。每一章节的格式基本都 是一样的，以代码练习题开始，读者照着说明编写代码（不允许复制粘贴），运 行并检查结果，然后再做一下加分习题就可以了。当然如果你觉得加分习题对 你来说有点难，你也可以暂时跳过，以后再完成也没关系。 另外阅读本书还需要你有一定的英文能力。其实学编程不懂英语是很吃亏 的，毕竟编程语言都是基于英语，而编程社群的主要交流方式也是英语。不会 英语的人在编程界可能就只好当二等公民了。本书的翻译尽量保留了所有的英 文专业词汇（可能会有中文说明），而且遵照 Zed 的建议，代码及答案部分没有 翻译成中文，读者看到不懂的地方，请自己查字典解决。 这是一本优秀的 Python 入门教材， 作者为 Zed A. Shaw, 译者为 Wang Dingwei。原文发布在http://learnpythonthehardway.org/，译文发布在https: //learn-python-the-hard-way-zh_cn-translation.readthedocs.org/en/1.0/index.html. 因未能找到译本的 PDF 版，Liam Huang 使用 LT E X 排版了这本书。