自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

Adan

登高,采他山之石以攻玉;入海,拾五洋之珠可炼珍

  • 博客(83)
  • 资源 (8)
  • 收藏
  • 关注

原创 技术走向管理一些思考

在《IT项目管理》一书中针对IT行业定义了一个新的“工种”--多才多艺者,并预言未来的IT产业中多才多艺者的重要性将逐渐凸显。多才多艺者即是具有技术背景,同时了解业务部门、能规划和实施IT计划、增加商业价值、培养公司内外部关系的人。“技术走向管理的一些思考”系列是在工作和学习过程中观察、总结的一些个人粗浅的认识,一些是身体力行中的、还有一些是想要达到的,整理出来与同路人共勉。

2014-08-13 12:53:34 2503 1

原创 一站式了解智能终端处理器

智能手机都含有两个最重要的处理器平台--应用处理器和基带处理器。应用处理器是主控处理器,包括基带处理器等所有外围设备(WIFI、GPS、触摸屏、相机、陀螺仪等)都由其管理。本专栏描述智能终端应用处理器和基带处理器架构以及两者之间的通信方式,以建立对终端芯片架构的基本认知。

2014-07-02 17:18:09 4412

原创 虚拟化、大数据、云计算、物联网、移动互联网以及传统互联网之间的关系

网络将物联网、传统互联网和移动互联网的数据连接、汇聚在一起形成“大数据”,这些数据经过人类刻意的、针对特意用途的分析产生价值用于决策分析等,计算和分析的平台则是“云计算”,机器学习应该算是“大数据”的获取和分析吧。云计算平台的搭建则借助于虚拟化技术。

2014-07-01 16:50:41 8582 2

原创 嵌入式实时操作系统Nucleus PLUS综述

本专栏系列介绍了Nucleus PLUS,包括Nucleus系统架构、启动过程、任务调度、任务间通信机制和中断等。

2014-06-26 16:47:04 2983

原创 这会不会是顶好的实现万物互联的途径?--设备智能化改造

实现万物互联的途径之一--通过半成品芯片智能化方案、手机操作系统(内置常用场景)、开放统一的通信协议、云平台的管理和大数据技术,路由器做控制/连接中枢、智能插座做能源控制中枢。硬件上通过半成品智能芯片实现了批量智能化,成本也可以压低;硬件之间的通信协议是统一的,利于联网和数据共享;再提供统一的云平台管理和数据收集,也就真正实现了生活各个维度的数据汇集,通过大数据和人工智能技术就可以逐步的实现自动化。

2015-07-16 17:46:02 4048 1

原创 关于管理的点滴总结--人的价值取决于其具备的资源

工作中,分工的不同在于资源调配的方式不同,能力的高低在于资源调配是否合适、是否高效。人与人能力的不同,就在于可以调用的资源渠道、数量、质量、速度的不同。可以说,能力的提高就是资源积累、优化的过程,这既包括外部资源,也包括一个人自己本身可以提供的资源。衡量一个人有多优秀的标准也就是看这个人拥有多少资源,知不知道如何优化资源配置、能够多快的调用这些资源以及能否主动的去积累自己的资源。

2015-06-09 16:08:29 1830

原创 构建下一代服务载体,智能设备这座宝藏该怎么挖?

智能设备是新一代信息平台为人类提供的所有服务的载体,将来基于智能硬件构成的网扮演的将是每个人私人秘书的角色,帮助人类井井有条的安排生活、工作的每一步。那么智能设备这座宝藏该怎么挖?

2015-06-08 17:41:55 1590 1

原创 智能硬件的分类

智能设备最基础的功能是连接能力,根据设备功能的不同可将智能设备划分成多种级别。智能设备将是下一代信息平台服务的载体,每一个企业或创业者都可以在这个浪潮中结合自身产品找准定位,推出能够改善人们的某一生活细节或者给人带来全新生活体验的产品。

2015-06-07 18:52:50 3518

原创 机器学习经典算法详解及Python实现--聚类及K均值、二分K-均值聚类算法

聚类是一种无监督的学习(无监督学习不依赖预先定义的类或带类标记的训练实例),它将相似的对象归到同一个簇中,它是观察式学习,而非示例式的学习,有点像全自动分类。说白了,聚类(clustering)是完全可以按字面意思来理解的——将相同、相似、相近、相关的对象实例聚成一类的过程。机器学习中常见的聚类算法包括 k-Means算法、期望最大化算法(Expectation Maximization,EM,参考“EM算法原理”)、谱聚类算法(参考机器学习算法复习-谱聚类)以及人工神经网络算法,本文阐述的是K-均值聚类算

