opinion 在大众周围，总是充斥着各种如何学习编程的声音。许多人已经对于是否“每个人都应该学习编程”发表了自己的观点。开句玩笑话：如果那些认为每个人都需要学习编程的作者自己会编程的话，就不会出现程序员紧缺的现象了！

你想学习Java吗？来对地方了！这篇文章将会介绍很多高质量的免费资源，包括网页、论坛、电子书和速查表。 Java是一种面向对象的编程语言，拥有独立、多线程、安全、动态和健壮的特点。归功于其多功能的

Ruby China 的源码，面对陌生的 Ruby 技术栈，一头雾水。 我 fork 它并不单为了学习，而是要在最短的时间搭建起我脑海中的社区网站。所以我不可能针对每一门新技术都去买一本书来读上半个月。

图表中包含的一些参数信息，例如CMOS像素、重量等（下图）。 目前Google正在通过机器学习技术区分哪些是包含有用信息的图表（table），哪些是无效（例如网页样式设计）的图表，然后系统会根据相关度和质量来决定显示哪些信息。

因为他在书里介绍了美国的 Codecademy 网站。 我出于好奇进入了这个网站，一开始也准备学习那个模特用的 Python，结果学了几节课后一头雾水，都在讲些什么啊？郁闷，放弃。 要不，学学

Service 微软于近期发布了 Azure ML 。这是一个基于云的机器学习平台，旨在帮助基于过去的行为对未来事件进行预测。微软已经将机器学习应用于 Bing、Xbox 和其他产品多年。但是，这是微软首次将内部技术以云服务的方式提供给外界使用。

a TeXnician’s Reference 被设计为手册样式以供读者学习 TeX 排版语言。本书可以结合软件自带指南来共同学习。 本书提供了一些原创、实用的思路，有助于提升读者在使用 TeX 时排错的能力，当然也包括了如何为

Services 开发机器学习解决方案提升现有的预测算法并不是一件容易的事情。这需要大量的工作来保证其正确性，包括清除数据、建立基础结构、测试和再测试模型以及最终部署算法。 这里有六种机器学习服务，它们可以帮助你减少部署机器学习解决方案的痛苦。

Software Foundation (ASF) 开发的一个全新的开源项目，其主要目标是创建一些可伸缩的机器学习算法，供开发人员在 Apache 在许可下免费使用。该项目已经发展到了它的最二个年头，目前只有一个公共发行版。Mahout

题能力的相同的喜爱。可能知道这门语言语法的程序员没有过亿，但是有时候稍稍的变动或许是有价值的，当你学习了一门新的语言，说不定下个项目就能发挥用 处。 以下的九门语言应该列在每一位程序眼的读书列表中

more data always better than better algorithms? 在机器学习中，更多的数据总是比更好的算法好吗?对于 Quora 上的这个问题，Netflix 公司工程总监 Xavier

Microsoft Research 则打算改变这个状况。他们正在开发一款机器学习工具，目的是让大家都能教懂电脑怎样学习。目前这项工具正在封测中，据他们指出，人们可以通过这项工具将自己的专业技能传授给

com/p/533832.html 编者注：深度学习火了，从任何意义上，大家谈论它的热衷程度，都超乎想象。但是，似乎很少有人提出不同的声音，说深度学习的火热，有可能是过度的繁荣，乃至不理性的盲从。而这次，有不同的想法出现了。

学生，无论使用哪种资源，往往都会在以下三个方面，比其他人有着更好的表现。 聚焦习惯而不是目标 独自学习非常痛苦 项目实践 聚焦习惯而不是目标 聚焦习惯而不是目标听起来似乎不合常理，但是请听我把话说完

编程就像毒品一样，尽管一开始的针管有点疼，但是慢慢的我已经离不开它了。下面我将总结一下我这两年学习编码的经验。 作为工程师的乐趣 就像很多技术人员一样，我既着迷于硅谷又崇拜那些那些技术大腕。

专家建立了各种各样的机器学习模型来帮助识别交易中的风险。作为公司业务的后盾，该团队究竟是如何建立机器学习模型的呢？近日，Airbnb公司 公布 了利用相关数据建立和改善机器学习模型的过程。接下来，本文就对该过程进行简单介绍。

全栈工程师学习路线 。 放大

一个新技能、拓展你的知识，或最终助长你的职业发展。你可以根据自己的节奏呆在自己舒适的家里交 互式地学习。无法想象还有比这更容易的了，坦诚地说，你还在等什么呢？ 1. 参加在线课程 edX —参加来自全球最好的大学的在线课程。

blog .），使非常好的web编程入门。 The fullstack python的作者写了一篇关于如何学习python的文章 learning Python 。 2、有开发经验 ，初学Python Learn

据科学领域中所采用的机器学习编程语言大相径庭。究竟哪种语言最适合机器学习成为争论不休的话题。近日，密西根州立大学的博士生Sebastian Raschka再次发起了 机器学习编程语言之争 ，分析了自己选择Python的原因。