The Last Editor
The Last Editor chronicles the life and career of Jim Bellows, a man who made his name, as well as t
TAG 相关标签
5 用户评论
不知为何,就莫名的想看。蓝轩宇的性格是我很喜欢的,人也长得帅,还成了龙神。虽不是很喜欢唐三,但喜欢他的孙子蓝轩宇。整本买下,反反复复。
改变条件,化整为零,通过对比,整体对比,化整为零,一脉相承,把复杂的问题简单化。
有趣的是,当你想说服对方答应一个较大的请求时,让他们先想想这个请求中单个的、较小的个体,这个看似微不足道的举动会对结果产生巨大的影响
本剧通过访谈的方式呈现Christopher Carson老师的投资之道,Christopher Carson老师在书中并非阐述了其成功的方法或者是策略,而是关于投资成功所需要的精神境界。恰恰是这种精神境界,更甚于学习投资方法及策略。书中描述的不是排兵布阵,而是孙子兵法啊。
20210503看完《The Last Editor》,编剧的“最少必要知识原则”,这个学习观念不错。
对Python包中变量__all__说清楚了,好多其他教材是没说的;
对生成器和迭代器也讲述的比较清楚;
推荐了logging模板,但没展开,然后补上一句:“高手都是自学的”,我也只好赞成了;
在Numpy模块,深入浅出地讲解了“爱因斯坦求和约定”和功能强大的einsum(),不但能“降维求和”,还能用于矩阵乘法等;
对于矩阵的点乘法,a1@b1,亦可表示为np.einsum("ij,jk->ik",a1,b1);
又如2个(2,2)向量点乘操作,a*b或np.multiply(a,b),亦可表示为np.einsum("ij,ij->ij",a,b),其他维度亦可类似操作;
又如np.einsum("ij->ji",arr)可实现向量的转置,等同于np.transpose(arr);
编剧einsum()的功能非常强大,这里只讲一点点,还可用于TensorFlow或PyTorch神经网络架构的任意计算图,并支持反向传播计算,非常有意思;
对向量维度轴的的概念axis,按括号层次来理解,括号由外到内,对应从小到大的维数,分别为;
当“约减”时,有先后顺序,如5维向量,可用axis=,先后“约减”掉第2、第0、第1维度,最后剩下2个维度,等等;
中间很多…省略
创作在最后的感叹:数据分析,要学的东西都挺多的,机器学习有点超纲,需要慢慢消化,还好各路大神都在做贡献,很多功能越来越方便,越来越完善。
情节紧凑,另外好人有好报恶人有恶报的中式思维逻辑特别符合照顾观众的观感和预期~