2015-01-07 16:41:21 11028

原创 机器学习经典算法详解及Python实现--CART分类决策树、回归树和模型树

Classification And Regression Tree(CART)是一种很重要的机器学习算法,既可以用于创建分类树(Classification Tree),也可以用于创建回归树(Regression Tree),本文介绍了CART用于离散标签分类决策和连续特征回归时的原理。决策树创建过程分析了信息混乱度度量Gini指数、连续和离散特征的特殊处理、连续和离散特征共存时函数的特殊处理和后剪枝;用于回归时则介绍了回归树和模型树的原理、适用场景和创建过程。个人认为,回归树和模型树可以被看做“群落分类

2014-12-30 12:20:11 29432 8

原创 机器学习经典算法详解及Python实现--线性回归(Linear Regression)算法

回归是统计学中最有力的工具之一。回归算法用于连续型分布预测,针对的是数值型的样本,使用回归,可以在给定输入的时候预测出一个数值,这是对分类方法的提升,因为这样可以预测连续型数据而不仅仅是离散的类别标签。回归的目的就是建立一个回归方程用来预测目标值,回归的求解就是求这个回归方程的回归系数。预测的方法当然十分简单,回归系数乘以输入值再全部相加就得到了预测值。说到回归,常常指的也就是线性回归,因此本文阐述的就是多元线性回归方程的求解和应用,通过Python实现。

2014-12-23 12:37:59 61405 3

原创 机器学习经典算法详解及Python实现--K近邻(KNN)算法

KNN(K Nearest Neighbors,K近邻 )算法是机器学习所有算法中理论最简单,最好理解的一种监督学习算法。KNN是一种基于实例的学习,通过计算新数据与训练数据特征值之间的距离,然后选取K(K>=1)个距离最近的邻居进行分类判断(投票法)或者回归。使用KNN算法时我们必须有接近实际数据的训练样本数据。K-近邻算法必须保存全部数据集,如果训练数据集的很大,必须使用大量的存储空间。此外,由于必须对数据集中的每个数据计算距离值,实际使用时可能非常耗时。k-近邻算法的另一个缺陷是它无法给出任何数据的基

2014-12-16 19:38:20 19485 7

原创 机器学习经典算法详解及Python实现--决策树(Decision Tree)

决策树也是最经常使用的数据挖掘算法,决策树分类器就像判断模块和终止块组成的流程图,终止块表示分类结果(也就是树的叶子)。判断模块表示对一个特征取值的判断(该特征有几个值,判断模块就有几个分支)。决策树的生成过程就是一个数据集不断被划分的过程,划分数据集的最大原则是:使无序的数据变的有序。如果一个训练数据中有20个特征,那么选取哪个做划分依据?这就必须采用量化的方法来判断,量化划分方法有多重,其中一项就是“信息论度量信息分类”。基于信息论的决策树算法有ID3、CART和C4.5等算法,其中C4.5和CART两

2014-12-14 19:32:08 79107 2

原创 机器学习经典算法详解及Python实现---朴素贝叶斯分类及其在文本分类、垃圾邮件检测中的应用

朴素贝叶斯分类是贝叶斯分类器的一种,贝叶斯分类算法是统计学的一种分类方法,利用概率统计知识进行分类,其分类原理就是利用贝叶斯公式根据某对象的先验概率计算出其后验概率(即该对象属于某一类的概率),然后选择具有最大后验概率的类作为该对象所属的类。总的来说:当样本特征个数较多或者特征之间相关性较大时,朴素贝叶斯分类效率比不上决策树模型;当各特征相关性较小时,朴素贝叶斯分类性能最为良好。另外朴素贝叶斯的计算过程类条件概率等计算彼此是独立的,因此特别适于分布式计算。本文详述了朴素贝叶斯分类的统计学原理,并在文本分类中

2014-12-12 19:35:45 30010 5

原创 机器学习经典算法详解及Python实现---Logistic回归(LR)分类器

Logistic回归可以也可以用于多分类的,但是二分类的更为常用也更容易解释。所以实际中最常用的就是二分类的Logistic回归。LR分类器适用数据类型:数值型和标称型数据。其优点是计算代价不高,易于理解和实现;其缺点是容易欠拟合,分类精度可能不高。本文描述LR分类器原理并通过Python实现了该算法。

2014-12-09 12:56:05 47491 7

原创 机器学习经典算法详解及Python实现--元算法、AdaBoost

AdaBoost算法有AdaBoost.M1和AdaBoost.M2两种算法,AdaBoost.M1是我们通常所说的Discrete AdaBoost,而AdaBoost.M2是M1的泛化形式。关于AdaBoost算法的一个结论是:当弱分类器算法使用简单的分类方法时,boosting的效果明显地统一地比bagging要好.当弱分类器算法使用C4.5时,boosting比bagging较好,但是没有前者明显。后来又有学者提出了解决多标签问题的AdaBoost.MH和AdaBoost.MR算法,其中AdaBoo

