好好专题

第二十篇——行军篇：别指望外援，好好培养亲兵

目录一、背景介绍二、思路&方案三、过程1.思维导图2.文章中经典的句子理解3.学习之后对于投资市场的理解4.通过这篇文章结合我知道的东西我能想到什么？四、总结五、升华一、背景介绍微观层面，从驯服的视角，我们可以洞察到人性中非常有意思的事情；相互的驯养使得我们彼此信任，互赖。二、思路&方案 1.思维导图2.文章中经典的句子理解3.学习之后对于投资市场的理解4.通过这篇

【每日一题】【进制数】【思维】好好好数牛客周赛 Round 58 D题 C++

牛客周赛 Round 58 D题好好好数题目背景牛客周赛 Round 58 题目描述样例 #1 样例输入 #1 260 3114 514 样例输出 #1 2114 做题思路考虑到k-好数实际上是 k k k进制下取0/1的操作。而且问题也是k-好数的和，其工作原理和算进制数一样。例如 30 = 3 3 + 3 1 30 = 3^3+3^1 30

好好说一说室内定位技术

室内定位技术进过了几十年的发展，从未像今天这样引起大家的关注，这无疑得益于VR技术在这几年的蓬勃发展，52VR的编辑们今天就梳理下已有的定位技术和手段，有哪些点值得我们参考和注意呢？那么传统的室内定位技术有哪些呢？室内无线定位技术可以这样分成三类：近邻法三边（角）测量法模式匹配法。近邻法：最简单的方式，直接选定那个信号强度最大的AP的

如何与情绪好好相处，真正成为情绪的主人

一、教程描述若要成为一个聪明的人，就要学会做情绪的主人，而不是被情绪控制自己，为什么要做情绪的主人？至少有以下两个方面原因。其一，都说，世上还是好人多。可是，为什么你身边没有一个好人？其实，不是你身边没有好人，是因为你自己不够好。很多事情，就是“一环扣一环，环环相扣”的，如果事情在你的手上搞砸了，那么整件事就搞砸了。事情搞砸了还可以挽救，要是情绪也坏了，那么就真的没有挽回的余地了，只会越

“运动过量”？想多了，普通骑友没那能力和意志力，好好骑车吧

最近听到“运动过量”这个词挺多的，身为骑行爱好者的校长，感觉又好笑又无奈，所以想写点东西，这篇文通过分析普通骑友的运动习惯、能力和意志力，探讨了“运动过量”这一概念在骑行领域中的适用性。文章指出，对于普通骑友而言，所谓的“运动过量”更多是出于一种误解和过度担忧，而非实际存在的问题。文章呼吁骑友们以科学、合理的态度面对骑行运动，享受骑行带来的健康与快乐。一、引言随着健康意识的提升，骑行作为一

好好的读两本书, 别再对测试产生误解了

测试是 “探索” 的过程；绝不是 “自动化” 的操作。只有自动化，而无探索的测试，就宛如是只会照着卫星导航开车；车子开着，开着就撞山了…… 产品的质量始终无法获得保证，其中有一个主要的因素，便是对 “自动化测试”与 “软件测试”存在着太多，太多，太多的误解与不切实际的期待。这二本书将能告诉咱们大家，“自动化测试”与 “软件测试”的真相；真实故事为何? “任何事都是需经过深度的学习、

天童美语：为了得体退出的那一天，你一定要好好爱孩子

父母最大的成就就是孩子可以独立，自己完成自己的人生。为了得体退出的那一天，你一定要好好爱你的小孩，因为每一天都在过去。当我们站在孩子成长的十字路口，面对那个终将到来的退出时刻，心中总会涌起一股难以言表的情感。而今天，南昌天童美语想和大家聊聊，为了那个得体的退出，我们为何要更加珍惜与孩子相处的每一刻，深深地爱他们。　　　　孩子，是生命的奇迹，是我们生活的希望。他们如同一张白纸，等待我们用爱和智慧

