登录/注册
下载豆瓣客户端
豆瓣 6.0 全新发布 ×

豆瓣

扫码直接下载

iPhone · Android
  • 豆瓣
  • 读书
  • 电影
  • 音乐
  • 同城
  • 小组
  • 阅读
  • FM
  • 时间
  • 豆品
豆瓣读书
搜索:
  • 购书单
  • 电子图书
  • 2024年度榜单
  • 2024年度报告

观后感

豆友186243435 2018-12-16 16:35:50

观后感

没有完全读完,只是看了前半部分以及后面比较感兴趣的 神经网络和大数据相关的篇章, 整体感觉 是一本科普性比较强的计算机书籍,读者需要有一定的计算机和数据基础。 虽然很多公式 一看就头大 但是隐约能理解作者要表达的数学的重要性的思想,就拿前两天看到的余弦定理为例,看了书才知道余弦定理 原来可以判定两篇文章的相关性, 这在以前单独学习数学的时候是完全没有考虑过的事情 但是毕竟 很久没有看过数学方面的书籍,看到一堆公式的时候还是会很吃力 ,另一个印象比较深刻的就是数据相关性以及分类相关的东西, 以前在看新闻推送的时候完全没有考虑过 新闻是如何分类的,现在大概有了一些概念。另外看到后面 大数据对人类健康方面的影响还是很期待的,未来神经网络对医疗健康方面的贡献的

基础知识

分词器 - 我理解就是一个包含 基本词表 符合词表的词典,把句子输入进去后,根据语言模型,对句子进行分词

信息熵 - 计算32只球队夺冠的概率(可以先分组,再分别猜,也可以将热门夺冠球队放在一个分组里,其他球队放在另一个分组里,猜), 变量不确定性越大,熵也越大,所学的信息量也就越多

网页相关性 - TF (Term Frequency) 词频,词汇频率,权重比起IDF要低很多, 如应用 - IDF (InverseDocument Frequency), 逆文本频率指数,专用词命中率,权重高, 如原子能 - Stop Word, 停止词, 如 是,的,和,地 等, 权重为 0

导航原理 - 卫星定位,地址识别(用户输入的地址进行分析, 应用上下文相关文法),计算最优路径(加权图)

神经网络 - 多层次有向图, 一般层级不会超过5个

对于教育的看发, 比较赞同

1. 中小学生 没有那么多必要去学习学校课程,而更重要的是积累生活经验以及生活能力

2. 大了大学之后要多读书 学习, 因为到那个时候 人的理解能力 要强很多

3. 人要不断的学习, 兴趣趋势,才有动力

4. 书本的内容 可以早学 也可以晚学,但是错过了成长阶段 是没法弥补的


赞
转发
回应 只看楼主

> 我来回应

> 去数学之美 (第二版)的论坛

最新讨论 · · · · · · (全部)

29章 MapReduce例子的疑问(擎天柱)

第二版第24章贝叶斯网络里的错误好像还没更正(LaoBai)

数学的用途(罗霄山上的鼹鼠)

叫自然语言处理导论更好(豆小姜)

© 2005-2025 douban.com, all rights reserved 北京豆网科技有限公司 关于豆瓣 · 在豆瓣工作 · 联系我们 · 法律声明 · 帮助中心 · 图书馆合作 · 移动应用