博文视点（北京）官方博客

在存量时代，游戏数据分析就显得格外重要。数据分析可以帮助游戏业务人员了解用户和游戏当前的运营状态，提供决策的依据。

一部谷歌首席工程师写的CS小说，跟随Frank探长和Notation警官一起走入这场奇妙之旅。

R 是数据科学领域的一门大热的编程语言，可以说它是专门为统计分析而生的。相比起其他语言，R 简单易学，代码可读性强，并且不需要搭建复杂的编程环境，对初学者非常友好。

在大数据时代，数据的来源具有多样性、复杂性。针对数量庞大、渠道及格式多样的数据，数据清洗就成为刚需。

在互联网的坊间，流传着一条鄙视链：技术看不起产品，产品看不起运营，运营看不起自己。同时，从工资层面也存在着鸿沟，技术最高，产品其次，运营最低。

作为.NET程序员，如果只读三本书，那么《框架设计指南：构建可复用.NET库的约定、惯例与模式（第3版）》这本书一定不容错过！

FinOps这个词越来越流行，谷歌搜索趋势显示，自2019年以来，FinOps的热度持续攀升。什么是FinOps呢？我尝试从个人生活账单来讲一个FinOps的故事。

2023年3月22日，谷歌宣布正式公开发布其聊天机器人产品 ——Bard。与Bard 是谷歌对 ChatGPT 的竞争产品一样，3月16日，百度同样提早发布了全新一代的知识增强大语言模型——文心一言 (ERNIE Bot)。

为了尽量完整地呈现从原始数据到可视化的过程，接下来我们会先简单讲解数据的预处理过程，即如何将 JSON 数据转化为Excel 格式，以及如何对周杰伦的歌曲进行分词。

1. 为什么需要设计模式2. 实战示例1）什么是工厂方法模式2）工厂方法模式的使用场景3）工厂方法模式的实现方式4）Go语言实战5）工厂方法模式的优缺点

入门 SLAM 并不容易，我平时能够接触到大量的从业者，和他们的交流过程中，我也了解到很多初学者在了解了 SLAM 基础知识之后，发现距离真正的项目实践还有很大的差距。对话的形式优点特别明显，一是读者可以快速的带入角色，从小白的视角去发现学习过程中的问题，不断地去思考和提升。先做个自我介绍，我博士毕业于中国科学院，之后一直在 SLAM 行业发展，也是计算机视觉 life 平台的创办者。我们在学习过程中会有大量复杂的、难以理解的原理、代码流程，我都绘制了非常具象化的图像，一图胜千言，极大地降低了学习门槛。

数据是原始的、未经处理的事实，不经分析的数据，如同地底下未经开采的石油， 存在却没有价值， 需要运用数据分析思维，才能把它的价值充分挖掘出来。一个有智慧的人，通常会从当下的数据“点”出发， 找准自己的位置，朝着正确的方向画“线”，获得有用的信息线索，扩大自己的知识“面”，做到知行合一，形成三位一体，经过日积月累， 就能取得更大的成就。从数据中获得有用的信息，从信息中获得有效的知识，从知识中获得有益的智慧，这是一个价值从小到大、难度由易到难的过程，也是发现问题、分析问题和解决问题的过程。

在我们介绍过的一众硅谷大佬之中，安迪绝对有一个教科书式的开局：他的父亲西蒙·鲁宾（Simon rubin）是一位心理学家，事业顺风顺水，收入水涨船高，虽然在老美利坚扎堆的纽约算不上富埒陶白的正星条旗，但至少也是个镶星条旗的 New Money。2008 年 9 月 23 日，Apple 的创始人和 CEO 史蒂夫·乔布斯像往常一样走进了公司，此时距离初代 iPhone 的发布会才过了一年半，这款充满了争议的产品就像一块从山崖滚落的巨岩，一路电光石火的给手机市场的《小石潭记》来了场焚书坑儒。

