目录Numpy基础引文Numpy的主要特点Numpy主要内容生成Numpy数组从已有数据中创建数组利用random模块生成数组创建特定形状的多维数组利用arange、linspace函数生成数组获取元素通过指定索引标签通过函数算数运算数组变形批量处理通用函数广播机制 Numpy基础 引文 Python本身含有列表（list）和数组（array），但对于大数据来说，这些结构是有很多不足的。 list的元素可以是任何对象，因此列表中所保存的是对象的指针。 array对象可以直接保存数值，但是由于它不

推荐系统 这是关于使用机器学习和深度学习技术构建推荐系统的研讨会 理论：ML和DL公式化，预测与排名，相似性，偏见与无偏见 范例：基于内容，协作过滤，基于知识，混合和集成 数据：表格，图像，文本（序列） 型号：（深度）矩阵分解，自动编码器，宽和深度，等级学习，序列建模 方法：显式与隐式反馈，用户项矩阵，嵌入，卷积，递归，域信号：位置，时间，上下文，社交， 过程：设置，编码和嵌入，设计，训练和选择，服务和缩放，测量，测试和改进 工具：python-data-stack：numpy，pandas