Tags

• C# 1
• CSP 1
• CUDA 1
• EM 1
• GBDT 1
• LZW 2
• PCA 1
• PyPi 1
• SSH 1
• Y Combinator 1
• Y组合子 1
• algorithm 5
• applicative 1
• backpropagation 1
• bayesian 1
• binary-tree 1
• boosting 1
• c++ 2
• canny 1
• cherry-pick 1
• compression 2
• decision-tree 1
• deep-learning 1
• functor 1
• git 1
• hough 1
• k-nearest-neighbors 1
• keras 1
• kernal 1
• lambda 1
• linux 1
• logistic 1
• maximum-likelihood 1
• monad 1
• monoid 1
• neural-network 1
• notebook 1
• numpy 1
• open-cv 1
• package 1
• pip 1
• praise 1
• probility 2
• python 4
• ranking 1
• rebase 1
• regression 1
• release 1
• remote 1
• scala 1
• search 1
• server 1
• sigmoid 1
• softmax 1
• statistics 1
• sys-call 1
• tail-recursion 1
• tips 1
• vectorize 1
• 修改历史 1
• 函数式编程 2
• 变换 2
• 因果 1
• 工作 1
• 思考 4
• 批判性思考 1
• 提问 1
• 操作系统 1
• 改变 1
• 教程 3
• 最大似然 1
• 机器视觉 1
• 概率 2
• 特征值 1
• 矩阵 1
• 算法 2
• 系统调用 1
• 线性代数 1
• 统计 1
• 编程 1
• 自动驾驶 1
• 读书笔记 3
• 车道检测 1
• 远程服务 1

C#

• January 13, 2019 » 从零开始理解 Y 组合子

CSP

• July 07, 2018 » 如何优雅的遍历一棵二叉树

CUDA

• June 02, 2016 » Windows 系统中 Keras 深度学习环境的配置

EM

• December 11, 2016 » 闲话 EM 算法

GBDT

• November 26, 2016 » GB-Rank -- 一种排序算法

LZW

• March 18, 2015 » LZW 算法之解压
• March 18, 2015 » LZW 算法之压缩

PCA

• February 17, 2017 » 一分钟理解 PCA 的原理

PyPi

• February 04, 2017 » 发布你自己的 PyPI 包

SSH

• January 11, 2017 » 创建 IPython Notebook 远程服务

Y Combinator

• January 13, 2019 » 从零开始理解 Y 组合子

Y组合子

• January 13, 2019 » 从零开始理解 Y 组合子

algorithm

• December 11, 2016 » 闲话 EM 算法
• November 26, 2016 » GB-Rank -- 一种排序算法
• June 12, 2016 » K-Nearest Neighbors 的 vectorize 方法
• March 18, 2015 » LZW 算法之解压
• March 18, 2015 » LZW 算法之压缩

