首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

程序人生,从0到1,这五年我走过的路

我总习惯性的会做一些“反省”、总结的文章,它可以帮助我重新回到 “正轨” 上,指出到下一阶段我所需要的内容。 1~3 年,我们已经成了一个入门级的搬砖工人,变成了一个熟悉的搬砖工人。...可当我在培养别人的时候,我总会在想着长远一点的,这些人如果一直和工作倒是不错的。 工作:从得到什么,到创造什么 毕业进入一家公司,我们看重的是能从得到什么。...用一个专业的归纳,对能力进行分类就是: 专业知识技能。 可迁移技能。可在不同行业中使用的技能。 自我管理技能。即自我认知和自我约束、调整等能力。...在进行技术选型的时候,我们很容易陷入 HDD(热闹驱动编程)的影响。贸然地决定使用一个新的框架,于是: 在工作上,我已经偏向于使用已有的框架,不再从零尝试新的可能性。...由此带来的变化是,我将这些时间投资到一些新的技术领域里去。如今年我设定的两个领域是Serverless和前端微服务化,这两个领域更多的是技术思想,而不是框架。

37530
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    从入职到放弃再到改革成功:我是如何从 0 到 1 建立数据团队的?

    “我们对你的到来感到很兴奋。近期,我与 HyperCorp 公司的销售伙伴谈过,他们正在与一家供应商合作,利用人工智能对用户进行细分。太好了!我已经等不及要你沉下心来。”...我有一整张电子表格,里面都是我渴望得到答案的问题。” 你看一下电子表格,就会发现如下内容:提交支持请求并在 1 小时内得到解决的客户转化率和 1 小时之外得到解决的客户转化率分别是多少?...一个分裂的数据组织,不同的数据人员向其他职能领域报告。 其他部门没有得到所需的帮助,因此他们围绕着数据团队,并雇佣了很多分析师。 缺乏标准化的工具链和最佳实践。...首席营销官对她向你汇报完全没有意见,但明确表示:“我需要她 100% 的时间来做营销。”你联系人力资源部门,要求他们对内部系统进行更新,以便作出管理方面的改变。...该团队跟踪的指标之一是平均订单值,她认为这能推动订单显著提高。 一项快速评估表明,要大规模使用它仍然是个问题。但是你的数据科学家有一个想法。她说:“如果我们只为所有客户中的 1% 推出会怎么样?

    70330

    年中回顾特别季:我从0到1的物联网项目启动之旅

    这里就是ESP-01S模块的GPIO0端口,最终会通过GPIO0来控制继电器是否通电。设置设备的通讯方式。这里基于TCP协议和设备进行通讯。...Web服务器启动成功后,就可以接收参数,然后根据参数对GPIO0端口进行高电压、低电压的输出,从而达到远程控制的效果。这些代码在 loop()进行编写,关键代码如下。...= -1) { digitalWrite(RELAY, HIGH);//高电压通电 }}需要完整的代码请私我。...架构设计在完成技术调研、POC、需求分析后,我针对项目架构进行了初步的思考,从开发模式到后期维护进行了全面的梳理。...最后“一个人的力量是有限的,但是一群人的力量是无限的。”,还是希望找到志同道合的伙伴,如果对这个项目感兴趣,请联系我。

    663102

    我攻克的技术难题:大数据小白从0到1用Pyspark和GraphX解析复杂网络数据

    GraphX是Spark提供的图计算API,它提供了一套强大的工具,用于处理和分析大规模的图数据。通过结合Python / pyspark和graphx,您可以轻松地进行图分析和处理。...=2., c='string1', d=date(2000, 1, 1), e=datetime(2000, 1, 1, 12, 0)), Row(a=2, b=3., c='string2',..., e=datetime(2000, 1, 3, 12, 0))])df.show()然而,考虑到我们今天需要使用GraphX进行分析,因此我们仍然需要安装Spark。...路径%//Python//python.exe"最后大功告成:网络流量分析接下来,我们将探讨一下是否能够对网络流量进行分析。...对于初学者来说,很难获得一些有组织的日志文件或数据集,所以我们可以自己制造一些虚拟数据,以便进行演示。

