鹅厂网红课程--金字塔思维

背景课程来源于《金字塔原理》，作者：芭芭拉·明托，毕业于哈佛大学，麦肯锡公司第一位女咨询顾问。其在麦肯锡交付的报告，逻辑严密、数据详实、结论有力，就连排版、配色与字体，都设计精美，让人赏心悦目。其提炼出来的写作思考技巧由此畅销四十多年。金字塔原理是一种重点突出、逻辑清晰、主次分明的逻辑思路、表达方式和规范动作。 金字塔的基本结构是：中心思想明确，结论先行，以上统下，归类分组，逻辑递进。 先重要后次要，先全局后细节，先结论后原因，先结果后过程。学习金字塔思维的解决那些问题1、掌握如何用金字塔原理思考、沟通、管理下属和解决问题；2、提高逻辑性、条理性；掌握表达规范动作；沟通准确高效，效果好、效率高。3、思考：用全脑思维，提高结构化思维能力，思考全、准、快。4、书面表达、公文写作：挖掘读者的关注点、兴趣点、需求点、利益点；5、用金字塔搭建逻辑清晰的框架结构；6、归类分组、重点突出、逻辑清晰、主次分明，让人看得懂、愿意看、记得住；7、缩短写作时间，减少修改次数。8、口头表达：讲话、讲课，用金字塔，重点突出，条理清晰，言简意赅，让听众有兴趣、能理解、记得住。9、管理下属：分配任务，用金字塔原理，

生活 · 2023-06-26
鹅厂网红课程--金字塔思维

[长文]写给开发同学AI强化学习入门指南 【转载】

点评：从去年chatgpt 发布以来AI算法领域的技术与AI应用就特别的火，鹅厂的同学整理了一些资料，然后讲基本所需的知识点介绍了一些。尤其是机器学习(Machine Learning)&深度学习(Deep Learning)相关的。其中涉及了几个基础算法问题，如：贪心算法，马尔可夫决策过程算法，蒙特卡洛方法、强化学习方法，DQN等。文中提提供了一些参考资料介绍：感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning等。机器学习(Machine Learning)&深度学习(Deep Learning)资料库 大概有七八百篇得资料，共大家一起学习参考. 以下是正文 最近因为 AI 大火，搞的我也对 AI 突然也很感兴趣，于是开启了 AI 的学习之旅。其实我也没学过机器学习，对 AI 基本上一窍不通，但是好在身处在这个信息爆炸的时代，去网上随便一搜发现大把的学习资料。像这个链接里面：https://github.com/ty4z2008/Qix/blob/master/dl.md 就有很多资料，但是这相当于大海捞针。在学习之前我们先明确自己的目的是什么，

技术 · 2023-06-26
[长文]写给开发同学AI强化学习入门指南 【转载】

SOLID 原则说明与感悟

目录SOLID 原则说明与感悟      前言            SOLID 设计模式的具体内容      SOLID 原则详解            一、单一职责原则                  1、单一职责带来的好处                  2、反规则的

技术 · 2023-06-25
SOLID 原则说明与感悟

《代码整洁之道-Clean Code》【转载】

原文地址：https://juejin.cn/post/7153906550505996296。是对《代码整洁知道-Clean Code》[美] Robert C.Martin 的总结。之前也看了这本书，大部分的书本内容都能完整的描述一个体系的内容，相对网上零碎的知识点来说，相对的信息量和完整度会更好。如果有好书建议好好拜读一下，完整的内容受益终身。 一句话总结很多观点都认为“开发业务没有技术含量，做架构才能体现技术价值”，这种观点有失偏颇。业务架构并不简单，只是很多开发同学理解简单了而已。业务架构讲究工程代码在迭代过程中能持续地应对杂、变等难题并保持程序员的生产力不下降。既然代码需要持续维护，那整洁的架构就非常有必要，本书从微观、宏观上介绍了保持架构整洁的一些方法。脑图详情第一章：整洁代码本章节是对全书的大概介绍，作者的核心观点是： 代码永远不可能被代替，因为编码过程就是把需求细节描述为机器可以理解的粒度。而这个过程中注定有些事情是无法抽象的 保持代码的整洁非常必要，这需要程序员自己亲自实践。不可能任何程序员看了此书后都会变成整洁代码大师 编码领域的规范：借用美国童子军军规——“让

