1樓：
其他框架不是很了解，說一下Spark吧
Spark有自己的mllib庫，裡面實現了一些常用的傳統機器學習演算法，包括LR，LinerSVC，Random Forest等，，這樣才能夠在大資料下充分利用分布式地效能。
但是顯而易見地，仍然有非常多的演算法是不適於Spark RDD的分布式機制的，例如：
類似KNN這樣的，在不進行一些近似或索引的情況下需要進行笛卡爾積或等價的操作，利用Spark去實現實際上不會十分的高效。
引數非常多的情況，例如在LR的特徵數目在 時用Double表示的Weight就已經佔據了數十兆的空間，而spark優化求解時，會將所有的weight全部broadcast到worker上，可以想象隨著引數的增多，這會產生巨大的開銷，在這種情況下Spark也是不適合的。
mllib中有乙個多層感知機的model，實際上就是最基本的DNN，而正如前面的2所說，在引數很大的情況下，去應用這個模型也也是不合適的。
下面是一些個人觀點。目前來看，Spark最適用的其實是資料處理，清洗等任務，能夠在部分領域裡取代傳統資料庫，這本質是因為其選擇了MapReduce的機制實現分布式化，每次通訊都要等待同步，而目前主流的專用分布式dl/ml框架都是採用引數伺服器的形式，允許不同worker之間的非同步執行，因此將spark與主流的框架深度結合不會是一件容易的事情。
問一下工業工程專業怎麼樣？
看學校 看方向 盡量不要考雙非院校的工業工程，差不多都是跟風設定的，師資差，就業基本就是去工廠 盡量避開管理類的工業工程，這種也是大概率跟風管理科學與工程一級學科設定的，嘴炮幹不過工商管理的，實際動手能力又不行 簡約並且簡單 工業工程專業畢業10年多了，目前做生產管理。同學中與本專業相關的也就為數極...
問一下工業設計專業所需電腦配置側重點
yosay 上大學，這個年紀。可以自己買些台式電腦配件組裝下。經濟實惠，而且可以學習。如果對組裝不感冒，可以買個手提電腦，一半I3 cpu就夠了。記憶體選個4G的 硬碟選擇32固態硬碟，可以加個機械硬碟。其他沒了。個人建議， 一般大一的時候學的是美術相關，不需要用電腦。今年好好學習，打好基本功，放假...
王水為什麼能溶解金？請詳細介紹一下？
deepspace 這是因為 王水是HNO3 硝酸 和HCl 鹽酸 的混合物，雖然兩者的純淨物無法氧化金，但是硝酸電離的NO3 在有較多H 存在的情況下，氧化性是極強的！提高氫離子濃度雖然可以靠提高硝酸濃度，但濃硝酸會分解出二氧化氮，捉急呀！所以只能靠鹽酸這種電離能力賊強的酸來湊個H 濃度，把Au氧...