    52220

    亿方云程远:比起光鲜的履历,我要“从0到1”的快感

    然而,程远不仅告别了Box,在最近的一年中,他甚至不再提Box的那段经历 放弃取得的成绩,程远从0开始创业,应对产品、技术、招聘和各种管理难题。...在美国,Box、Dropbox有几十亿美金市值,但在中国市场很难有公司发展到这个程度。因为中美市场的需求不一样,美国公司重视数据存起来,而国内公司会觉得数据存储对业务没帮助。”...“我们需要做的是通过产品,让国人意识到这些数据对业务有帮助。如果仅仅按照美国的方式来做生意,做不到美国公司的程度。”...对未来竞争格局产生结构性变化。钉钉尽管没有影响到亿方云,但从生态的角度来说,我认为是食物链顶端出现的新物种。” “钉钉的出现,好处是对SaaS教育的速度加快,但创业者必须要思考我们的产品如何。...这期间我突然恍然大悟一些事情。比如选择杭州,进行销售实验其实是完全错误的一个行为。我们在一个不典型的市场选了一个不典型的行业,找了不适合的人,反馈出来的结果其实是方向性错误。”

    1K100

    我总结了从0到1建立数据分析指标体系的底层逻辑

    网页商城成交场景 “我点击商品,访问页面,(也许会咨询),点击提交订单” 虽然各个行业,分析的具体事项不一样,但都是围绕,业务场景关键元素分类,进行的。 那么问题又来了,这些“元素”怎样更好?...例如,我想在门店挣多点钱,我的货怎么分配?客户怎样更多?店员怎样卖得更好?搞个网站,我也知道点击,访问,订单,那怎样更多点击?为什么点击A不点击B? 怎样多点订单?...投诉的次数越多,复购的概率越低,复购量和投诉量是互斥关系。 这样,我们已经通过梳理业务考虑到很多节点的数据。说到用处,这些数据都有用,但是,全部都关注,看完一遍,都要花很多时间。...写0;以此类推,最后得出每一行的总分数。...运用以上六条底层逻辑,完成了从0到1梳理和建立数据指标体系。 我们通过“数据”去发现问题,分析问题,并且解决问题。

    94152

    复盘:我在真实场景下对几款主流云原生数据库进行极限性能压测的一次总结!!(建议收藏)

    点击上方卡片关注我 作为MySQL技术专家,我写过MySQL系列丛书《MySQL技术大全:开发, 优化与运维实战》, 有挺多准备上云企业的DBA或者架构师同学询问,如何对市场上五花八门的数据库进行选型,...从我对五款数据库进行计算密集型压测结果的综合对比可以看出,在oltp_read_only模式下、oltp_read_write模式下和oltp_write_only模式下,开启1或128个线程压测时,...从我对五款数据库进行I/O密集型压测结果的综合对比可以看出,无论是在oltp_read_only模式、oltp_read_write模式,还是在oltp_write_only模式下,PolarDB的性能都是最优的...从我对五款数据库进行计算密集型压测结果的综合对比可以看出,无论是在oltp_read_only模式,还是在oltp_read_write模式,亦或是在oltp_write_only模式下,PolarDB...我对最终压测得出的结果数据进行了整理,下面分别按照8C64GB和64C512GB的规格给出测试结果。

    1.8K21

    从单向到双向数据绑定0.前言1.单向数据(代表:react)2.观察者模式3.双绑的中间枢纽——Object.defineproperty(代表:vue)4. 脏值检测(代表:angular1)前面说