技术 · 2023-06-25
《代码整洁之道-Clean Code》【转载】

Word2Vec [单词向量化]详解

本文转载自 知乎[苏一]的,《Word2Vec详解》 原文地址：https://zhuanlan.zhihu.com/p/61635013Word2vec是一种用于自然语言处理（NLP）的技术，于2013年发布。word2vec算法使用神经网络模型从大型文本语料库中学习单词关联。一旦经过训练，这样的模型就可以检测同义词或为部分句子建议额外的单词。目录一、Word2Vec概述二、Word2Vec原理三、CBOW四、Skip-gram五、Hierarchical Softmax六、Negative Sampling一、Word2Vec概述 Word2Vec是google在2013年推出的一个NLP工具，它的特点是能够将单词转化为向量来表示，这样词与词之间就可以定量的去度量他们之间的关系，挖掘词之间的联系。用词向量来表示词并不是Word2Vec的首创，在很久之前就出现了。最早的词向量采用One-Hot编码，又称为一位有效编码，每个词向量维度大小为整个词汇表的大小，对于每个具体的词汇表中的词，将对应的位置置为1。比如我们有下面的5个词组成的词汇表，采用One-Hot编码方式来表示词向量非常简

技术 · 2023-06-18
Word2Vec [单词向量化]详解

推荐系统综述——附Xmind速览图

转载自 余欲与鱼语渔 的csdn 博客[推荐系统综述——附Xmind三分钟重点速览版] 编者注：推荐系统在产品的应用上十分广泛，再比如内容推荐、广告推荐、用户行为推荐、视频内容之类的推荐。都是用到了推荐系统相关的一些基本原理。推荐系统一般是结合着AB测试系统去上线或下架。一个推荐策略的一个优化 都是通过AB测试验证对应的效果后才会上线，并且推荐算法会经过不停的打磨调优。新的推荐算法和推荐策略 的迭代受限于本身产品的一个受众群体、产品调性、法律要求、道德水平等方面 1. 推荐系统概述 1.1 推荐系统是什么 推荐：根据用户的历史行为进行用户兴趣建模，结合内容的特征，给到用户最能满足其兴趣和需求的内容。 推荐系统：推荐系统是一种信息过滤系统，用于预测用户对物品的“评分”或“偏好”，是特定场景下人与信息更有效率的连接。 1.2 推荐系统意义 个性化推荐系统，主要是为了以下两点：解决信息过载问题；挖掘长尾物品/信息。 推荐系统通过发掘用户的行为，找到用户的个性化需求，从而将长尾物品准确推荐给需要它的用户，帮助用户找到他们感兴趣但很难发现的物品。 1.3 推荐系统工作步骤 推

技术 · 2023-06-18
推荐系统综述——附Xmind速览图

工程师基础-让人崩溃的readbility 考试

背景硅谷的很多大型科技，比如：google、facebook、amazon 等，为了让代码的编码风格、代码质量更高，一般是有获得公司代码可读性认证(code-review-readability-certification)的人当作代码的审查者。Googler被要求较快地成为优秀的程序员，这是工作的基本要求。所以，Google的readability仅仅强调对某一门编程语言的设计理念、惯用法、细节代码最佳实践的熟练掌握。Readability训练营与认证在很大程度上考虑了DRY/SOLID/KISS等在代码设计原则与实现层面的应用。价值直接的价值就是：推进工程文化建设，个人工程师素养、公司组织管理、工具建设，是搞好现代化研发。宏观价值：提升团队、公司的整体技术水平，利于产品研发质量、对外开源建设的水平。个人价值：提升个人能水平，通过日复一日的高水平训练可以整体的架构设计能力、编码水平等。认证说明绿带（wet-hands）考试，是给大家一段400行左右的代码做code review。一般集中在一个地方，限时两个小时。考试给到的代码，可读性都非常差。正常情况，一般是指出核心设计问题，给出明

