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

乔布斯如何减法

乔布斯在他生命的大部分时间里,都没有什么好名声。他在世的时间里,他的创新能力也饱受人们质疑。直到iPhone开始流行,也就是同期,乔布斯身患癌症,他的名声才开始由坏变好。...乔布斯如何减法? 我的桌面上摆着几本关于乔布斯的传记。几家核心媒体的著作算是集齐了。 《史蒂夫.乔布斯传》,沃尔特.艾萨克森著。艾萨克森是前CNN董事长和《时代》杂志总编。...本文可以说是我的读书笔记,也是一种对买下的几本书减法的结果。 专注和简洁。很多人都知道乔布斯的名言:stay hungry,stay foolish,但并不知道这一句。...乔布斯通过减法,打造了世界上最好的公司:苹果。而库克,无为,也就是不做加法,成为苹果公司最好的CEO。 苹果的发展过程中,充满了乔布斯神奇的减法决策。所以,本文主要是根据时间节点列出苹果的主要产品。...我们不一定具备乔布斯产品的独特心智,但我们或许可以学会乔布斯决策的方法。又或许,产品本身即决策。

1.1K10
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    开发运维配置繁杂,是时候给应用架构减法

    缩短交付时间与周期,节省开发成本 随着产品及软件版本迭代周期的速度越来越快,一些云厂商在面向客户的咨询调研中发现,越来越多的客户已不满足于缩短开发与测试的周期,而是需要更短的交付周期——从新产品或功能的概念化到以...MVP 部署到生产环境的整个时间。...部分客户在使用该架构及应用程序后,能实现在几天时间内完成项目的部署。...总的来说,Serverless 可以称得上是当前各类新架构中“激情与速度”的再现——在降低人工成本、降低风险、降低基础设施成本、提高扩展性、缩短交付时间上,都形成了绝对的杠杆力。...例如迁移难度大、自动扩展性差、应用语言种类较少、计算规模受限、冷启动(函数未被运行一段时间后需要重新启动容器运行,而造成的函数调用被延迟)、不断膨胀的代码库维护等。

    1.2K10

    企业数字化服务的京东样本:抓痛点、减法、建生态

    从字面意思来看精益管理体现在两个维度:1、“精”——少投入、少消耗资源、少花时间,尤其是要减少不可再生资源的投入和耗费,高质量增长。2、“益”——多产出经济效益,实现企业升级的目标,精益求精。...2、减法。 企业经营涉及到方方面面,人财物事、人机料法、采购生产仓储销售营销人事投资等等环节,可以说,企业数字化转型是一个宏大的话题。...超6000个大企业客户,超700万中小企业客户,均有大量的数字化转型需求,不过,京东企业业务,则是采取“减法”的思路。...实际上,京东企业业务的智能制造、数据和技术服务能力,均是以采购这一核心优势场景为起点再扩大服务半径,而不是跳跃到一些毫无基础的领域去给企业数字化服务,这意味着,京东企业业务减法不只是可以聚焦,而且是在做自己擅长的事情...所有传统企业都在努力变为数字化企业,技术将是这一过程的核心驱动,只不过不是所有公司都是技术公司,因此“数字化助手”就不可或缺,正是因为此众多互联网科技巨头纷纷转向B端谋篇布局,而京东企业业务以技术为底色,抓痛点、减法

    79420

    用python时间序列预测三:时间序列分解

    在初始概念篇中,我们简单提到了时间序列由趋势、周期性、季节性、误差构成,本文将介绍如何将时间序列的这些成分分解出来。...分解的使用场景有很多,比如当我们需要计算该时间序列是否具有季节性,或者我们要去除该时间序列的趋势和季节性,让时间序列变得平稳时都会用到时间序列分解。...加法和乘法时间序列 时间序列的各个观测值可以是以上成分相加或相乘得到: Value = Trend + Seasonality + Error Value = Trend * Seasonality...对比上面的加法分解和乘法分解可以看到,加法分解的残差图中有一些季节性成分没有被分解出去,而乘法相对而言随机多了(越随机意味着留有的成分越少),所以对于当前时间序列来说,乘法分解更适合。...小结 时间序列分解不仅可以让我们更清晰的了解序列的特性,有时候人们还会用分解出的残差序列(误差)代替原始序列来预测,因为原始时间序列一般是非平稳序列,而这个残差序列是平稳序列,有助于我们做出更好的预测

