您的位置：首页 > 其它

最近看到的工作要求

2017-11-27 00:19 295 查看
领域

要求

分析

系统设计

大规模系统开发和设计经验

前沿技术

-熟悉大规模数据挖掘、机器学习、分布式计算等相关技术，并具备多年的实际工作经验

-具备大规模推荐系统的研发经验(推荐算法设计和实现/推荐系统评估方法研究)

-具备自然语言处理、信息过滤、主题提取、分类聚类、个性化用户建模、文本挖掘等相关领域知识

-具备机器学习理论、算法的研究和实践经验

-具备分布式相关项目研发经验（如分布式存储/分布式计算/高性能并行计算/分布式cache等）

-具备搜索引擎、广告投放、反作弊相关技术的知识和经验

有高并发开发经验

高性能计算（并行训练平台（GPU集群） mpi、gpu ）

基础

熟悉C/C++语言编程，

熟悉网络编程、多线程编程技术

-良好的逻辑思维能力，和数据敏感度，能能够从海量数据中发现有价值的规律

技术热情

-优秀的分析和解决问题的能力，对挑战性问题充满激情

团队

-良好的团队合作精神，较强的沟通能力

领导力

-良好的技术领导能力，有能力开辟一个技术方向，带动和引导一个技术方向的规划、研发

前段，全站

领域

要求

分析

前端技术

react+redux

backbone

currying

reactive编程，觉得挺有意思，特别是rxjs和vertx

Threejs

D3.js

esprima.js

jison

WebVR、WebGL、Three.js

又是

reducer，又是action，各种promise，加上又开始用es6和函数式编程。
数据流。

开发工具

Vscode

eslint，vim，react
redux snippet和

autoimport的插件

语言

Node.js / Python / Java / PHP / Ruby

JavaScript frameworks

React.js / Vue.js / AngularJS

其他

designing APIs and optimizing frontend
performance

122

机器学习该怎么入门

机器学习实战

合喜欢Coding的小伙伴，从代码的角度讲述，机器学习要学习的东西和项目，并且使用的是Python，非常简单。

机器学习

1.) 机器学习基础

2.) k-近邻算法

3.) 决策树

4.) 基于概率论的分类方法：朴素贝叶斯

5.) Logistic回归

6.) 支持向量机

7.) 集成方法-随机森林和AdaBoost

10.) 使用K-均值聚类算法对未标注数据分组:k-means聚类

11.) 使用Apriori算法进行关联分析

12.) 使用FP-growth算法来高效发现频繁项集

深度学习，进阶

NLP

CV

大数据

Hadoop，hive，spark，。。

内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 点击这里给我发消息
标签： 
相关文章推荐
新的分享
章节导航