タグ

learningとprogrammingに関するrydotのブックマーク (3)

  • 「いつソースを読むのか」

    技術向上 複数人で読むか、アウトプットしながらがおすすめ ざっくり読む程度ではあまり効果がない 処理の流れを追いつつ、普段良く使い箇所を中心に読んでいく 公開してすぐのサービスはソースのフォーマット等に手が回ってなくて面白い 問題解析 問題解析ならスポットで必要なところだけ読む 基的にはイベント中心にDevToolsで流れを追う セキュリティなら外部データを取得しているところを中心に読む 著名なサービスとかおすすめ どこかでセキュリティ系のexploitが公開されたら似たようなサービスにも同じ問題がないか調べてみる

  • BLOG::broomie.net: 無料でよめる機械学習・自然言語処理の教科書

    夏いですね.最近この手の記事ばかりで大変恐縮ですが,機械学習に関するウェブ上で手に入る無料のテキストが紹介されていたので,共有したいと思います.ほとんどは以前に僕が紹介している(時々更新しています)「機械学習・自然言語処理のリソースリンク集」に入っているのですが,改めて紹介いたします.おそらく,他ブログでも紹介しているようにも思えますが,このサイトの紹介がてら引用させていただこうと思います. MetaOptimize / 最近ちょっと話題になっている「MetaOptimize /」という機械学習のサイトのQ&Aで紹介されていました.まじめに見ていなかったのですが,このサイト非常に有用でおもしろいですね. 特に同サイトの「qa」はかなり有用かと思いました. フリーの機械学習テキスト 話を戻しますと,興味深いQuestionsがたくさんあるのですが,今回注目したのは「Good Freely A

  • BLOG::broomie.net: 機械学習の勉強を始めるには

    thriftとかhadoopなど,何やらいろいろと手を出してしまい,ここのところブログの更新が滞ってしまっていますが,今日は前から書きたかったトピックについて自分へのメモの意味も含めて記しておきたいと思います. はじめに 最近,といっても結構前からなのですが,海外のブログなどで「機械学習の勉強を始めるガイドライン」についてのエントリーがいくつか見られ,かつ,議論も少し盛り上がっています.僕は機械学習が好きなだけで,専門というにはほど遠いのですが,僕も一利用者としてはこのトピックに関してはとても興味があります. 機械学習というと,色々な数学的な知識が必要であったり,統計学や人工知能の知識も必要になったりしまったりと,専門的に学ぶ機会が無かった人にとっては興味が湧いてもなかなか始めるには尻込みしてしまうことかと思います.今日紹介するエントリーは,そんな方々にヒントになるような内容になっていると

  • 1