2014-12-04 12:57:52 22145

原创 机器学习经典算法详解及Python实现--基于SMO的SVM分类器

支持向量机基本上是最好的有监督学习算法,因其英文名为support vector machine,简称SVM。通俗来讲,它是一种二类分类模型,其基本模型定义为特征空间上的间隔最大的线性分类器,其学习策略便是间隔最大化,最终可转化为一个凸二次规划问题的求解。 本文详述SVM的理论基础,并通过Python实现了该算法。

2014-12-01 14:04:08 39967 1

原创 Python实现支持JSON存储和解析的对象

我们知道利用JSON模块可方便的将Python基本类型(dict、list等)数据永久的存储成文件,同时也可以通过自定义转换函数和继承JSON encode&decode的方法实现自定义类的存储。本文就在前文“ Python JSON模块”的基础上,实现python支持JSON存储的对象。对象能够采取JSON存储和解析是有很大意义的。例如机器学习中所有分类算法的训练过程中都存在大量的数据计算,如果每次启动分类都需要重新训练分类算法浪费资源且没有效率,如果能够将训练产生的分类算法对象保存起来,那么除非需要

2014-11-28 13:47:32 7288

原创 <转>凯文·凯利斯坦福演讲-预言未来20年科技潮流

近日,硅谷精神教父、科技商业预言家凯文·凯利在斯坦福大学,为来自中欧国际工商学院的 20 多位学员进行了长达 3 个小时分享,畅谈他对未来 20 年重大商业科技潮流的见解。

2014-10-28 12:27:33 2481

原创 windows XP下Python2.7包管理工具安装-setuptool,pip、distribute、nose、virtualenv

在Python开发中为了对项目进行管理和调试,必须安装一些特定的软件包。据说业内这个叫做yak shaving-做一个很酷很绚丽的Python项目之前,必须做的一些枯燥无味的准备工作。本文介绍了setuptool,pip、distribute、nose、virtualenv的安装。

2014-10-23 12:17:47 2711

原创 Python多线程之线程创建和终止

python主要是通过thread和threading这两个模块来实现多线程支持。python的thread模块是比较底层的模块,python的threading模块是对thread做了一些封装,可以更加方便的被使用。Python threading模块不同于其他语言之处在于它没有提供线程的终止方法,本文分析了Python多线程终止控制的方法。

2014-10-21 12:33:45 27128

原创 Python多线程之threading Event

Python threading模块提供了Event对象用于线程间通信,它提供了设置、清除、等待等方法用于实现线程间的通信。event是最简单的进程间通信方式之一,一个线程产生一个信号,另一个线程则等待该信号。Python 通过threading.Event()产生一个event对象,event对象维护一个内部标志(标志初始值为False),通过set()将其置为True,wait(timeout)则用于阻塞线程直至Flag被set(或者超时,可选的),isSet()用于查询标志位是否为True,Clear

2014-10-20 17:22:47 4869

原创 Python 多线程之threading condition

Python threading Condition对象可以在某些事件触发或者达到特定的条件后才处理数据,Condition除了具有Lock对象的acquire方法和release方法外,还有wait方法、notify方法、notifyAll方法等用于条件处理。

2014-10-20 17:04:22 7640

原创 Python JSON模块

Python2.6开始加入了JSON模块,无需另外下载,Python的Json模块序列化与反序列化的过程分别是 encoding和 decoding。encoding-把一个Python对象编码转换成Json字符串;decoding-把Json格式字符串解码转换成Python对象。要使用json模块必须先导入。

2014-09-22 19:02:41 15380

原创 使用Python生成源文件的两种方法

利用Python的字符串处理模块,开发人员可以编写脚本用来生成那些格式相同的C、C++、JAVA源程序、头文件和测试文件,从而避免大量的重复工作。本文概述两种利用Python string类生成java源代码的方法。

2014-09-18 12:48:05 4859

原创 Python学习笔记(六)再谈Python模块

Python程序包含多个模块文件,一个主体、顶层文件实现主要控制流程、调用组件和工具,其他模块文件则提供组件和工具,python自带了许多实用的模块称为标准链接库。模块是python中最高级别的程序组织单元,将代码和数据封装起来以便重用。每一个文件都是一个模块,并且可以通过“导入"来使用其他模块的变量(顶层定义的所有变量)。模块被导入时就生成了一个模块对象。

