别聊,一聊你就暴露
这周吃饭的时候遇到个人,说什么自己对机器学习非常有兴趣,一直都在做这个。 好嘛,既然你这么自信我就随便问了几个问题: What’s the difference between L1 and L2 regularization? What’s the difference bewteen kernel
Science and art, life in between.科学与艺术,生活在其间。
Bridging HCI, AI, and systems programming. Building intelligent human-in-the-loop optimization systems. Informed by psychology, sociology, cognitive science, and philosophy.连接人机交互、AI 与系统编程。构建智能的人在环优化系统。融合心理学、社会学、认知科学与哲学。
这周吃饭的时候遇到个人,说什么自己对机器学习非常有兴趣,一直都在做这个。 好嘛,既然你这么自信我就随便问了几个问题: What’s the difference between L1 and L2 regularization? What’s the difference bewteen kernel
这个人肉计算的系列主题差不多快要接近尾声了。在之前的几篇文章里我们已经看了足够多的输入数据聚合的例子,了解到了一些数据处理的方法。是时候从伦理道德的角度来讨论人肉计算领域存在的问题了。
在上一篇文章中我们讨论了预测市场在某种意义上也是在聚合人类的输入。到目前为止我们已经看过足够多的金融领域在人肉计算中将人类输入进行聚合的例子。这次我们来看一看社会行为分析领域中的三个相关的技术和问题: 基于代理人的建模与模拟 随机模型 社会同步性 社会行为分析旨在探索人口规模下的用户行为的模型的结果。
最近和朋友交流到 Hexo 博客的自动部署问题。其实很早以前我就思考过,由于博客是部署在阿里云上的,而 Hexo 从 本地部署到阿里云这个过程要走国际线路,上传时非常缓慢,于是决定利用 Travis CI 来实现自动构建及部署。 博客的源码结构 这个博客的源码其实从上次维护开始就完全通过 GitHub 私有项目进行托管了。这里截个图可看,大概是这个样子:
上一篇文章我们介绍了如何将人肉计算应用到金融领域的信用风险评级。 在这个模型上,我们只看到了在进行数据聚合时,对当前的信用进行评估,却没有对未来事件进行预测。 这一节我们就来看一个关于预测的例子:预测市场。 同样在开始之前,我们需要铺垫一些金融知识。
上一篇文章我们简单「水」过了已经耳熟能详的 PageRank。这里简单总结一下: 一个社交网络其实就是一个矩阵; 如果这个社交网络是一个加权有向图,那么通过 PageRank 算法可以根据边的权值和流向确定网络中节点的重要性排名; 排名最高者就是特征向量中心,这个节点在整个网络中的地位最为重要。 这一篇文章我们来真正看看输入数据聚合的实际例子,如何将人肉计算应用到信用风险评级当中。 本文讨论内容基于这篇文章1,但在谈论具体的模型之前,我们需要铺垫一些金融学知识,首先就是:什么是信用风险评级?它有什么问题?
从蜗居县城,到参加高考,到大城市读大学,再到出国,一路走来感觉很应景,感触很深。回过头去看高中年代写的一些 文字,明显感到自己的眼界不够宽广。
本文作为课程报告写于本科一年级时通识选修课《经济学百年》 摘要 本文讨论了现代企业理论在当下IT企业中的适用性,分析了IT企业与市场的界限。列举了AT&T、Microsoft、Oracle这 些IT企业的商业模式,详细分析了Google的商业模式;并在信息产业规律下讨论了企业生灭问题,以及Google的资本结构。 关键词:现代企业理论、Information technology firm、Google、商业模式、资本结构、信息产业规律
上一篇文章中我们已经初步谈到了在一个人肉计算系统中输入数据聚合的重要性。那么具体都有些什么聚合技术呢?本文我们将探讨最经典的 PageRank 方法。
这两天忙里偷闲,实在是受不了了,做了一些博客的升级,这次博客的相关升级有: 增加了 RESTful API。基于 hexo-generator-restful 插件做了一些自定义,fork 地址,API 分别