我忽略了这个博客； 自十一月以来我什么都没写。
我不会找借口 亲爱的读者，我为自己写的东西比为你写的要多。 写作可以帮助我整理思想，整理信念。 我浪费了机会。 在过去的6个月中，我一直在学习如何处理大型数据集（约1亿条记录）和建立分布式处理管道。 我本可以记下我学到的所有东西，但我根本没有记下。
我今天要改变这一点。 今天是2017年4月1日，我参加了30天写作挑战赛。 我不会每天出版，但我会每天写作。
这个挑战恰好与我开始新工作相吻合。 在定居之前，我不会谈论具体细节，但是我会说，我正在为英国伯明翰的一家初创企业组建机器学习团队。
- LAU Mirvat El-Sibai博士荣获阿卜杜勒-哈米德·肖曼阿拉伯科学研究奖
- 卖掉我们士兵的灵魂
- 我的句子世界– byawoman –中
- 幕后花絮：安吉拉·塔格（Angela Tague）的16个随机问题
- 两张诗，两首诗
我在机器学习方面的经验很少，因此我的新雇主和我都在相信我将能够解决这一问题。 我们在面试中相处得很好，并且双方都认为我们可以有效地合作。 我完全是自学成才的，而且我一直都是解决问题的人，因此没有必要的技能来成功就开始工作并不困难。 但是，我要学习的东西比自学校以来要快得多，并且我想记录下来。
大约两周后，这将是我新工作的第一天。 在那之前，我将考虑如何处理可用的数据。 我将研究不同的算法和技术，并考虑建立新团队的业务方面。
我还不够天真，以为我现在可以写一个计划，今后几个月我会坚持下去，因为事情会发生变化，这是完全不现实的。 我要准备 我想以正确的心态来应对这一挑战。 我想考虑各种可能性，所以我至少会知道如何解决我将要面对的问题。
我工作的重点是尝试理解很多文本的含义。 在接下来的几篇文章中，我将介绍一些我可以使用的算法。 然后，我将花一些时间思考如何衡量新职位的成功。 一旦开始新工作，我将记录我的进展以及遇到的任何挑战。
除了充当记录外，我还想为其他想要解决机器学习问题的工程师创建资源。 我读过的很多文章都是由有博士学位的人写的，名字后面有很多字母。 他们使用不熟悉的语言，谈论诸如贝叶斯分类的数学问题。 事实证明，所有这些都有一个合理的解释-贝叶斯分类器仅给出某项属于某个组的概率。 我想阐明可用于使用简单语言和尽可能少的数学来挖掘数据的技术。
接下来的30天里，请与我一起了解如何在大型数据集中找到意义，如何从头开始构建成功的团队以及如何将理论付诸实践。