2014-09-16 17:03:33 1340

原创 Python学习笔记(五)Python动态类型和引用

动态类型以及由他提供的多态性是Python语言简洁性、灵活性的基础。Python中,类型是在运行过程中自动决定的,没有必要事先声明变量。记住,Python中变量和对象是划分开来的,这样才能能清楚的理解动态类型。再记住,赋值生成的是变量到对象的引用,而非拷贝。

2014-09-15 17:16:05 2282

原创 Python学习笔记(四)Python对象

Python提供了强大的对象类型作为语言的组成部分,除非有内置类型无法处理得特殊对象,用户最好总是使用内置对象。Python内置对象类型强大而高效,是一个python程序的核心部分,让编程变得简单。本文概述python中的对象类型。

2014-09-11 17:10:33 2449

原创 Python学习笔记(三)Python模块、模块导入和重载

模块是Python程序架构的一个核心概念,较大的程序往往以多个模块文件的形式呈现,一个模块被设计成主文件或顶层文件,用来启动整个Python程序。每个以.py为后缀的Python源代码文件都是一个模块,其他文件可通过“导入”读取这个模块的内容。从一般意义上讲,模块就是变量名的封装。

2014-09-10 19:26:40 2213

原创 Python学习笔记(二)Pytho解释器和程序开发、执行过程

Python程序编写支持交互式和执行文件两种,python程序执行过程是现将代码转变成字节码,再发送给虚拟机解释执行。Python开发中,还包含一些优化基本执行模块的优化系统,试图提高Python的运行速度等,如Psyco实时编译器和Shedskin C++转换器。另外,如果需要将Python程序生成可独立执行的二进制代码则需要第三方工具“冻结二进制文件”(Frozen Binary)。

2014-09-09 17:00:35 2631

原创 Python学习笔记(一)-Python介绍和应用

Python的设计哲学是“优雅”、“明确”、“简单”,Python开发者的哲学是“用一种方法,最好是只有一种方法来做一件事”,致力于开发效率的最优化:简洁的语法、内置工具包、无需编译。由于这种设计观念的差异,Python源代码通常被认为比Perl具备更好的可读性,并且能够支撑大规模的软件开发。Python被称为“脚本语言”,很大的原因是因为其便捷性,而不是应用范围。事实上,Python是一种应用范围广阔的高级语言。

2014-09-05 16:02:22 1660

原创 云计算、物联网的意义在于收集和处理数据,目前需集中发展IaaS和建设高速宽带

智慧地球的核心在于数据的收集和处理,数据被用于决策分析。大数据技术就是在合理时间内达到撷取、管理、处理、并整理成为帮助个人、企业经营决策等积极的目的。大数据技术的意义就在于对这些含有意义的数据进行专业化处理,通过“加工”实现数据的“增值”。数据的收集和处理就依赖于云计算、物联网技术的成熟,云计算,是物联网实现的基石。

2014-08-17 14:38:31 2507

原创 技术走向管理一些思考(8)-适合的人才

企业当然需要一些更高智商的人从事特殊的岗位,一般的职位则只要智商达到一定程度就够了。在这个讲究协作的时代,优秀人才的选拔还要考虑其他因素如人格、性格、实用智商(理论化为应用)等。一个优秀员工的衡量要包含技能水平(技术宽度、广度、熟练程度)、沟通能力、工作态度、学习能力。

2014-08-17 09:32:19 1918

原创 技术走向管理一些思考(7)-激励成员

对于成员的激励应该以团队为基点进行绩效考核,多鼓励、多表扬,赏罚分明、及时进行,具体的激励手段则要根据成员的类型具体进行,基本原则就是尽可能满足成员得到想要的实惠。简单来说可以是“对外护犊子,为团队争取更多资源;对内量才使用、赏罚分明”。

2014-08-16 19:14:06 1425

原创 技术走向管理一些思考(6)-推进项目

一个项目最终成功与否的评价标准:首先是达到了范围/成本/时间标准、质量过关,除此之外还有客户、上层领导是满意,是否积累了经验等。用户需求为导向、充分计划、加强沟通等一些因素有助于促进项目的成功

2014-08-16 08:03:05 2271 2

原创 技术走向管理一些思考(5)-安静的办公环境

现实是出勤时间数量不是最重要的,发挥所有潜力的时间量才是关键。人在进入“顺流”状态效率最高,对于涉及策划、设计、开发、写作、分析等工作的知识工作者来说,顺流状态是不可缺少的。管理层应该尽力确定有足够的空间、足够的安宁确保成员独处,以便人们创造自己合理的、让自己舒适快乐的工作空间。

