陈然的公开内容

机器学习工程师小月最近一直在研究新的深度学习算法。相对于现有的算法框架，新算法要求兄弟团队一块搭建了不少新的框架，也选用了一些以前不太熟悉的库。经过了三个月的准备，终于可以上线AB测试了。 但是AB测试效果老是不好 经过了几个月的迭代，效果依然不佳，仅仅只比手动排序更好，与现有的模型相比效果差距甚远。离线数据 AUC，...

有业务能上机器学习模型了，算法工程师小月开心地不行。毕竟作为一名机器学习工程师，口袋子藏着无数陈年老模型：线性模型、树模型、深度模型、增强学习，要啥有啥。业务一来，恨不得立刻就掏出最炫酷的模型，一步到位。 但是，第一个模型，一定要简单 正当小月兴奋着呢，经理大圆泼了一瓢冷水，“第一个模型，一定要简单”。 第一个次迭代往...

一个新的产品需求来了，产品经理总会提前很久就来找机器学习的团队，讨论能不能在第一版上线中就加入“神奇的”机器学习排序算法。 “我也是想呢，但是不行“。 我们当然想着用机器学习去帮助每一个产品，但是在实践中，最早的版本不应该考虑机器学习算法。 原因 背后的原因有很多。 第一当然是数据。不管是有监督还是无监督算法，或多或少...

提问的原意是“打通任督二脉”，我也分享一下我的经历，但并不是某个算法，可能有些跑题。 我在初高中的时候学习过一些 Pascal 编程，主要是为了参加 NOIP 竞赛。那时候对于编程的理解非常局限于函数的实现，觉得能够实现复杂的深搜广搜和动态规划就是很厉害的人了，各种能把 N^2 降低到 NLog(N) 的奇淫技巧都好厉...

今天，我们的 VP 佘昶 (Chang 是大家喜爱的 Python 库 Pandas 的第二位核心作者，在 Tubi 负责数据、机器学习等业务) 发表了一篇博客: 比图科技：打造一家模型驱动型公司 - Tubi 数据与机器学习平台简介 谈到了 Tubi 的数据工程，机器学习，算法驱动。内容非常丰富，值得深入阅读。借这个...

程序员有个著名的笑话，这么说的： “老公，晚上回来买一个西瓜，如果看到西红柿，就买两个。”晚上，老公买了两个西瓜回来，老婆问为什么，老公说，“因为看到了西红柿。” 程序员看到了一定会心一笑，甚至认真的人还会辩解说完全没有什么问题，认为这是对于语言严谨的追求。不管两个西瓜吃不吃的完，没了西红柿怎么炒鸡蛋，至少我们可以看到...

我觉得这是一个非常好的问题。计算机编程这门学科本身非常年轻，技术日新月异，我们走过的路都不一定是最好的路。不断地反思可以给后面的同学更多的经验，帮助大家成长的更快。下面是我的一些思考。 简单的语言入门 我一直认为，一门新的学科的入门，一定要激发兴趣，最重要的一点，就是要深刻认识学了有什么用，能够解决什么问题。因此，上手...

据说每一个酷酷的互联网公司都会举行编程马拉松（hackathon），当然，tubi 也不意外。 圣诞节前（19、20号）刚好是一个完美的时刻，毕竟流量高峰，我们要 code freeze，原则上不能上线任何新的功能，大家的精力可以放在一些更有趣的事情上面。经过 CTO 马老师（Marios）和 VPE Chang 的深...

过去两年，我们 Trulia Data Science Team 探索了大量图像识别（Computer Vision）在房地产相关的应用，在 Trulia 上线了一些，并发布了一些博客，在这里一并总结一下。 相关博客： Image Recognition Technology What Makes a Photo Cl...

最近在公司的博客发了一篇技术文章，关于我们组在2015~2016年期间完成的一个自然语言生成的项目，生成的内容是地区的描述（Location Description），要覆盖美国大概十万个城市（City）、小区（Neighborhood）和邮政编码（Zip Code）。博客本身更多是公关与宣传，而不是学术交流，所以细节...

Amazon Mechanical Turk (MTurk) 是一个并不被大众所了解，严重被低估的平台。它提供了一种标准化的向人类发布任务并收集数据的方式，而且完全由价格驱动，你可以把它想象成一个 Human As a Service。MTurk 继承了 Amazon 一贯不重视 UI 但是重视 API 的策略，对于入...

从技术难度来讲，受益于深度学习的发展，相似图片搜索几乎已经成为一个解决的问题。 在应用的领域，Pinterest 带了一个好头，是一个非常优秀的应用典范。同时，发布的论文 http://www.kevinjing.com/visualsearchatpinterest.pdf 从系统架构来讲，也非常有指导性。 从工程角...