你知道华为为了让你好好写代码，做了哪些努力吗？

在华为最轻松快乐的事就是写代码。方案设计、逻辑思路、接口定义、数据结构在设计阶段都已经定好了，研发人员只需要按照领导给的设计文档来编写代码就好，几乎不用费脑子，第一个需求研发的时候我几乎不知道这个需求是干啥用的只需要按照接口就完成了研发要求。同样在华子最烦的事是定方案和扯皮。事来需要先定位边界，一般定位边界的时间，一个BUG都快写完了[冷汗]，我曾经最高记录拉了40多个人陆陆续续进会议定位BU

java基础好好琢磨东西（1）

谈谈 final、finally、 finalize 有什么不同？ final 可以用来修饰类、方法、变量，分别有不同的意义，final 修饰的 class 代表不可以继承扩展，final 的变量是不可以修改的，而 final 的方法也是不可以重写的（override）。 finally 则是 Java 保证重点代码一定要被执行的一种机制。我们可以使用 try-finally 或者 try-c

卷积神经网络基础卷积层和池化层学习#####好好好

卷积神经网络（CNN）由输入层、卷积层、激活函数、池化层、全连接层组成，即INPUT-CONV-RELU-POOL-FC (1)卷积层：用它来进行特征提取，如下：输入图像是32*32*3，3是它的深度（即R、G、B），卷积层是一个5*5*3的filter(感受野)，这里注意：感受野的深度必须和输入图像的深度相同。通过一个filter与输入图像的卷积可以得到一个28*28*1的特征图，上图

##好好好####知识图谱的应用#######

导读知识图谱 (Knowledge Graph) 是当前的研究热点。自从2012年Google推出自己第一版知识图谱以来，它在学术界和工业界掀起了一股热潮。各大互联网企业在之后的短短一年内纷纷推出了自己的知识图谱产品以作为回应。比如在国内，互联网巨头百度和搜狗分别推出”知心“和”知立方”来改进其搜索质量。那么与这些传统的互联网公司相比，对处于当今风口浪尖上的行业 - 互联网金融，知识图谱可以

###好好好### 【Python实战】Pandas：让你像写SQL一样做数据分析 ######

1. 引言 Pandas是一个开源的Python数据分析库。Pandas把结构化数据分为了三类： Series，1维序列，可视作为没有column名的、只有一个column的DataFrame；DataFrame，同Spark SQL中的DataFrame一样，其概念来自于R语言，为多column并schema化的2维结构化数据，可视作为Series的容器（container）；Panel，为3

####好好好￥#####spark Streaming 技术内幕 : 从DSteam到RDD全过程解析

一、DStream和RDD的关系 DSream 代表了一系列连续的RDD，DStream中每个RDD包含特定时间间隔的数据，如下图所示：从上图可以看出，一个DStream 对应了时间维度上的多个RDD。 DStream 作为Spark Stream的一个基本抽象，提供了高层的API来进行Spark Streaming

######好好好#######DStream 生成 RDD 实例详解

DStream 生成 RDD 实例详解 [酷玩 Spark] Spark Streaming 源码解析系列，返回目录请猛戳这里「腾讯·广点通」技术团队荣誉出品本系列内容适用范围：* 2016.12.28 update, Spark 2.1 全系列 √ (2.1.0)* 2016.11.14 update, Spark 2.0 全系列 √ (2.0.0, 2.0.1, 2.0.

#######好好好好好#########笔记︱信用风险模型（申请评分、行为评分）与数据准备（违约期限、WOE转化）

巴塞尔协议定义了金融风险类型：市场风险、作业风险、信用风险。信用风险ABC模型有进件申请评分、行为评分、催收评分。 ———————————————————————————————————— 一、数据准备 1、排除一些特定的建模客户用于建模的客户或者申请者必须是日常审批过程中接触到的，需要排除以下两类人：异常行为：销户、按条例拒绝、特殊账户；特殊账户：出

###好好好######Spark GraphX处理图数据

大数据呈现出不同的形态和大小。它可以是批处理数据，也可以是实时数据流；对前者需要离线处理，需要较多的时间来处理大量的数据行，产生结果和有洞察力的见解，而对后者需要实时处理并几乎同时生成对数据的见解。我们已经了解了如何将 Apache Spark 应用于处理批数据（Spark Core）以及处理实时数据（Spark Streaming）。有时候，所需处理的数据是很自然地联系在一起的。譬如，在

#####好好好＃＃＃＃keras之预训练模型Application

Application应用 Kera的应用模块Application提供了带有预训练权重的Keras模型，这些模型可以用来进行预测、特征提取和finetune 模型的预训练权重将下载到~/.keras/models/并在载入模型时自动载入可用的模型应用于图像分类的模型,权重训练自ImageNet： Xception VGG16 VGG19 ResNet50 Inception

