平衡

这篇博客讲述了作者如何在工作与个人兴趣间寻找平衡。过去,阅读和写作是作者平静心情的方式,但工作后,这种平衡被打破。作者意识到,不应过早放弃,而应尝试权衡和实践,以找到可能的兼得之道。文章强调了面对问题时,应深入思考和实践,而不是仅凭感觉做决定,并提倡保持心态平稳,以促进个人成长。

以前,心情不好的时候,会到图书馆,看看书。

主要看散文等文学类书籍,看着看着,便平静下来。

偶尔,也会写写随笔,但也只是浅尝辄止,随意为之。

工作后,便更漂浮,懒散而随性。一方面空目翘首,一方面举步踌躇。

曾经天真地告诉自己:拿起这个,便要放下那个。可能太过量力而为,抑或局限的自知之明。可是,你觉得的不可能,在某些人那里,已然是一种存在的常态,并依然在不折不扣地践行。

回过头来,你曾经脑海里掠过的想法,并于无声息中被你扼制的想法,此刻,是否发出了控诉的声音?

还没尝试,就先做出了选择、决断,就选择了放弃。

想想以前考试时的选择题,看题目,理解,必要时还要拿起笔和草稿纸来演算一番,才能最终有点底气地勾出一个选项;实在不行了,通过自己的思维,找不出来一个有效的完全相符的选项了,也会选选相似度高的选项。

这就是处理问题的方法,通过自己的思考、实践来做出决断,达成目的。很多问题不是一眼就可以看出答案的,或者想当然的以为,可能并不是最优方案呢。

所以,你需要做的,不是单纯按着自己的感觉来,不知道可不可以的时候,就要权衡好自己的时间和空间,试着走走,很多时候不是不可以,是你给自己设限了。

有所舍自然有所不可得。要想能够兼得,学学平衡,多多平衡,平衡好资源、精力,更平衡好自己的心态。始终平稳住心态,即使小有波动,也能确保尽快平复,才能更好地平稳前进。

SubiU
2020.09.30

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值