最近看到的工做要求

 

领域	要求	分析
系统设计	大规模系统开发和设计经验
前沿技术	-熟悉大规模数据挖掘、机器学习、分布式计算等相关技术，并具有多年的实际工做经验   -具有大规模推荐系统的研发经验(推荐算法设计和实现/推荐系统评估方法研究)   -具有天然语言处理、信息过滤、主题提取、分类聚类、个性化用户建模、文本挖掘等相关领域知识   -具有机器学习理论、算法的研究和实践经验   -具有分布式相关项目研发经验（如分布式存储/分布式计算/高性能并行计算/分布式cache等）   -具有搜索引擎、广告投放、反做弊相关技术的知识和经验    有高并发开发经验   高性能计算（并行训练平台（GPU集群） mpi、gpu ）
基础	熟悉C/C++语言编程，   熟悉网络编程、多线程编程技术   -良好的逻辑思惟能力，和数据敏感度，能可以从海量数据中发现有价值的规律
技术热情	-优秀的分析和解决问题的能力，对挑战性问题充满激情
团队	-良好的团队合做精神，较强的沟通能力
领导力	-良好的技术领导能力，有能力开辟一个技术方向，带动和引导一个技术方向的规划、研发

 

 

 

 

前段，全站

 

领域	要求	分析
前端技术	react+redux   backbone   currying   reactive编程，以为挺有意思，特别是rxjs和vertx   Threejs D3.js esprima.js jison   WebVR、WebGL、Three.js	又是 reducer，又是action，各类promise，加上又开始用es6和函数式编程。 数据流。
开发工具	Vscode	eslint，vim，react redux snippet和 autoimport的插件
语言	Node.js / Python / Java / PHP / Ruby
JavaScript frameworks	React.js / Vue.js / AngularJS
其余	designing APIs and optimizing frontend performance

122

机器学习该怎么入门

 

                               

机器学习实战	合喜欢Coding的小伙伴，从代码的角度讲述，机器学习要学习的东西和项目，而且使用的是Python，很是简单。
机器学习	1.) 机器学习基础 2.) k-近邻算法 3.) 决策树 4.) 基于几率论的分类方法：朴素贝叶斯 5.) Logistic回归 6.) 支持向量机 7.) 集成方法-随机森林和AdaBoost 10.) 使用K-均值聚类算法对未标注数据分组:k-means聚类 11.) 使用Apriori算法进行关联分析 12.) 使用FP-growth算法来高效发现频繁项集
深度学习，进阶
NLP
CV
大数据	Hadoop，hive，spark，。。