聊聊我喜欢的英国报刊
虽然现在已经进入了电子时代，但是在英国你还是能看到数量繁多的传统报刊，周末的时候到市中心总是习惯性走进WHS（一家连锁书刊文具店）然后在报刊栏停留很久。陈列的杂志报刊各种题材最新的事件一目了然，随便翻翻就很满足。所有这些报刊中，我有订阅的有三个，经济学人、金融时报和卫报，下面聊下我对这几份报刊的感觉。
持仓风险分析--要不要买特斯拉
声明：文中所述股票仅为分析举例之用，请独立作出投资决策。Quantopian 为免费分析平台，与本文无利益关系。
如果你有买股票，尤其是美股股票，今年不太可能没注意到特斯拉TSLA。特斯拉股票今年从低点涨了将近10倍，近两天股价大幅度回调，那么你应该去买进么？
如果你是“信仰投资者”， 认定了一龙马教主的神功，那么就不必往下看了，闭着眼买然后把炒股软件删掉。 我长期也是看好特斯拉的，但是凯恩斯大师曾说过：“长期来看，我们都死了。。。”， 所以短期还是要尽可能分析一下。本文试图从持仓风险分析的角度来探讨下要不要买进TSLA， 所用量化分析平台为Quantopian，所用语言为Python
The guide to predictive data analysis on MIMIC
Below is my teaching materials when I served as assistant teacher on Digital Health and data analysis at Reading University. The dataset I used for this course is MIMIC. If you are interested in healthcare data analysis, this might be what you want to check.
Kaggle竞赛指南 —— 问题求解套路
顶级的Kaggler都有自己的一套问题解决流程，熟悉这些套路能极大提高求解问题的效率。今天我们来看一下目前Kaggle总排名第四的kazanova总结出来的一套解题套路。
Kaggle竞赛指南 —— 探索性数据分析
之前说到在模型选择方面没有银弹，那么如何确定最合适的模型提出假设，探索性数据分析（EDA）是一个必不可少的环节。
Kaggle竞赛指南 —— 数据预处理
数据预预处理对于机器学习结果来说是至关重要，有时甚至是决定性的。本篇我们将讨论针对不同的数据类型，如何根据不同的数据模型来做预处理。具体我们将讨论四种最常见类型的数据，分别是 数字数据，类别数据，时间数据和坐标数据。
Kaggle竞赛指南 —— 主流机器学习算法
目前竞赛中（其实也是常规实际问题）的主流算法有四大门类： Linear, Tree-based, kNN 以及 Neural Networks 下面分别简单介绍一下：
Kaggle竞赛指南 —— 简介
一、为什么Kaggle
Kaggle是目前最大的数据科学竞赛与技能分享平台。在Kaggle上你可以查找和发布数据集，探索和构建模型，与其他数据科学家和机器学习工程师合作，并参加竞赛以解决数据科学挑战。参加Kaggle竞赛，你至少可以有以下几种收获：
Backward propagation of Neural Network explained
Backpropagation is the foundation of the deep neural network. Usually, we consider it to be kind of ‘dark magic’ we are not able to understand. However, it should not be the black box which we stay away. In this article, I will try to explain backpropagation as well as the whole neural network step by step in the original mathematical way.
Stochastic gradient descent
Stochastic Gradient decent is one of the fundamental algorithm in deep learning. It is used when we perform optimization of the cost function.Suppose the function is $ f(x) $