与经典计算相比，量子计算不仅能够大幅提升数据处理效率，更快解决许多难解问题，还能降低计算成本和能耗，同时提升人工智能水平，更好地辅助人类决策，为应对医疗、金融、供应链物流、气候变化等领域的挑战提供新的算力解决方案。创建强大的量子计算机并非易事，除了高昂的算力成本，为了使系统正常运行，量子计算系统必须接近绝对零度温度，而这种对极端温度的敏感性，也制约了其发展的速度。同时，还因其在2058年已经完成超进化，拥有了完全智能与自我意识，担当着「大Boss」的角色，贯穿整部电影的始终，被誉为「全场最有价值道具」。

随后，在Setio等人[6]、Dou等人[7] 的工作中，为了检测各种类型的肺结节，综合使用上述三种肺结节可疑位置推荐算法的结果，并把这三种算法中推荐的间距小于5毫米的可疑位置合并，使用目前CT图像数量最多、肺结节类型最全的肺结节检测数据集LUNA16（lung nodule analysis 2016）进行实验，取得了较好的推荐效果——肺结节召回率94.4%，平均每幅CT图像上有622个假阳性推荐位置。这时，需要通过假阳性肺结节抑制算法剔除这些假阳性肺结节，从而提高肺结节检测算法的检测精度。

如果在将中台定义的服务中心推向业务方时，业务方提出了众多的新定制化需求，这说明在中台设计前期，中台负责人并没有将各条业务线的需求进行统一， 从而导致所抽象的服务中心并不能通用。综上所述，任意一家企业的中台建设不仅仅是一个系统的产出，更是从企业内部进行的整体化设计，这样才能促使中台成功落地。此时，我们必须有准确的指标来反映该战略的实际效果，因此就需要对中台战略在企业运作中的效益进行持续化的监测与评估。接入中台的业务方越多，说明中台越好，说明抽象的共性越准确，代表业务方确实有这个痛点。

通过管理后台的业务模块，结合Vue.js 技术，讲解企业内部的开发过程，解读项目文件，读者可以熟悉、掌握并快速应用Vue.js技术，实现完全自主搭建管理后台，并将本书中的开发技巧应用到工作中。（1）轻量级的框架：Vue.js能够自动追踪依赖的模板表达式和计算属性，提供MVVM数据绑定功能和一个可组合的组件系统，具有简单灵活的API，使用户更加容易理解，更快上手。（2）双向数据绑定：声明式渲染是数据双向绑定的主要体现，也是Vue.js的核心，它允许采用简洁的模板语法，将数据声明式渲染整合进DOM。

就像将一个沙发左移、套个沙发罩、盖上一块布，再铺个小坐垫，沙发套、盖布、坐垫对初学源码的开发者来说，并没有那么重要，我们要了解的是最初的沙发、最开始的木板，看看它的结构、闻闻它的味道。在其架构的设计、分治抽象的运用、设计模式的驾驭上，Spring 框架都是顶级的，也是最能给你带来丰富收获的。由于 Spring 框架的源码庞大、复杂，也不像平常的业务流程代码开发一样具有分层结构，并且使用了大量的设计模式，所以阅读难度较大，研发人员很难厘清其中的调用链路和各个类之间的关系。最后，给出测试验证和本章总结。

记录日常工作和生活中的所见所闻，即使在当下没有什么实质性改变，但我们可以将它转化为一个小的经验单元，在不久的将来（也可能是很久的将来），它会和其他经验卡片组合在一起，发挥更大的作用。即使没有，简单的流水账也可以将发生的事情记录下来，作为原始素材，在未来发挥作用。在工作日志的后面，会有自己的一些感想（R），今日的收获和经验的总结（I），未来想要做的尝试和改变（D）。工作日志、学习日志形式的日记，可以帮助我们回忆一天中发生的事情，同时也是对工作和学习生活的总结，这其实是一种很好的将隐性知识显性化的方法。

