具体来说就是从几个维度匹配公司的相似度或者说是匹配度 或者说是合作可能性。这个机遇机器学习算法如何实现

创业公司快速扩张中，一周内入职四位前端新人，工作年限都在2~3年左右。很多公司都会有导师制，但是目前没有条件实施。组内现状就是其它同事也都是新兵蛋子，不论技术实力还是沟通能力都不及最近入职的新人。我自己可以带，但是一两个还行，四个确实有点力所不及，所以想请教下有什么方法和手段能够解决这个问题。

跟传统的运维有多大差别？

在读武大硕士一枚，专业是GIS因为一直在搞数据挖掘的项目，有志毕业后去阿里从事数据挖掘，特别是空间数据挖掘的岗位，求教在此之前都需要哪些储备？另外怎么获得实习机会

又到了一年校招季，看到华为招聘热设计工程师，想去试一试。大多数关于华为的回答中都是偏向IT，不知道有没有前辈了解华为热设计工程师方向的情况，比如薪资待遇，加班情况，还有能否真的受到锻炼成为行业大牛。非常感谢！

想知道关于数据挖掘中分类方向有哪些经典的论文

题主软件工程科班出生，想从事数据挖掘方向的工作，主要偏向集群设计与管理，数据仓储等，而不是机器学习算法一类的，现在已经一家研究所上班，是否有读研的必要？主要担心以后找工作对学历会有歧视，求答疑。

本人工程硕士，研一新生，有一年as3页游开发经验。毕业后希望从事数据挖掘方向工作，如推荐系统方向。目前本人正在学习书籍machine learning in action，以及林轩田老师的机器学习基石课程以入门机器学习。计划在完成这两项后，在dblp上阅读一些KDD，ICML，NIPS，IJCAI，AAAI等相关会议近年的论文，追踪热点。由于目前可能选不到匹配方向的导师，工程硕士也只有1年的时间学习相关知识和准备找工作，不知道怎样学习才能效率最优。列出了以后可能需要学到的知识：学习MapReduce，GPU Computing参加如Kaggle，天池等数据竞赛累计经验实现一些经典算法（用什么语言？）不知道上述是要做加法还是做减法？重 […]

本人在一个美国的日本公司做QC engineer，感觉因为日本人和美国人公司注重的东西不太一样，感觉实际工作中并没有怎么用到以前qc课教的东西，反而主要在人与人交流上会比较多。请问质量控制课学的那一些知识和方法到底哪些是真正有实用性的？谢谢

评估分类结果的好坏时，一般用准确率和召回率，但是这个方法的前提是我有标注的正负样本。如果我没有正负样本的情况下，怎么知道我的分类结果好不好？一定要通过标注正负样本，然后计算F-Score来评估吗？比如：我在新浪微博随机抓取了1000万用户，我通过一些特征或规则，可以判断这些用户的性别，是否已婚，是否单身等等，那么我的这些规则可以看成是一个分类模型。在这种情况下，有什么办法可以评估我这个分类模型是否合理，或者如何评估我的这个分类模型的好坏呢？有没有比较通用的方法？