发表于 |

得到：知识新闻，大坑，不要把大目标分成小目标《五分钟商学院》

  1. 放着我来（）
  2. 我当了经理，我就有权力：获取权力的工具有：
    • 动力型工具：
      • 专家权（你会一件别人不会的事，能在关键节点上给出很棒的建议）
      • 表率权（个人魅力和生望，别人敬佩你，愿意模仿你，服从你）
    • 压力型工具：
      • 法定权
      • 奖赏权
      • 惩罚权
  3. 大目标变成小目标：直接分解不行（把发展100个客户分解成5个人每人发展22个，是不行的）
    你得到的是目标，是面向结果的，要布置给员工的是任务，是面向过程的。
    可以从空间和时间纬度进行分解。。。

发表于 |

Why Many Smart Contract Use Cases Are Simply Impossible为什么很多智能合约应用案例根本不可能实现
–Dr Gideon Greenspan is the founder and CEO of Coin Sciences, the company behind the MultiChain platform for private blockchains.

概念总结：

  • 总结来说，区块链使数据库可以直接安全的被无需互信的团体共享，也无需中心管理者。
  • 区块链支持数据的脱媒，能显著减少复杂性和成本。
  • 交易可以修改任何数据库，其中包括必须整体性成功或失败的数据库的变化
  • 常规数据库中的这些交易是由单一受信任机构创建的；相反在区块链驱动的共享数据库中，任何区块链用户都可以创建交易。并且因为用户不是完全互信，所以其数据库必须包含限制交易的规范。
  • 表达这些规则的方式很多，但是目前主要有两个范本，分别是比特币和以太坊。比特币的方法可以称为“交易限制”，其评估交易的依据有：交易删除的数据库条目以及被创建的条目。
    阅读全文 »

发表于 |

期望值最大化原则：Expectation Maximization（吴军018）

在统计计算中，最大期望（EM）算法是在概率模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variable）。最大期望经常用在机器学习和计算机视觉的数据聚类（Data Clustering）领域。最大期望算法经过两个步骤交替进行计算，第一步是计算期望（E），利用对隐藏变量的现有估计值，计算其最大似然估计值；第二步是最大化（M），最大化在E步上求得的最大似然值(Maximum likelihood estimation)来计算参数的值。M步上找到的参数估计值被用于下一个E步计算中，这个过程不断交替进行。

朗道五级工程师

阅读全文 »

发表于 |

Python主要有三种数据类型：字典、列表、元组。其分别由花括号，中括号，小括号表示。
如：
dict字典：dic={‘a’:12,’b’:34}
list列表：list=[1,2,3,4]
tuple元组：tup=(1,2,3,4)

发表于 |

原文

什么是AI

  • 问题：类似医学诊断，预测机器故障时间或衡量某些资产的市值，涉及数千种数据集和大量变量之间的非线性关系
  • 如何：数据优化和特征规范，data optimisation and feature specification
  • 机器学习是AI的一个子集
    image_1baqpm3gfk851a1813f815vi1orj9.png-144.3kB
    阅读全文 »