谈及“企业数字化”建设，数据治理、数据地图、数据中台、BI应用等本质上是对数据理解的投资，从投资回报曲线来看，起始阶段新兴技术可以带来显著的效率提升，通过构建强有力的数据团队也能够获得持续的赋能，但随着技术发展，若仅依靠单一技术，团队努力创造的价值将遇到瓶颈。正如数据可视化讲究的简洁之美，《Power BI数据可视化从入门到实战》一书用“干净”的文字与清晰的图表设计给读者带来了极佳的学习体验，使国内数据可视化应用的普及向前迈进了一步，衷心希望更多的读者认识到数据可视化技术的重要性，并使用它发挥巨大的威力。

作为一个卓越的程序员，你的工作就是躬身入局，战胜挑战，继续编写卓越的代码，并且鼓励项目中的其他人也这么做。当你需要集中精力完成一个任务时，可以贴一个告示说只有紧急的事情才能打断你，或者在你的工作台附近贴上“办公时间”，即你可以被打断的时间，例如，你可以允许别人打断你5分钟。在IDE之外运行程序不是问题，只要确保你选择的应用程序，与你的开发过程和IDE生成的文件是兼容的即可（反之亦然）。你必须作为团队的一部分工作，成为一个好队友，然而，同样重要的是，需要确保过度的团队互动不会降低你（和其他人）的生产力。

本书基于信息论的视角，从神经科学、心理学、计算机科学、教育学、哲学等多个学科出发，带领读者深度和系统地认识学习和学习力的本质，并基于计算机科学的视角，从硬件、软件、方法三个层面，详细解构学习力的构成，构建了一套系统、科学、可复制的学习理论模型。举例来说，在越南儿童营养不良的案例中，对于此前的专家来说，解决儿童营养不良问题是目的，而寻找儿童营养不良问题的原因则是一个阶段性的目标，同时也是达成目的一个手段。从信息的视角而言，复盘的关键在于，我们如何对通过自己实践获得的信息做出正确的反应，以调整后续的行为。

最终，估计中型项目和大型项目的进度会包括4个任务，即把项目分解成多个较小的项目，估计这些小项目的进度，增加集成测试和调试的时间（也就是让各个小项目结合到一起并且正常工作的时间），然后通过一个乘数因子得到最终的合计结果。作为个体软件工程师而言，你通常没有足够的背景、教育经历或经验来确定时间进度，所以你应该与项目经理进行沟通，向他们解释时间进度表中需要考虑的事项（不仅仅是编写代码所需的时间），然后构建一个估计时间的方法。在一个较大的项目中，许多人（包括工程师以外的人）都会影响到对进度的估计。

但坦白说现在的博导、教授平均获得学位的时间都是 20 年前的事了，那个时候，我国的博士一年毕业 7000多人，而现在每年的博士毕业生数目翻了 10 倍。同时，如果你选择了学术职业道路，也要知道我们前面所讨论的概率，做不成分子可以先做分母，保持平和的心态，说服自己静下心来做科研，乐在其中，何乐不为？城外的人认为，博士位于学历教育的“塔尖”，在求职时具备天然的优势；换句话说，在当时的教职缺口下，博士毕业生成为教授的概率大概是 50%，如果毕业生里有一半选择不做学术，那么留下的人几乎可以肯定最终都能成为教授。

一方面，容器、编排工具、DevOps、微服务等新技术的引入带来了新的安全问题，如镜像的供应链问题、容器的逃逸问题、集群中的横向移动问题、微服务的边界问题等，需要引入新的安全防护手段；云原生是一个快速发展的技术和体系，这就造成开发人员和运维人员对于云原生攻防的理解不足，而传统安全人员对于云原生技术和流程的理解也不到位。其中，前三部分主要介绍了云原生背景下安全行业的发展趋势和产业变革，同时对云原生安全环境的技术和风险进行了详细的分析。随着万千企业的发展提速换挡，市场对云计算的使用效能提出了新的需求。

