目前公司模型都是使用R或者PYTHON在线下建好模型，保存好模型参数，然后打包成接口，供JAVA进行调用。 那么现在的问题是：1. 打包上线的模型长期不会进行更新，因为模型参数被固定了，也不会去主动学习新的资料2.模型出现问题很难找出原因。因为JAVA只会报错JAVA的error，不会报出R或者PYTHON的error3. 本地离线建模受到机器配置的限制。经常几个G的数据电脑就会卡死，或者out of memory尝试使用JAVA直接建模，但是发现自己JAVA功底很弱，很难写出像样的算法。。特地想请教下各位前辈：1. 你们是怎么部署模型上线的？2. 怎么使得模型不断的学习新的资料3. 除了打包这种方式，是否还有其他的更好的方式进行上 […]

请问lenet-5的C3层是如何对S2层进行处理的？看paper上面的连接图如图所示，以C3层的0为例它和S2层的0,1,2相连，而0,1,2都是14*14的map，而C3的0是10*10map，我可以卷积处理一个14*14的map成一个10*10map（就是拿一个5*5的卷积核在map上移动），但是这里怎么把3个14*14map处理成一个10*10map，难道是卷积核在这3个map上来回跳着卷积？实在想不通这里，还望高手指教

如图，这是网上一张讲解shuffle的经典图，不过我感觉这个图有点问题。spark中的task分为两类，一类是shuffleMapTask，另一类是resultTask。shuffle的过程应该是在shuffleMapTask之间，或者shuffleMapTask和resultTask之间。也就是说，图中的map task应该对应的是以shuffle write为结尾的某个task过程，reduce task对应的是以shuffle read为开头的task过程。（不知道理解是否正确） 针对spark，我有一下几个问题，还请大牛帮答疑： 1）我记得hadoop mapreduce中的map和reduce个数是可以设定的。在spark […]

跳入了挖掘机这一大坑一段时间，本来是想往机器学习方向走的，但是我偏金融学的背景时候不被机器学习方向的岗位欢迎，所以往偏业务方向发展。感觉这一起薪还可以，但是看到身边做互联网和金融销售的同学发展的不错，月收入毕业几个月就到7000+的不少，所以想问问一个什么样的数据分析师能够达到50万年薪+

有工科基础，过二级C语言（算0基础吧）

数据可以从第三方采集，有一定码码功底，工具可现学现用.求解惑

在昨天阿里的面试中被问到了，我只简单的说了下xgboost能自动利用cpu的多线程，而且适当改进了gradient boosting，加了剪枝，控制了模型的复杂程度

之前一直把心思放在有监督的文本分类学习上。最近将一些概念复习时发现了LSA，PLSA这些东东，但是无奈不是非常得明白（主要是应用上的，例如输入是文档词条矩阵，那么输出呢？经过SVD分解之后的矩阵？）。想求教下各位大大，现在有没有相关的应用场景？LSA和监督分类算法结合的？