2014-08-15 16:43:08 1717 1

原创 技术走向管理一些思考(4)-如何建设团队

团队合作不是简单的将一群人聚在一起去完成一件事情,而是去建设一个1+1>2的协作团体。应该建立快乐、健康、有凝聚力、社交正常的团队,小组成员团结起来时,大家会工作的更好、更开心。团队能够使得每个人朝着同一方向努力,成员之间的交往是容易的、热忱的、相互信任的。

2014-08-15 12:59:47 2224

原创 技术走向管理一些思考(3)-知识工作者的管理

现代企业中更多的是知识工作者,不同于传统制造业的体力劳动者之处在于:前者的业绩和努力程度是很难度量的。对于知识工作者团队的管理来说,管理人员像乐队指挥家,又像是一条串珍珠的线。知识工作者组成的乐队中,指挥家只能指挥、协调他们去演奏而不能教他们如何演奏。知识工作者是一个个独特个体的集合,每个人都是自己领域内的专家,每个人都有自己独立的思想,对于他们的管理,必须以人为本。另外,知识团体中的领导责任是分散的,任何成员只要推动去解决问题的人都是在领导。实质上,知识团队的每一个成员都肩负着领导的责任:管理自己领域内的

2014-08-14 16:51:09 1624

原创 技术走向管理一些思考(2)-建立管理思维

管理意味着更多的责任,而不是权力。从基本职责看,管理就是营造一个使每个人的工作有意义且效率更高的环境的过程,不拘泥于形式。即只要成员能够朝着同一个目标高效的完成分内之事,每个人可采取对其自由有利的具体的工作方式。若用一句话对管理做一个总结,会是“目标决定计划、计划必有结果、结果必有责任、责任必要考核、考核必有奖惩”。技术走向管理,必须突破只关注技术细节而忽略全貌的障碍、建立管理思维

2014-08-14 12:24:57 3812 3

原创 技术走向管理一些思考(1)-性格特质和自我管理

优秀的管理首先得是优秀的个人,一个能擅长学习、记录、思考、总结和分享的人一定是优秀的。因此,永远都要学习新的知识,回顾、提炼已掌握的知识,记录解决问题的过程,提炼经验。

2014-08-13 12:57:03 2066

Machine Learning K近邻算法

机器学习常用算法之K近邻(KNN)算法,对应博文: http://blog.csdn.net/suipingsp/article/details/41964713

2014-12-23

Machine Learning Linear Regression-线性回归

机器学习算法之线性回归 最小二乘法和岭回归算法的实现,对应博文为: http://blog.csdn.net/suipingsp/article/details/42101139

2014-12-23

Machine learning DecisionTree

机器学习 决策树算法,相对博文: http://blog.csdn.net/suipingsp/article/details/41927247

2014-12-14

Machine learning navieBayes algorithm

对应博文:http://blog.csdn.net/suipingsp/article/details/41897901 朴素贝叶斯分类器用于文本分类时有多项式模型和贝努利模型两种,本算法实现了这两种模型并分别用于垃圾邮件检测,性能显著。《机器学习实战》朴素贝叶斯这一章关于文本分类的算法是错误的,无论是其贝努利模型(书中称“词集”)还是多项式模型(书中称“词袋”),因为其计算公式不符合多项式和贝努利模型。

2014-12-12

machine learning Logistic regression

机器学习LR分类器算法的Python实现,博文参考 http://blog.csdn.net/suipingsp/article/details/41822313

2014-12-09

machine learning adaboost

AdaBoost算法有AdaBoost.M1和AdaBoost.M2两种算法,AdaBoost.M1是我们通常所说的Discrete AdaBoost,而AdaBoost.M2是M1的泛化形式。关于AdaBoost算法的一个结论是:当弱分类器算法使用简单的分类方法时,boosting的效果明显地统一地比bagging要好.当弱分类器算法使用C4.5时,boosting比bagging较好,但是没有前者明显。后来又有学者提出了解决多标签问题的AdaBoost.MH和AdaBoost.MR算法,其中AdaBoost.MH算法的一种形式又被称为Real Boost算法---弱分类器输出一个可能度,该值的范围是整个R, 和与之相应的权值调整,强分类器生成的AdaBoost算法。Python实现该算法。 adabbost原理见博客 http://blog.csdn.net/suipingsp/article/details/41722435

2014-12-04

machine learning SVM classify algorithm

Python实现的机器学习基于SMO算法的SVM分类器,支持对象JSON存储.

2014-12-01

现代通信技术 课件 光纤通信,综合接入

pdf版ppt 光纤通信技术,综合业务接入技术

2010-10-21

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除