    2.7K41

    读取PLC时间转换为UNIX 时间网络同步比较

    JZGKCHINA 工控技术分享平台 最近在安全行业里读取PLC内部故障事件分析的工作,发现在PLC网络里采用NTP时间同步基本上没有,因为在工控领域PLC更多承担业务层面控制需求的实现,反而对于PLC...多区域内PLC时间同步就是安全设置的必要一步,因为这个会涉及PLC内部的事件和记录是否能够按照真实的时间进行提取和分析。那在不同网段读取不同厂商PLC时间进行比较和同步就成为一个比较麻烦的事情。...不同厂商PLC的日期和时间比较需要用到一个INT数组数据来比较。所以才有了这需求打算采用Unix 时间时间对比,因为所有厂商的PLC的日期和时间都可以转成Unix 时间。...UNIX时间的0按照ISO 8601规范为 :1970-01-01T00:00:00Z. 一个小时表示为UNIX时间格式为:3600秒;一天表示为UNIX时间为86400秒,闰秒不计算。...秒 下面我将采用结构化文本的形式来开发这个PLC时间转成Unix时间,为了方便大家在其他的PLC中实现时间格式的转换。

    1.1K20

    使用Mfuzz包时间序列分析

    下面是《张娟》的分享 既然是讲解时间序列分析,那么就不得不提一下Mfuzz包了,恰好生信技能树创始人jimmy的200篇生物信息学文献阅读活动分享过的一篇文章就有这个,作者主要使用了第一个结果中差异表达分析得到的...is.na(loc)] DEGs_exp <- expdata1[loc,] 看文章中的图,我们发现横坐标是时间节点,那么我们根据样本的时间节点信息,需要将差异基因表达谱处理一下,变成时间节点的表达,时间节点信息来自...# 读入样本时间节点 time <- read.table(".....time[,1]),],tmp) temp[1:5,1:4] DEGs_exp_averp <- t(limma::avereps(temp[,-c(1:3)],ID=temp[,2])) # 最后的时间节点表达谱如下...预处理:去除表达量太低或者在不同时间点间变化太小的基因等步骤 # Mfuzz聚类时要求是一个ExpressionSet类型的对象,所以需要先用表达量构建这样一个对象。

    3.3K30

    用python时间序列预测四:平稳非平稳时间序列

    Stationary Series 平稳序列 平稳序列有三个基本标准: 1、序列的均值(mean)不应该是时间的函数(意思是不应该随时间变化),而应该是一个常数。...3、t时间段的序列和前一个时间段的序列的协方差(协方差,衡量的是两个变量在一段时间内同向变化的程度)应该只和时间间隔有关,而与时间t无关,在时间序列中,因为是同一个变量在不同时间段的值序列,所以这里的协方差称为自协方差...非平稳序列如何预测?...对于非平稳时间序列的预测,我们需要先将其转换为平稳时间序列,方法包括: 差分(一阶或n阶) 取log 开根号 时间序列分解 综合使用上面的方法 一般来说,做个一阶差分,就可以得到接近平稳的时间序列了,如果方差随时间变化较大...对于判断时间序列是否平稳,可以通过肉眼观测时间序列图,就类似上面提到的平稳性的3个基本标准,或者 将时间序列分成多个连续的部分,计算各部分的均值、方差和自相关性(或协方差),如果结果相差很大,那么序列就不平稳

    5.7K41

    独家 | 如何用XGBoost时间序列预测?

    作者:Jason Brownlee 翻译:wwl 校对:王雨桐 本文约3300字,建议阅读10分钟 本文介绍了如何用XGBoost时间序列预测,包括将时间序列转化为有监督学习的预测问题,使用前向验证来模型评估...参数是整个时间序列数据集和用于测试集的行数。 然后它遍历测试集,调用xgboost_forecast()函数一步长的预测。计算错误度量并返回详细信息以供分析。...可以如下定义这个方法: 可以用XGBRegressor类来一步预测。xgboost_forecast()方法实现的是,以训练集、测试集的输入作为函数的输入,拟合模型,然后一步长预测。...接下来我们评估XGBoost模型在这个数据集上的表现,并对最后12个月的数据一步长的预测。...你可以的更好吗? 可以尝试不同的XGBoost超参数,以及不同的时间步长的输入,看看是否能够得到更好的模型,欢迎在评论区中分享结果。

    4.2K20
    领券