Docker for Data Science at Trulia 和一点感悟 - Hello陈然! - 知乎专栏 我们在Trulia Data Science Team 里面推行了Docker。一方面是搭建API做SOA，另一方面也在帮助每一个Data Scientist 都可以直接从最开始算法分析、开发一直做到部署...

刚刚在 Trulia 的博客上发表了我的第一篇文章：Docker for Data Science at Trulia. -How Trulia’s Data Scientists Minimized Releasing, Testing, and DevOps Efforts with Docker 文章大意，就是我...

小黄鸭Debug大法 - Hello陈然! - 知乎专栏

刚入职的时候，公司发了一只萌萌的小黄鸭。 一直以来，我都以为这就是一个萌萌的小玩意，并没有什么luan用。然而，前两天，同组的同事却告诉我一个惊天秘密： 这玩意是用来Debug的! 我的心里简直有一万头草泥马呼啸而过，难道我平日虐待了某种保佑不出Bug的远古神灵？然后我被告知了一种高级的Debug大法，叫做Rubber...

Reservoir Sampling( Reservoir sampling ) 这是我在今年求职过程中面试的时候被问到的，因为之前很少接触Streaming的算法，在听到这个题目的时候被惊呆了，根本不能理解： 给一个Streaming的Data，未知长度，要求在Streaming结束后返回N个Data，且是等概率的。...

虽然目标短期内不可能实现，但是我们可以慢慢逼近嘛 不要因为短期看不到希望就否定研究的可能性 基础研究要一点一滴的做 几十年几十年的做 能出一点成果是一点成果 比如首先 我们可以试图帮助律师更快理解case和regulation，这就是一大步 再然后 我们可以试图帮助律师提高搜索效率，这又是一大步 Modeling的事情...

大概在另外一拨人的眼里，成为计算机学科的高手应该是把数学学好，只有把高等数学学好，精通概率、统计、随机过程、抽象代数，熟练掌握各种建模方法，才是计算机科学的王道。再结合各种领域知识，年薪百万轻轻松松。弄点高级算法几十亿被收购瞬间财富自由。 技术只是技术本身，计算机发展了这么多年，无数新技术层出不穷。每个人都靠着自己的专...

ER图和Visio是可以并列的么？ 首先你要选择一种建模的语言，比如常见的ER图，IDEF，UML 然后要学习这种语言的规范 接着再找建模的工具，比如Rose，Visio 大型系统的设计必须考虑设计规范，这么几千个点的图就算你画出来也没人想看吧 该分层的分层，该抽象的抽象，才是好的系统设计

门电路有基本的与、或、非逻辑 意思就是给一个或若干个0或1的简单输入，就回一个0或1的简单输出 进而形成复杂的输入输出 wiki上是这么解释的 在数字电路中，所谓“门”就是只能实现基本逻辑关系的电路。最基本的逻辑关系是与、或、非，最基本的逻辑门是与门、或门和非门。逻辑门可以用电阻、电容、二极管、三极管等分立原件构成，成...

Latex是文本文件，所以可以使用Git进行版本管理，进行评注和修改 但是要是老师不熟悉Git的话，那就参照别人的方法把╮(╯╰)╭

现在的“增量更新”差不多就是这个意思了

当然不是 因为它背后有很多理论的支持 比如自动机 文法等 而这些理论恰好又比较好出题 比较好实现 所以比较好变成作业 对于不熟悉的人来说看起来往往很难 而真正难得东西 比如OS 往往由于国内没几个老师有能力教的好 所以最后反而让人觉得没那么难了

因为文件没有后缀？

正好之前的毕设中阅读了相关的文献 这里依照我肤浅的理解也来回答一下 计算两份代码的相似度是有很多实际的应用背景的，比如在代码仓库中（Software Repository）中，大量的代码来自于相互的复制粘贴，如果能够合理地检测到相似的代码，将相似的代码只保存一份，那么可以减少大量的存储冗余，同时也可以更好地保证数据的一...

想起了两个神级的排序算法 1. Sleep Sort 输入一组数 A1 A2 ... An, 新建n个线程，每个线程Sleep(Ai)，然后输出Ai，就排序好了。。 这可是正儿八经的多线程排序噢！！！ 详情： 排序算法 Sleep Sort 2. Bogosort 输入一组数，随机打散顺序，如果不是有序的，继续随机打散...

别看书了……做点项目去吧…… 不真做做你那看看跟没看差不了多少……

... 我在GOOGLE搜CPLEX满屏都是教程... 比如IBM的 http://pic.dhe.ibm.com/infocenter/cosinfoc/v12r2/index.jsp?topic=%2Filog.odms.cplex.help%2FContent%2FOptimization%2FDocumenta...

word挺好做的呀... 就是一个分栏, 自定义的标题格式, 插入一些图片即可