技术 · 2023-06-16
工程师基础-让人崩溃的readbility 考试

StarCoder: 最先进的代码大模型

转载至 hugging face。原文地址 ，English version最近在研究 AI 在前端方面的应用，所以看到这个startCoder 库，github 地址是：https://github.com/bigcode-project/starcoder。这个库还有其他的方面应用，这里共享给大家。关于 BigCodeBigCode 是由 Hugging Face 和 ServiceNow 共同领导的开放式科学合作项目，该项目致力于开发负责任的代码大模型。StarCoder 简介StarCoder 和 StarCoderBase 是针对代码的大语言模型 (代码 LLM)，模型基于 GitHub 上的许可数据训练而得，训练数据中包括 80 多种编程语言、Git 提交、GitHub 问题和 Jupyter notebook。与 LLaMA 类似，我们基于 1 万亿个词元训练了一个约 15B 参数的模型。此外，我们还针对一个 35B 词元的 Python 数据集对 StarCoderBase 模型进行了微调，从而获得了一个我们称之为 StarCoder 的新模型。我们发现 StarCod

技术 · 2023-06-16
StarCoder: 最先进的代码大模型

QQ 音乐商业化 Web 团队前端工程化实践总结【点评】

文章小结这个是在qq音乐商业化团队在2021年3月份的总结文章。行文的内容有五个点：1、模块化（包含js模块化、CSS模块化），2、组件化3、规范化（包含代码规范、文档规范、流程规范）4、自动化：（包含构建编译、测试、CI/CD等）5、业务分析与改进。文章开头对简单工程化的生命周期划分我还是比较认同的，它包含了：项目的架构设计的初始化 -> 项目开发 --> 测试部署 --> 构建与部署 --> 运维管理。但实际文章中的内容来说的话，就是写的很细节，然后标题写的很大但是文中的内容就显得比较空。感悟我由于以前之前我在应用宝、微视、腾讯云都工作过，对腾讯内部MIG\PCG\CSIG各自体系的工具和系统都比较熟悉，然后作为面试官、参加各种行业内的大会，也了解了国内其他企业或公司内的系统大概情况。其实整个工程化来说是一个很大的课题，要想把整个项目或者是整个业务完全工程化的话，一个是费很大精力，二是要有一个全局的视角和思想来统领整个研发的投入。不过要对某一块业务或者是某一个系统做那个前端工程化的话，我可以给一些建议。【留个坑后面慢慢来补文章】这里先用 《前端工程化：体系

技术 · 2023-06-14
QQ 音乐商业化 Web 团队前端工程化实践总结【点评】

团队管理基础

团队管理基础来源于自身培训与外部书籍数据参考1、组建团队a) 需要什么样的人招聘的原则、方法，招聘的诉求是否合理。人才需求：通用能力与品质、专业知识与技能b)设定团队目标向上管理目标： 团队目标、目的、任务、计划与结果。向下管理：团队规模、各自权利、责任、任务、要求、内部期望状态自我管理2、了解团队a) 团队成员情况、成员特长与性格、成员诉求b) 团队成员的培养选择适宜的情景模式适配员工特质。有些需要告知、有些引导、有些需要重复、有些需要约束使用适宜的领导风格（人不同，职位不同 使用不同的风格）员工成长与培养：员工的规划、通过PDI指定绩效管理、同步绩效理念与预期3、激励与惩罚a) 团队激励正向激励：职级、薪酬、责任与权利负向反馈：面谈、激活、通告、绩效薪酬b) 员工激励员工个人激励的五种手段组织氛围激励的六个纬度4、管理干部的自我成长a) 管理角色和技能从骨干到基层管理：角色技能转变(职能、技能、业绩、目标、心态)管理角色能力：向上管理沟通理解目标、向下分配任务资源团队|冲突氛围管理|员工管理、对内业务合作资源获取、对外业务沟通公关处理，管理者自我成长b) 管理者核心素质理解企业文化

生活 · 2023-06-11
团队管理基础
2025 we see 视界. All Rights Reserved.
Theme Jasmine by Kent Liao

粤ICP备2023052298号-1