《数据挖掘与数据化运营实战——思路、方法、技巧与应用》数据分析的核心能力综合体：商业理解、数据分析、商业应用思考产品经理：善于总结、善于提炼、善于推而广之、善于把自己的分析“产品化”。数据挖掘商业实践的有效成长之路：“以业务为核心、以思路为重点、以挖掘技术为辅助”...

基于实时计算Flink的机器学习算法平台及场景介绍https://zhuanlan.zhihu.com/p/212316218?utm_source=wechat_session&utm_medium=social&utm_oi=625300290379976704

作者：FJODOR VAN VEEN参与：吴攀、李亚洲转载链接：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650719170&idx=1&sn=68b6b7f87677f5287b6e5a306409653b&chksm=871b07bcb06c8eaa0a649d7d3fd7963423dd4ea

参考链接：https://mp.weixin.qq.com/s/XPsRC6rC4_I9a-WPzOTSywTable of Contents什么是Batch Normalization它如何工作优点Batch Normalization的诅咒在使用小batch size的时候不稳定导致训练时间的增加什么是Batch Normalization在训练过程中，当我们更新之前的权值时，每个中间激活层的

Automated Machine Learning

数据太少怎么搞深度学习？https://mp.weixin.qq.com/s/wn5XYtEguhXAasVx8M37pw在我们讨论利用有限的数据进行深度学习的方法之前，请忘了神经网络并创建一个简单的基准。尝试一些传统模型（如随机森林）通常不需要很长时间。这将帮助你评估深度学习的任何潜在提升，并深入理解在你的问题上深度学习与其它传统方法的权衡取舍。获取更多数据花时间和金钱来收集更多数据。实际上，这

参考链接：https://mp.weixin.qq.com/s/XPsRC6rC4_I9a-WPzOTSywTable of Contents什么是Batch Normalization它如何工作优点Batch Normalization的诅咒在使用小batch size的时候不稳定导致训练时间的增加什么是Batch Normalization在训练过程中，当我们更新之前的权值时，每个中间激活层的

参考链接：https://mp.weixin.qq.com/s/XPsRC6rC4_I9a-WPzOTSywTable of Contents什么是Batch Normalization它如何工作优点Batch Normalization的诅咒在使用小batch size的时候不稳定导致训练时间的增加什么是Batch Normalization在训练过程中，当我们更新之前的权值时，每个中间激活层的

作者：FJODOR VAN VEEN参与：吴攀、李亚洲转载链接：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650719170&idx=1&sn=68b6b7f87677f5287b6e5a306409653b&chksm=871b07bcb06c8eaa0a649d7d3fd7963423dd4ea

AUC 指标为什么对于正负样本比例不敏感？线上线下效果不一致有哪些原因？