- 有较多的技术笔记，想整理下，也回顾下，从基础到稍有些深度的技术，才发现坚持写博客真的不容易，比自己写技术笔记难得多。
- 博客可能会有其它同行来看，必须写的清楚明白，尽可能少错误，更不能误人。
- 有时需要对里面个别的技术点进行深挖，反复验证。
- 写博客也挺磨人，也是一个巩固知识点的好方法，可能一篇博客要准备两三天才能成型。
- 尽可能不要出现看6个月前写的代码不知道写的啥。
更多内容请访问：IT源点
注意：本文归作者所有，未经作者允许，不得转载
写博客体会
相关文章推荐
- AIQ - 人工智能 | 人工智能军备竞赛：一文尽览全球主要国家 AI 战略
- AIQ - 从损失函数的角度详解机器学习算法之逻辑回归
- AIQ - 基础 | 深度学习之基础知识详解
- AIQ - 学界 | SIGIR 2018 最佳论文：基于流行度推荐系统有效性的概率分析
- AIQ - 干货 | 1400 篇机器学习的论文中，这 10 篇是最棒的！
- AIQ - 机器学习近年来之怪现状
- AIQ - 架构 | 京东推荐系统架构揭秘：大数据时代下的智能化改造
- AIQ - 百度深度学习图像识别决赛代码分享 (OCR)
- AIQ -【干货】模型验证的常用“武器”—ROC 和 AUC
- AIQ | Coursera 吴恩达深度学习教程中文笔记最新版
- AIQ | NLP 算法工程师的学习、成长和实战经验
- AIQ | 优秀的算法工程师都是不用深度学习的
- AIQ | 吴恩达课程从未失望，斯坦福 CS230 深度学习课程全套资料放出（附下载）
- AIQ | 诺奖得主点评：人工智能其实就是统计学，用了一个很华丽的辞藻
- AIQ | 面试经验·机器学习、深度学习、算法工程师（校招）
- AIQ 教程 |「川言川语」：用神经网络 RNN 模仿特朗普的语言风格
- AIQ| 深醒首席科学家张钹院士：深度学习优势与短板，中国 AI 机遇和挑战
- AIQ|【学界】吴恩达 Deep Learning Specialization 课程刷后感（附课程视频，字幕，全套 PPT，作业）
- AI工程师需要知道的5个聚类算法
- AI技术在智能海报设计中的应用
全部评论: 0 条
我有话说:
