原理代码解读,贝叶斯优化 _云知道

想学AI和区块链，哪个更容易学习？

1，做人工智能，您需要：扎实的统计概率线代等基础技能；理解贝叶斯，懂优化理论，深入理解机器学习算法；需要一定的Business Sense；非必须的Big Data处理方法论。2，做区块链，您需要：了解非对称加密；理解一下拜占庭问题（几个协议理解难度相对于Paxos简直差了几个数量级）；看明白比特币及以太坊原理非必须的会使用Solidity写Smart Contract 。
人工智能做的好，转去做区块链只需要3天；区块链做的好去转身搞人工智能，可能需要几年（毕竟很多人高等数学学了四年也没学明白）。后端开发工程师，转去做区块链只需要1周。我想，看到这儿，您应该明白了。如果区块链收入过高，那其他领域从业者可无门槛转入。如此区块链从业人数剧增，收入自然回归理性。正所谓动态平衡。
自学数据分析需要看哪些书的？求推荐？

01 - 思路篇《谁说菜鸟不会数据分析（入门篇）》和《深入浅出数据分析》这两本。现在这两本书应该也有新版了，当然也有很多其他优秀的入门书籍，在京东上搜“数据分析”，你会发现很多很多书，随便挑两本看完，你就算基本了解数据分析是干什么的了。当然，这个阶段不要求你弄懂所有的知识点，主要是了解分析流程与基本概念，之后遇到问题再回来翻翻就好。
当年面试支付宝，就靠这两本书了：）02 - 技能篇技能相关的书籍买过很多，就挑记笔记比较多的吧SQL：《零基础学SQL》Python：《Python编程从入门到实践》R语言：《R语言实战》EXCEL：《数据图形化，分析更给力》PPT：《PPT，要你好看》逻辑表达：《金字塔原理》03 - 业务理解篇其实每个行业的业务入门书籍不同，但是基本的商业知识要先了解下的。
了解商业模式套路：《商业模式新生代》图形化思考，商业常识：《餐巾纸的背面》数据分析行业的常识：《大数据时代：生活、工作与思维的大变革》总而言之，看完两本书，学会SQL、Excel、PPT，就当入门了还有关于数据分析进阶、数据产品等书单推荐，希望对你有帮助~以上书单来自→书单来了：数据分析十年，我只推荐这些书。
【原理代码解读,贝叶斯优化】优化方法可以使用AutoML进行自动搜索学习吗？

现在关于AutoML比较有用的优化方法是Google出版的基于神经架构搜索的优化方法，即Neural Optimizer Search 。AutoML专注于自动化机器学习（ML）工作流的各个方面，以提高效率并使机器学习民用化，以便非专家也可以轻松地将机器学习应用于其工作上。尽管AutoML涵盖了与ETL（提取，转换，加载），模型训练和模型部署相关的一系列广泛问题的自动化，但是超参数优化问题是AutoML的核心焦点。
此问题涉及配置用于控制ML模型/算法行为的内部设置，以便返回高质量的预测模型。深度学习通过以端到端的方式学习与统计模型结合的表示形式，提供了绕过手动特征工程过程。但是神经网络体系结构本身通常是由机器学习工程师特殊设计的。神经体系结构搜索（NAS）被吹捧为通过自动识别优于手工设计的体系结构来减轻这种麻烦的优化方法之一。
NAS普遍被认为的观点NAS与传统的超参数优化之间存在错误的二分法。实际上，NAS是超参数优化的子集。而且专用的NAS方法实际上并不是完全自动化的，因为它们依赖于人为设计的体系结构作为起点。虽然探索和调整不同的神经网络架构对于开发高质量的深度学习应用至关重要，但在我们看来，专用的NAS方法尚不适合专业领域：与高质量的超参数优化算法相比，它们引入了显着的算法和计算复杂性（例如ASHA），而没有证明标准基准测试任务的性能有所提高。