欢迎来到图书馆! – Olimpia Curini Galletti –中

欢迎来到图书馆! 去图书馆找新生看似有点吓人。 当我第一次去那里时,我会对这种感觉感到担忧,因为它的巨大尺寸令我感到恐惧。 但是,当学生了解它的重要性并更好地了解所有设施时,去图书馆会更令人愉快。 静默区 图书馆有很多学生设施,从安静的学习区域开始,对于那些喜欢安静工作的人,可以分组会议室,可以提前预订,在这里您可以与同学一起修改。 此外,还有可以访问互联网的计算机以及打印和影印机。 可以从您所在的任何楼层访问图书馆。例如,如果从正门进来,您只需要在主办公桌旁和演讲厅下方走走,即可找到右侧的第一个房间,图书馆在此为您提供帮助和帮助区。 该库按主题类别划分,这些主题分布在站点的不同楼层,从而简化了查找资料的过程。 杜威十进制系统是我们大学用来对图书馆中非电子媒体进行分类的系统。 它基于十进制原理的应用,将整个人类知识分为十个广泛的学科领域,称为类,这些领域又细分为十个子类,每个子类又分为十个子类。 使用电子资源查找资源对于新生来说可能看起来很复杂,但是却相当简单:使用图书馆计算机,在图书馆网站搜索工具上输入作者姓名,书名或两者,如果有的话数据库中的现有元素,它将显示在结果中并显示场所中是否有可用的副本。 下一步是写下标题正下方显示的数字/字母参考代码,这是物理文档所必需的。 如果改用笔记本电脑,则可以在不同类别中搜索所需的文档:发现,书籍和电子书,电子期刊标题和数据库。 您可以借阅并下载电子书,也可以只是在线阅读。 通过笔记本电脑搜索 我在图书馆里第一次搜索是关于人权课程的一项作业,该主题是奴隶制。因此,我在搜索工具中键入了关键字“ Modern…

爱丽丝之夜

1994年的一个晚上,我所有的朋友都在图书馆学习,我没有什么可学习的,但是无论如何,我只是在那里闲逛。 我在大型建筑物的四楼四处游荡,穿着我最喜欢的紧身条纹上衣和宽松的90年代牛仔裤,我的头发在头顶上bun的发bun里bun乱着(大约有100万个夹子将其固定在适当的位置,但让它看起来像是随机堆放在那里)。 每个人都很安静,低着头,翻阅书桌上的书堆。 我慢慢地走来走去,好像我正在寻找一本特定的书,偶尔走进一本书,用手指指着上面的东西-阅读奇数段,但是一切都变得晦涩难懂(与他人的辛勤工作相提并论)。深度分析),而不是真正的浏览场所,这就像您必须在纸片上写下那个秘密的杜威十进制数字才能找到您要寻找的宝藏,而没有地图或指南针就淹死了。 因此我迷路了,掉进了兔子洞,发现自己在图书馆的黑暗角落里,从地板到天花板的巨大皮装书中,坐在地板上,盘腿而坐,volume绕着大量的“哲学”。我的膝盖上的“爱丽丝梦游仙境”,看着超现实的照片,并阅读了在疯帽匠的茶话会上如何总是可以清洁盘子,即使总是6点钟…… 疯帽子匠的茶会,刘易斯·卡罗尔,插图由亚瑟·拉克汉姆(Arthur Ra​​ckham) 我一直在学习维特根斯坦,所以爱丽丝(Alice)的文字游戏使我着迷-“意思是你说的话”不同于“说出你的意思?”,而我“看得到的东西”与“我说的不一样”我爱爱丽丝在这个荒谬的世界中所享受的欢乐-只是接受自己的面值,这个世界是疯狂的,言语和思想在不同的时间对不同的人具有不同的含义,我想这就是爱的美。孩子们的思维方式,让世界充满欢乐,然后直奔疯狂的背后逻辑,您仍然可以以某种更抽象的方式理解这些逻辑。 例如,我只是向我的儿子解释一个立方体有6张脸,他立即幽默地说:“一个立方体有多少只眼睛?” —忽略了这个立方体没有眼睛的事实,然后直奔更远的地方。有趣的数学问题。 我看时间,把大书放回书架,有时间见我的朋友们,我们可能会去我们最喜欢的咖啡馆。 那时没有人拥有手机,这可能是我在外面闲逛的部分原因,因此以后可以不时地(面对面)赶上并在特定的时间和地点开会,可以很容易地结识我的朋友们。 。 那时没有互联网,也没有“计算机房”-无需进行数字查找。 只是坐在图书馆的地板上,阅读美丽的大书。 标题“爱丽丝的夜晚”来自我小时候写的一个故事

选择开源机器学习库:TensorFlow,Theano,Torch,scikit-learn,Caffe

从医疗保健和安全性到营销个性化,尽管处于开发的早期阶段,机器学习一直在改变我们使用技术解决业务挑战和日常任务的方式。 这种潜力促使公司开始将机器学习视为一个相关的机遇,而不是遥不可及的美德。 我们已经讨论过将机器学习作为您的ML项目的服务工具。 但是,现在让我们看一下免费的开源软件,该软件可以使每个人都参加机器学习培训,而无需花费时间和资源来支持基础架构。 术语“ 开源软件”是指带有可通过Internet免费获得的源代码的工具。 专有(封闭源)软件代码是私有的,并通过许可的权利进行分发。 对于刚刚开始执行ML计划的企业,在决定使用Microsoft Azure或Amazon Machine Learning之类的企业级工具之前,使用开源工具可以是一种免费实践数据科学的好方法。 使用开源工具的好处不仅仅在于可用性。 通常,此类项目拥有大量的数据工程师和数据科学家,他们渴望共享数据集和预先训练的模型。 例如,您可以使用对ImageNet数据进行训练的分类模型,也可以使用此数据集构建自己的模型,而不是从头开始构建图像识别。 开源ML工具还可以让您利用转移学习 , 意思是应用从相关或什至遥远的领域解决问题后获得的知识来解决机器学习问题。 因此,您可以将一些能力从已经学会识别汽车的模型转移到旨在识别卡车的模型。…