不知道大家對(duì)下面的這個(gè)圖標(biāo)眼熟不

對(duì)，這就是netty，最近差點(diǎn)整瘋了我的一個(gè)網(wǎng)絡(luò)框架，下方是官網(wǎng)對(duì)他的描述，感興趣大家可以去官網(wǎng)看一下，這不是今天的重點(diǎn)，接著往下看：

Tactical Electronics

config 是vue項(xiàng)目的基本配置文件

股票的迷惑性不在于股票所基于的價(jià)值，而在于它給炒股者提供的幻想。

如果考慮清楚了要換工作，一般人通常會(huì)考慮待遇職務(wù)等因素多一些，年青人剛開(kāi)始進(jìn)入職場(chǎng)其實(shí)不要過(guò)于看重這些，在差異不懸殊的前提下，最好把著眼點(diǎn)更多落在新崗位是否能夠讓自身快速成長(zhǎng)，隨著自身能力和經(jīng)驗(yàn)的快速增長(zhǎng)，物質(zhì)方面的收獲是水到渠成的，要相信一點(diǎn)：市場(chǎng)經(jīng)濟(jì)環(huán)境下，一個(gè)能夠提供高價(jià)值服務(wù)的人，其自身價(jià)值是不會(huì)被長(zhǎng)期低估的，這不符合經(jīng)濟(jì)學(xué)基本原理。換一個(gè)新環(huán)境時(shí)，有一些因素需要重點(diǎn)考慮，比如要跳槽的公司是否在所屬領(lǐng)域里面是龍頭公司，龍頭公司和處于行業(yè)中下游的公司發(fā)展前景差異會(huì)很大；也要考慮公司處于什么發(fā)展階段，最好選擇所做內(nèi)容符合行業(yè)發(fā)展趨勢(shì)，所做業(yè)務(wù)處于蓬勃發(fā)展期的，這樣的公司業(yè)務(wù)拓展快，對(duì)各種人才需求多，發(fā)展的機(jī)會(huì)比較多；另外，你所要進(jìn)入的工作崗位所在部門對(duì)于公司的發(fā)展是否重要也很關(guān)鍵，避免要進(jìn)入的部門在公司中處于邊緣位置或者不太重要地位。還有，新的工作環(huán)境里是否有具備豐富行業(yè)經(jīng)驗(yàn)的人傳幫帶也非常重要，老人的一句話也許新人要獨(dú)立摸索很久才能體會(huì)，這種經(jīng)驗(yàn)是很寶貴的，能讓人少走不少?gòu)澛?。?dāng)然，同時(shí)滿足所有這些條件的工作崗位是很少的，所以這些因素也要根據(jù)個(gè)人情況，針對(duì)你更看重哪些來(lái)做些權(quán)衡取舍。

白羽告訴深燃，代喂養(yǎng)寵物其實(shí)沒(méi)有想象中輕松，“大冬天，跑完一個(gè)地方就得趕緊去下一個(gè)，騎小電驢吹著冷風(fēng)凍得要命?！被佚堄^附近不少小區(qū)都沒(méi)電梯，很多客戶都是住在四五六樓，她還得爬樓梯。

VAR4:=HHV(HIGH,34);

張俊林（ 博客），暢捷通公共服務(wù)部總監(jiān)，是技術(shù)書(shū)籍《這就是搜索引擎：核心技術(shù)詳解》（該書(shū)榮獲全國(guó)第十二屆輸出版優(yōu)秀圖書(shū)獎(jiǎng)）的作者。在此之前，張俊林曾經(jīng)在阿里巴巴搜索技術(shù)中心、百度商務(wù)搜索部鳳巢廣告平臺(tái)以及新浪微博搜索部及數(shù)據(jù)系統(tǒng)部擔(dān)任資深技術(shù)專家，新浪微博技術(shù)委員會(huì)成員，負(fù)責(zé)算法策略方向。他還曾是智能信息聚合網(wǎng)站“玩聚網(wǎng)”的聯(lián)合創(chuàng)始人之一。他的研發(fā)興趣集中在：搜索技術(shù)、推薦系統(tǒng)、社交挖掘、自然語(yǔ)言處理與大數(shù)據(jù)算法架構(gòu)等方面，并在以上領(lǐng)域有多年工業(yè)界實(shí)踐經(jīng)驗(yàn)。