#####好好好#####深度学习笔记——Attention Model（注意力模型）学习总结

深度学习里的Attention model其实模拟的是人脑的注意力模型，举个例子来说，当我们观赏一幅画时，虽然我们可以看到整幅画的全貌，但是在我们深入仔细地观察时，其实眼睛聚焦的就只有很小的一块，这个时候人的大脑主要关注在这一小块图案上，也就是说这个时候人脑对整幅图的关注并不是均衡的，是有一定的权重区分的。这就是深度学习里的Attention Model的核心思想。 AM刚开始也确实是应用在图像

###好好好好好########呼叫中心FAQ

1、什么叫呼叫中心？答：“呼叫中心”是公司企业为用户服务而设立的。早在80年代，欧美等国的电信企业、航空公司、商业银行等为了密切与用户联系，应用计算机的支持、利用电话作为与用户交互联系的媒体，设立了”呼叫中心“（call center)，也可叫做“电话中心”，实际上就是为用户服务的“服务中心”。现代的呼叫中心又叫作客户服务中心，它是一种基于CTI技术、充分利用通信网和计算机网的多项功能集成

#####好好好＃＃＃＃＃双端 LSTM 实现序列标注（分词）

@author: huangyongye @creat_date: 2017-04-19 前言本例子主要介绍如何使用 TensorFlow 来一步一步构建双端 LSTM 网络（听名字就感觉好腻害的样子），并完成序列标注的问题。先声明一下，本文中采用的方法主要参考了【中文分词系列】 4. 基于双向LSTM的seq2seq字标注这篇文章。该文章用 keras 框架来实现的双端 LSTM，在本例中，

#####好好好好###### 什么是我所说的 Conversational Robot

包括 Dialogue System, QA System, Chatbot 简述。下面大部分文字是整体的介绍，当然要完全把这三个部分都详细说完，可能就够一本书了，没几百篇论文的阅读出不来。主要是因为每个系统的每个实现方法经常都是独立的一个领域，而很少有介绍完整成品的东西，也几乎没有完整的书籍。 Conversational Robot 的来历主要是为了避免dialogue和chat这两

###好好好###将 TensorFlow 移植到 Android手机，实现物体识别、行人检测和图像风格迁移详细教程

2017/02/23 更新贴一个TensorFlow 2017开发者大会的Mobile专题演讲移动和嵌入式TensorFlow 这里面有重点讲到本文介绍的三个例子，以及其他的移动和嵌入式方面的TF相关问题，干货很多 2017/01/17 更新今天上 Github，发现 Tensorflow 的 android demo又更新了，除了基本的修改以外，又增加了一个图像风格迁移的安卓

###好好好#####使用GraphFrames进行飞一般的图计算

GraphFrame是将Spark中的Graph算法统一到DataFrame接口的Graph操作接口。支持多种语言，可以通过Python使用。本博客包括 On-Time Flight Performance with GraphFrames notebook 的完整内容，其中包括一些扩展功能，您可以通过 Databricks Community Edition免费试用(加入 beta wait

#####好好好#####阿里智能人机交互的核心技术解析

摘要：过去20多年，互联网及移动互联网将人类带到了一个全新的时代，如果用一个词来总结和概括这个时代的话，“连接”这个词再合适不过了。这个时代主要建立了四种连接：第一，人和商品的连接；第二，人和人的连接；第三，人和信息的连接；第四，人和设备的连接。 “连接“本身不是目的，它只是为“交互”建立了通道。在人机交互（Human-Computer Interaction）中，人通过输入设备给机器输入

#####好好好#####GAN 在文本生成上的一些体会

先抛出我的结论： SeqGAN 这一框架下的 GAN-based 文本生成模型，work 很大程度上是 training trick 的堆砌，并不适合工程应用，但依旧值得探索，或者蹭热点发 Paper。这段时间做用 GAN 做文本生成还是蛮多的，这里指的是 SeqGAN 这一框架，其简要特点如下： RNN-based Generator + Classifier-based Discrmi

###好好好#######论文浅尝 | 基于图注意力的常识对话生成

论文浅尝 | 基于图注意力的常识对话生成 OpenKG 祝各位读者新春快乐，猪年吉祥！来源：IJCAI 2018. 论文下载地址：https://www.ijcai.org/proceedings/2018/0643.pdf 项目源码地址：https://github.com/tuxchow/ccm 动机在以前的工作中，对话生成的信息源是文本与对话记录。但是这样一来