    双向数据绑定是,ui行为改变model层的数据,model层的数据变了也能反映到ui上面。比如点击按钮,数字data+1,如果我们自己在控制台再给data+1,那么v层也能马上看见这个变化。...对的,是行得通,可是这都是死的,也不能自动让他双向数据绑定,所以我们借用js底层的Object.defineproperty。...脏值检测(代表:angular1) 前面说的定时器双绑是扯淡 前面特地埋了个坑,关于Angular脏检查,并不是一些人想象的那样子用定时器周期性进行脏检测(我前面写的那个超级简单的双绑就是人们传闻的angular...接着我们对$scope的非函数数据进行绑定,再到 核心的$digest循环,对于每一个$$watch里面的每一个watch,我们使用 getNewValue() 并且把scope实例 传递进去,得到数据最新值...然后和上一次值进行比较,如果不同,那就调用 getListener,同时把新值和旧值一并传递进去。 最终,我们把last属性设置为新返回的值,也就是最新值。

    1.6K40

    ML工作流程(第5部分) - 特征预处理

    现在是对特征值进行预处理的时候了,并且为ML艺术的发展做好了准备。 我们需要特征预处理以便: 消除尺寸之间的差异。 将实例传递到空间中的有界区域。 删除不同维度之间的相关性。...好吧,我希望现在清楚了为什么我们关心这些。今后,我将尝试在我们的工具包中强调一些基本功能,以进行特征预处理。 标准化 可以应用于特征维度或数据实例。...Min Max Scaling 就我个人而言,我并没有将Min-Max Scaling应用于实例, 单位差异问题仍然有用。 取代分布式考虑,它取决于0,1范围内的值。...[1.png]:查找特征尺寸的最大值和最小值并应用公式。 注意事项1:缩放和标准化的一个常见问题是:你需要保留标准化的最小值、最大值、新的数据以及测试时间的标准化的平均值和方差值。...Sigmoid函数 Sigmoid函数自然会将给定值提取到0,1范围内 不需要关于数据如均值和方差的任何假设 它比较小的价值惩罚大的价值。 您可以使用其他激活功能,如tanh。

    83300

    如何在Python中为长短期记忆网络扩展数据

    标准化数据序列 归一化是对数据的原始范围进行重新缩放,以使所有值都在0~1的范围内。 归一化要求你知道或能够准确估计最小和最大可观测值。你可以从你的可获取的数据中估计这些值。...40 y = 0.72 你可以看到,如果给定的x值超出了最小值和最大值的范围,则结果值将不在0和1的范围内。...根据以往得出的经验法则,输入变量应该是很小的值,大概在0~1的范围内,或者用零平均值和标准差1来标准化。 输入变量是否需要缩放取决于要解决的问题和每个变量的具体情况。我们来看一些例子。...如果你的输出激活函数的范围是[0,1],那么显然你必须确保目标值在该范围内。但是选择适合于目标分布的输出激励函数通常比强制数据符合输出激励函数要好。 - 我应该归一化/标准化/重新缩放数据吗?...输出值将是0到1之间的实际值,并且可以得到准确的值。 多类分类问题 如果你的问题是一个多类分类问题,那么输出将是0到1之间的二进制值的向量,每个类值有一个输出。

    4.1K70

    我是黄啊码,MySQL的入门篇已经讲到第12个课程了,今天我们继续讲讲大白篇系列——数据库锁 目录 从数据库管理的角度对锁进行划分 为什

    我是黄啊码,MySQL的入门篇已经讲到第12个课程了,今天我们继续讲讲大白篇系列——数据库锁 目录 从数据库管理的角度对锁进行划分 共享锁也叫读锁或 S 锁 排它锁也叫独占锁、写锁或 X 锁。...首先客户端 1 开启事务,然后采用读锁的方式对user_id=912178的数据行进行查询,这时事务没有提交的时候,这两行数据行上了读锁。 ​...= 10002 WHERE user_id = 912178; 当我们执行的时候客户端 2 会一直等待,因为客户端 1 也获取了该数据的读锁,不需要客户端 2 对该数据进行修改。...SET version=version+1 WHERE version=version。此时如果已经有事务对这条数据进行了更改,修改就不会成功。...采用悲观锁的方式,可以在数据库层面阻止其他事务对该数据的操作权限,防止读 - 写和写 - 写的冲突。 好了,今天的课程学到这里,有问题的留个言,下次我们还会再见! 我是黄啊码,码字的码,退。。。