applicative

• December 26, 2016 » Monad 简明教程 -- Scala 表述

backpropagation

• April 22, 2015 » C++ 实现backpropagation神经网络

bayesian

• February 17, 2017 » 理解 Logistic 回归的原理

binary-tree

• July 07, 2018 » 如何优雅的遍历一棵二叉树

boosting

• November 26, 2016 » GB-Rank -- 一种排序算法

c++

• July 07, 2018 » 如何优雅的遍历一棵二叉树
• April 22, 2015 » C++ 实现backpropagation神经网络

canny

• June 24, 2018 » 自动驾驶之车道检测

cherry-pick

• August 27, 2017 » Git 进阶

compression

• March 18, 2015 » LZW 算法之解压
• March 18, 2015 » LZW 算法之压缩

decision-tree

• November 26, 2016 » GB-Rank -- 一种排序算法

deep-learning

• June 02, 2016 » Windows 系统中 Keras 深度学习环境的配置

functor

• December 26, 2016 » Monad 简明教程 -- Scala 表述

git

• August 27, 2017 » Git 进阶

hough

• June 24, 2018 » 自动驾驶之车道检测

k-nearest-neighbors

• June 12, 2016 » K-Nearest Neighbors 的 vectorize 方法

keras

• June 02, 2016 » Windows 系统中 Keras 深度学习环境的配置

kernal

• March 12, 2015 » 向 Linux 增加系统调用

lambda

• July 07, 2018 » 如何优雅的遍历一棵二叉树

linux

• March 12, 2015 » 向 Linux 增加系统调用

logistic

• February 17, 2017 » 理解 Logistic 回归的原理

maximum-likelihood

• December 11, 2016 » 闲话 EM 算法

monad

• December 26, 2016 » Monad 简明教程 -- Scala 表述

monoid

• December 26, 2016 » Monad 简明教程 -- Scala 表述

neural-network

• April 22, 2015 » C++ 实现backpropagation神经网络

notebook

• January 11, 2017 » 创建 IPython Notebook 远程服务

numpy

• June 12, 2016 » K-Nearest Neighbors 的 vectorize 方法

open-cv

• June 24, 2018 » 自动驾驶之车道检测

package

• February 04, 2017 » 发布你自己的 PyPI 包

pip

• February 04, 2017 » 发布你自己的 PyPI 包

praise

• February 04, 2017 » 发布你自己的 PyPI 包

probility

• February 17, 2017 » 理解 Logistic 回归的原理
• December 11, 2016 » 闲话 EM 算法

python

• February 04, 2017 » 发布你自己的 PyPI 包
• January 11, 2017 » 创建 IPython Notebook 远程服务
• June 12, 2016 » K-Nearest Neighbors 的 vectorize 方法
• June 02, 2016 » Windows 系统中 Keras 深度学习环境的配置

ranking

• November 26, 2016 » GB-Rank -- 一种排序算法

rebase

• August 27, 2017 » Git 进阶

regression

• February 17, 2017 » 理解 Logistic 回归的原理

release

• February 04, 2017 » 发布你自己的 PyPI 包

remote

• January 11, 2017 » 创建 IPython Notebook 远程服务

scala

• December 26, 2016 » Monad 简明教程 -- Scala 表述

search

• November 26, 2016 » GB-Rank -- 一种排序算法

server

• January 11, 2017 » 创建 IPython Notebook 远程服务

sigmoid

• February 17, 2017 » 理解 Logistic 回归的原理

softmax

• February 17, 2017 » 理解 Logistic 回归的原理

statistics

• December 11, 2016 » 闲话 EM 算法

sys-call

• March 12, 2015 » 向 Linux 增加系统调用

tail-recursion

• July 07, 2018 » 如何优雅的遍历一棵二叉树

tips

• August 27, 2017 » Git 进阶

vectorize

• June 12, 2016 » K-Nearest Neighbors 的 vectorize 方法

修改历史

• August 27, 2017 » Git 进阶

函数式编程

• January 13, 2019 » 从零开始理解 Y 组合子
• December 26, 2016 » Monad 简明教程 -- Scala 表述

变换

• January 13, 2019 » 从零开始理解 Y 组合子
• February 17, 2017 » 一分钟理解 PCA 的原理

因果

• July 29, 2017 » 相关与因果

工作

• June 06, 2018 » Team Geek - 程序员社交指南

思考

• June 06, 2018 » Team Geek - 程序员社交指南
• July 29, 2017 » 相关与因果
• July 13, 2017 » 如何科学的改变
• December 17, 2016 » 学会提问 -- 如何学会批判性思考

批判性思考

• December 17, 2016 » 学会提问 -- 如何学会批判性思考

提问

• December 17, 2016 » 学会提问 -- 如何学会批判性思考

操作系统

• March 12, 2015 » 向 Linux 增加系统调用

改变

• July 13, 2017 » 如何科学的改变

教程

• January 13, 2019 » 从零开始理解 Y 组合子
• January 11, 2017 » 创建 IPython Notebook 远程服务
• December 26, 2016 » Monad 简明教程 -- Scala 表述

最大似然

• December 11, 2016 » 闲话 EM 算法

机器视觉

• June 24, 2018 » 自动驾驶之车道检测

概率

• July 29, 2017 » 相关与因果
• December 11, 2016 » 闲话 EM 算法

特征值

• February 17, 2017 » 一分钟理解 PCA 的原理

矩阵

• February 17, 2017 » 一分钟理解 PCA 的原理

算法

• January 13, 2019 » 从零开始理解 Y 组合子
• December 11, 2016 » 闲话 EM 算法

系统调用

• March 12, 2015 » 向 Linux 增加系统调用

线性代数

• February 17, 2017 » 一分钟理解 PCA 的原理

统计

• December 11, 2016 » 闲话 EM 算法

编程

• June 06, 2018 » Team Geek - 程序员社交指南

自动驾驶

• June 24, 2018 » 自动驾驶之车道检测

读书笔记

• June 06, 2018 » Team Geek - 程序员社交指南
• July 13, 2017 » 如何科学的改变
• December 17, 2016 » 学会提问 -- 如何学会批判性思考

车道检测

• June 24, 2018 » 自动驾驶之车道检测

远程服务

• January 11, 2017 » 创建 IPython Notebook 远程服务