为什么要学原理和公式推导
1
现成的算法库、学习框架。
数据输入工具、框架中，
用几行代码指定模型的类型和参数，
就能自动计算出结果。
2
机器学习的原理和数学推导一定要学！
工具就像是武器，只是学会了这种武器最基本的招式和套路。
而理论学习即策略学习，工具的活用，拆开综合用，还有设计新工具
3
我们将学到：
算法库的安装+库函数的调用；
数据的 I/O 转换。
会安装几个支持库
会调几个接口
4
DSAT 都 Fix 不了啊？
再多投入几倍资源也达不到 95%——干脆直接用 Rule-Base 来解决？
……
ML/DL
新框架/工具/模型/算法
TensorFlow
Caffe
分类器
逻辑回归
换成 RNN
5
用这个谱聚类做数据预处理，归根到底不还是利用词袋模型算词频，
比直接计算 tf-idf 做排序能好多少呢？
6
模型特质
适用场景
数据匹配
算力和时间的消耗；
框架对软硬件的需求和并行化的力度；
7
针对技术需求，提供高质量模型。
针对业务需求，提供高质量的解决方案。
8
优化模型
选特征、调超参、换模型，
9
指标有哪些，如何计算？
是怎么工作的？
超参数？
特征选取有哪些原则、方法可运用？
他们完全有可能针对具体业务问题，构造出目标函数，甚至开发出符合自身软硬件资源特点的求解算法。
Google 一下 Best Practice
必须具备理论基础和数学层面的建模能力才行。