他本科畢業(yè)于天津大學(xué)管理學(xué)院，1999年至2004年在中科院軟件所直接攻讀博士學(xué)位，研究方向是信息檢索理論與自然語(yǔ)言處理，就學(xué)期間曾在ACL/COLING/IJCNLP等國(guó)際頂級(jí)會(huì)議發(fā)表多篇學(xué)術(shù)論文，另外，他在此期間領(lǐng)導(dǎo)設(shè)計(jì)的搜索系統(tǒng)曾在美國(guó)國(guó)防部DARPA主持的TREC第二屆高精度檢索系統(tǒng)評(píng)測(cè)中在17支國(guó)際高水平研究團(tuán)隊(duì)激烈競(jìng)爭(zhēng)中勝出，并取得綜合排名第一名的優(yōu)異成績(jī)。

目前我們除了為企業(yè)產(chǎn)品和服務(wù)社區(qū)提供常規(guī)的搜索、各種場(chǎng)景下的推薦等服務(wù)外，重心放在針對(duì)企業(yè)移動(dòng)應(yīng)用領(lǐng)域的創(chuàng)新性服務(wù)，比如如何讓用戶方便地用語(yǔ)音操控企業(yè)數(shù)據(jù)，例如，針對(duì)銷售人員的客戶管理應(yīng)用，用戶可以直接用語(yǔ)音問(wèn)：北京東城區(qū)最近兩個(gè)月開(kāi)發(fā)了哪些新客戶？再比如可以通過(guò)語(yǔ)音輸入來(lái)進(jìn)行會(huì)計(jì)賬務(wù)做賬等。除此外，我們還有針對(duì)企業(yè)大數(shù)據(jù)進(jìn)行分析處理的團(tuán)隊(duì)以及為第三方獨(dú)立開(kāi)發(fā)者提供一些公共服務(wù)組件。

首先，我覺(jué)得換工作要慎重，尤其對(duì)于工作經(jīng)驗(yàn)不多的年青人來(lái)說(shuō)尤其要注意這一點(diǎn)。很多剛畢業(yè)沒(méi)多久的年青人對(duì)工作環(huán)境存在不切實(shí)際的理想化的幻想，在現(xiàn)有公司稍微有些不如意就考慮跳槽，總幻想著下一個(gè)公司一定會(huì)怎樣怎樣，如果抱著這種想法那么一定會(huì)不斷失望。應(yīng)該意識(shí)到：這個(gè)世界上不存在各方面都能全方位讓你感到滿意的工作，不論是什么公司，必然存在這樣那樣的你所認(rèn)為的問(wèn)題，只要不突破你的原則和底線，遇到問(wèn)題還是首先應(yīng)該想辦法溝通和解決，這也是一種成長(zhǎng)，否則你現(xiàn)在碰到的不滿意的地方換個(gè)公司依然會(huì)碰到類似的問(wèn)題，那時(shí)怎么辦？接著跳嗎，這不現(xiàn)實(shí)，最終還是要面對(duì)問(wèn)題解決問(wèn)題。在一個(gè)公司就盡可能踏踏實(shí)實(shí)地盡自己所能把任務(wù)干好，甚至應(yīng)該強(qiáng)迫自己， 如果干不出成績(jī)就不跳槽，這是強(qiáng)迫自己適應(yīng)你目前所不能適應(yīng)的職場(chǎng)環(huán)境的有效方法。

聽(tīng)起來(lái)比較繞，這里面核心有兩點(diǎn)，一點(diǎn)是機(jī)器代替人腦的部分判斷和決策功能，要替人做事；另外一點(diǎn)是機(jī)器只能做人們已經(jīng)知道怎么做的事情，如果人都不知道怎么做，那么你也不可能告訴機(jī)器如何做。第一點(diǎn)講的是算法的作用；第二點(diǎn)是算法使用的限制。

有了上面兩點(diǎn)，我們?cè)賮?lái)談人工智能算法。首先，人工智能算法一定會(huì)在人們的日常生活起到越來(lái)越重要的作用，這點(diǎn)毫無(wú)疑問(wèn)。這是基于上面說(shuō)的第一點(diǎn)，機(jī)器要通過(guò)算法來(lái)替人做事。那為什么人工智能算法會(huì)越來(lái)越重要呢？根本原因是現(xiàn)實(shí)社會(huì)中產(chǎn)生的電子數(shù)據(jù)越來(lái)越多了，數(shù)據(jù)少的時(shí)候其實(shí)不需要算法，找個(gè)人處理下就行了，成本低效果還好，但是如果數(shù)據(jù)量大到一定程度的時(shí)候，可能一個(gè)簡(jiǎn)單的事情要1萬(wàn)個(gè)人處理一年，但是讓機(jī)器去做，可能幾毫秒就處理完了，明顯成本低得多，這是算法為什么會(huì)越來(lái)越重要的一個(gè)簡(jiǎn)單的經(jīng)濟(jì)賬。數(shù)據(jù)量急速變大這個(gè)事情是確定無(wú)疑的，尤其是UGC、智能手機(jī)等移動(dòng)端的廣泛普及，使得每個(gè)人在每時(shí)每刻都可能產(chǎn)生新的信息，這種數(shù)據(jù)增長(zhǎng)是爆炸式的，未來(lái)的可穿戴設(shè)備物聯(lián)網(wǎng)更不用說(shuō)了，到時(shí)候?qū)⑹敲總€(gè)物體每時(shí)每刻都會(huì)產(chǎn)生新的信息。這么大量的數(shù)據(jù)靠人處理可能嗎?那是不可想象的，所以將來(lái)一定都要靠算法來(lái)處理如此大量的數(shù)據(jù)，也即是說(shuō)，將來(lái)算法無(wú)處不在，有大量數(shù)據(jù)的地方就需要有算法。