    42640

    如何在Python中扩展LSTM网络的数据

    归一化序列数据 归一化是从原始范围重新缩放数据,所以所有值都在0和1的范围内。 归一化要求您知道或能够准确地估计最小和最大可观察值。您可能可以从可用数据估计这些值。...y = 0.72 您可以看到,如果提供的值超出最小值和最大值的范围,则结果值不会在0和1的范围内。...如果有疑问,请对输入序列进行归一化。如果您拥有资源,可以使用原始数据,标准化数据进行建模,并进行归一化,并查看是否有有益的差异。...如果您的输出激活功能的范围为[0,1],则显然必须确保目标值在该范围内。但是通常最好选择适合于目标分配的输出激活功能,强制您的数据符合输出激活功能。 - 我应该归一化、标准化还是重新调整数据?...输出值将是0到1之间的实数值,可以被捕捉到清晰的值。 多类分类问题 如果您的问题是多类分类问题,则输出将为0到1之间的二进制类值的向量,每个类值一个输出。

    4.1K50

    【每日精选时刻】我人生职场当中的第一个三年;让AI为你打工,腾讯混元大模型实战篇;人工智能编程助手Devchat从0到1体验

    科技好文1、技术干货人工智能编程助手Devchat从0到1体验随着人工智能技术的发展,chatgpt的问世,国内各大厂家也推出了自己的大模型,比如腾讯混元大模型(Tencent Hunyuan)是由腾讯研发的大语言模型...调用函数时,所有关联的数据都放置在堆栈的顶部,当函数完成时,此数据将从堆栈中删除。堆栈不需要复杂的垃圾回收机制,并且内存管理的开销最小。在堆栈中检索和存储数据的速度非常快。...,每个领域2-3个不同难度级别的问题进行提问,以便更全面地评估语言模型的性能。...payload,payload 是一个对象,这个对象中存放的是我们需要修改的数据。...每个人选择编程的道路都有不同的原因和故事。或许是因为小时候对电脑的好奇心,或许是因为一次阴差阳错的选择,亦或许是因为中途转行的决定。不管是什么原因,编程都成为了我们生活中不可或缺的一部分。

    33162

    深度学习基础入门篇:常用归一化算法、层次归一化算法、归一化和标准化区别于联系、应用案例场景分析。

    1.2 归一化提高求解最优解的速度 我们提到一个对房价进行预测的例子,假设自变量只有房子到地铁站的距离x1和房子内房间的个数x2,因变量为房价,预测公式和损失函数分别为 \begin{array}{l}...[0, 1],其中 min(x)、max(x)分别求样本数据的最小值和最大值。...Z-score归一化也可称为标准化,经过处理的数据呈均值为0,标准差为1的分布。在数据存在异常值、最大最小值不固定的情况下,可以使用标准化。标准化会改变数据的状态分布,但不会改变分布的种类。...非线性归一化通常被用在数据分化程度较大的场景,有时需要通过一些数学函数对原始值进行映射,如对数、反正切等。...归一化不会改变数据的状态分布,但标准化会改变数据的状态分布; 归一化会将数据限定在一个具体的范围内,如 [0, 1],但标准化不会,标准化只会将数据处理为均值为0,标准差为1。

    1.8K31

    我的神经网络不工作了!我应该做什么? 详细解读神经网络的11种常见问题

    我们需要使数据标准化的主要原因是,神经网络管道的大多数部分假设输入和输出数据都是以标准偏差约为1和约为0的均值的来分布。...这些假设在深度学习文献中随处可见,从权重初始化,到激活函数,再到训练网络的优化算法。 -还要考虑 一个未经训练的神经网络通常输出值会在-1到1的范围内。...如果你期望它的输出值在其他范围内(例如,RGB图像的字节在0到255之间),你将会遇到一些问题。...你可能会在训练期间将错误从100到降低至1,但是如果1的错误仍然是不可接受的结果,那么结果仍然是不可用的。如果它在训练集上对验证集进行检查,它是否仍然适用于以前没有见过的数据?...如果你的输出值在某些范围内可能是有意义的,例如,它由0-1范围内的概率组成,那么很有可能是一个特定的激活函数,例如一个S型的激活函数。 -还要考虑 在最后层使用激活函数有很多微妙之用。

    1.7K30

    独家 | 数据转换:标准化vs 归一化(附代码&链接)

    “特征缩放的目的是使得所有特征都在相似的范围内,因此建模时每个特征都会变得同等重要,并且更便于机器学习的算法进行处理。”...关注年龄和工资变量 当我们计算欧氏距离的时候,(x2-x1)² 的值要远大于(y2-y1)² ,这意味着在不使用特征缩放的情况下,欧氏距离会被工资变量主导。年龄间的差距对整体欧氏距离的影响则很小。...公式如下: 这种将特征的值域重新缩放到0到1之间的技巧对于优化算法是很有用的,诸如在回归和神经网问题中应用到的“梯度下降”。缩放也适用于基于距离测量的算法,比如K近邻算法(KNN)。...归一化:离差标准化 (Max-Min Normalization) 另一常用的方法就是离差标准化(Min-Max scaling)。这个方法是将每个特征数值转化到[0,1]区间。...对于每个特征,最小值被转化为0,最大值被转化为1。

    1.3K31

    机器学习基础与实践(二)——数据转换

    2.1 MinMaxScaler(最小最大值标准化)2.2 MaxAbsScaler(绝对值最大标准化) 2.3 对稀疏数据进行标准化 2.4 对离群点进行标准化 三)正则化 3.1 L1、L2正则化...只有通过数据标准化,都把它们标准到同一个标准时才具有可比性,一般标准化采用的是Z标准化,即均值为0,方差为1,当然也有其他标准化,比如0--1标准化等等,可根据自己的数据分布情况和模型来选择 二.适用情况...很多人对多层感知机有个误解,认为输入的数据必须在[0,1]这个范围内。虽然标准化后在训练模型效果会更好,但实际上并没有这个要求。...但是最好使输入数据中心集中在0周围,所以把数据缩放到[0,1]其实并不是一个好的选择。 如果你的输出激活函数的范围是[0,1](sigmoid函数的值域),那你必须保证你的目标值也在这个范围内。...默认为mean,可选则mean、median、most_frequent axis :int, 默认为0(axis = 0,对列进行插值;axis= 1,对行进行插值) verbose : int, 默认为

    1.6K60

    【腾讯云|云原生】自定制轻量化表单Docker快速部署

    如果某些特征具有较大的值范围,那么其相关权重更新也会更大,这可能导致算法收敛过程变得非常缓慢甚至无法收敛。通过对输入特征进行比例缩放,可以使各个特征都处于相似的尺度范围内,从而加快算法收敛速度。...这有助于避免某些特征对模型训练产生过大影响。收敛加速:在某些机器学习算法(如梯度下降)中,如果不进行数据标准化或归一化,则可能需要更多迭代次数才能收敛到最优解。...防止数值溢出:当输入数据包含非常大或非常小的值时,计算中可能会发生数值溢出或舍入误差。通过将数据缩放到合理范围内,可以避免这些问题,并提高计算稳定性。...(这也是我们在平时数学上求正态分布的算法,使其均值为0,方差为1)数据归一化(Normalization):通过将每个特征值按比例缩放到给定范围内(如0到1之间)来保持相对关系。...如果你更关心特征的绝对值或需要将其缩放到固定范围内,则可以选择数据归一化。算法要求:某些算法对输入数据有特定的要求,例如支持向量机需要使用归一化后的数据。

    20930
    领券