張俊林：就通用的大數(shù)據(jù)常用的算法和數(shù)據(jù)結(jié)構(gòu)來(lái)說(shuō)，有不少技術(shù)在處理海量數(shù)據(jù)時(shí)是廣泛使用的，比如布隆過(guò)濾器、跳表SkipList、LSM樹(shù)等。布隆過(guò)濾器是判斷海量數(shù)據(jù)集合中某條數(shù)據(jù)是否存在的利器，尤其是空間利用率相當(dāng)高，能夠用小內(nèi)存處理大數(shù)據(jù)。跳表用于高效維護(hù)序列數(shù)據(jù)，使用場(chǎng)景也非常多，比如LevelDB維護(hù)內(nèi)存數(shù)據(jù)時(shí)用的就是SkipList，再比如Redis的Sorted Set以及Lucene維護(hù)倒排索引都是用的它；LSM樹(shù)是很多NoSQL系統(tǒng)的核心構(gòu)件，比如BigTable、Cassandra、RAMCloud等，非常重要?！洞髷?shù)據(jù)日知錄》里面第三章專門講述了這些常用的算法與數(shù)據(jù)結(jié)構(gòu)，有興趣的同學(xué)可以參考。

至于智能信息處理領(lǐng)域，比如計(jì)算廣告領(lǐng)域里廣泛使用的邏輯回歸、推薦系統(tǒng)里常用的矩陣分解算法、搜索引擎領(lǐng)域的LambdaMART等機(jī)器學(xué)習(xí)排序算法、DistBelief等分布式深度學(xué)習(xí)等都是非常廣泛使用的常見(jiàn)算法。當(dāng)然大數(shù)據(jù)處理重心放在如何用大量機(jī)器來(lái)構(gòu)建高效的分布式算法上。感興趣的同學(xué)可以參照《大數(shù)據(jù)日知錄》里的第十六章，專門講解了智能信息處理領(lǐng)域里常用的分布式算法。

張俊林：我覺(jué)得對(duì)于這個(gè)行業(yè)的新人來(lái)說(shuō)，首先，要把機(jī)器學(xué)習(xí)的基礎(chǔ)打牢，最好是找些口碑好的教材系統(tǒng)地學(xué)一下，比如Bishop 的Pattern Recognition And Machine Learning。NLP也好、推薦也好或者搜索技術(shù)，盡管看上去是很不同的方向，但是如果深究，其共同的內(nèi)核還是機(jī)器學(xué)習(xí)，不同的領(lǐng)域無(wú)非是結(jié)合領(lǐng)域特性選擇更合適的具體機(jī)器學(xué)習(xí)方法，但萬(wàn)變不離其宗，機(jī)器學(xué)習(xí)基礎(chǔ)打好了對(duì)于快速掌握一個(gè)具體領(lǐng)域有很大的幫助作用，這是一個(gè)磨刀和砍柴的關(guān)系。

首先，大數(shù)據(jù)是個(gè)新概念新學(xué)科，很不成熟，在幾年前，大數(shù)據(jù)到底包含哪些具體的技術(shù)點(diǎn)，其實(shí)并沒(méi)有公認(rèn)的說(shuō)法，所以對(duì)其進(jìn)行脈絡(luò)梳理是很花費(fèi)時(shí)間和精力的；

其次，大數(shù)據(jù)本身包含的具體技術(shù)點(diǎn)非常之多，從數(shù)據(jù)到架構(gòu)，從系統(tǒng)到算法，方方面面無(wú)所不包，要全面深入理解這些知識(shí)也是非常耗費(fèi)精力的；

（責(zé)編/ 錢曙光，關(guān)注架構(gòu)和算法領(lǐng)域，尋求報(bào)道或者投稿請(qǐng)發(fā)郵件，交流探討可加微信qshuguang2008，備注姓名+公司+職位）

Rockchip