本书主要讨论“学习”这个主题，介绍了学习者如何做好学习的全生命周期管理，具体内容包括：从开始学习到最终学会，要穿越哪些阶段，每个阶段会遇到什么问题，并且需要注意哪些方面，等等。全书共分5章，第一章讨论如何打开学习的视野，第二章讨论如何做好学习前的充足准备，第三章讨论如何掌握三大学习关键，第四章讨论如何监控与调整自己的学习状态，第五章讨论如何学以致用，以及如何检验学习成果。掌握学习高手的底层逻辑与方法，用脑科学打通学习全生命周期，用刻意学习、持续行动唤起认知觉醒。▊《学习的学问：走出低效与无序的实践法则》

在结果的提升上，他们的结论是，预训练模型只会对最终的结果有着微小的提升。该方法首先利用在有标记源域数据上微调的预训练模型分别在源域和目标域上提取有表现力的高阶特征，然后基于这些提取好的特征进行后续的特征变换和简单的分类器构建。这促使我们重新思考预训练模型的使用方法：如果将从源域数据中学到的模型在目标域上直接提取特征，然后利用源域和目标域的特征构建模型，能否取得更好的效果？预训练-微调方法指的是首先在大数据集上训练得到一个具有强泛化能力的模型（预训练模型），然后在下游任务上进行微调的过程。...

就在大伙儿都认为并行计算必然成为未来的大趋势时，2014年年底，在Avoiding ping pong论坛上，伟大的Linus Torvalds提出了一个截然不同的观点，他说：“忘掉那该死的并行吧！虽然，现在Intel已经研制出了4GHz芯片，但可以看到，在近10年的发展中，CPU主频的提升已经明显遇到了一些暂时不可逾越的瓶颈。换句话说，软件工程师正在为硬件工程师无法完成的工作负责，因此，也就有了唐纳德的“他们将摩尔定律失效的责任推给了软件开发者”的说法。显然，就目前的硅电路而言，很有可能已经走到了头。

家长可以让孩子自由选择一本自己喜欢的读物，先阅读书籍在用简单代码分词抓取，当孩子发现程序运算的结果和自己看过书之后的“直观感受”不同时，一定能对书中的故事和Python的应用都有着更深刻的理解。如果您想提升Python技能，则无论您是想学习编程的小学生，还是想参加计算机竞赛的中学生，抑或是计算机相关专业的大学生，甚至是正在从事软件开发的职场人，本书都适合您阅读和学习。如果说编程主要学的是逻辑和算法，少儿编程中更重要的是学习逻辑，就目前而言，少儿编程使用Python作为第一门语言来学习是比较合适的。...

这一点是非常关键的，你可以这样想一下，一般这样的项目是没有KPI的，或者说KPI比较少，但是作为该项目的负责任，他是最需要人支持的，如果你这个时候积极主动的参与进去，一般负责人会将它的本领都会潜移默化的传授给你，但是前提是你要是一个做实事的人，一定不要做一个雷声大雨点小的人。我在杭州电子科技大学读硕士期间攻读的是“自动化专业”，研究生研究的项目是生物医学方向的，我在计算机方面的技能完全是自学的，这个可能我与其它人不一样的地方吧，自学和自我驱动能力非常强，并且目标和方向感也非常的明确。（2）多多参与开源。..

静态图在定义时使用了特殊的语法，就像学习一门新的语言，同时在构建静态图时需要考虑所有的情况，这导致静态图过于庞大，可能占用过多的显存，不过其运行速度相对较快。PyTorch 的设计符合人们的思维，它让用户尽可能地专注于实现自己的想法，所思即所得，不需要考虑太多框架本身的束缚。然而，作为一个还在快速发展探索的领域，人工智能研发人员实际需要的可能并没有这么复杂，他们更加希望快速地实现和尝试自己的想法，这也是为什么半路出家的 PyTorch 能够异军突起，一举成为最受欢迎的深度学习框架之一（可能没有“之一”）..

每一项工作的完成，都是对整体战略落地的推进，而这需要执行层具备足够的数字意识、思维和能力，否则同样会出现一些问题：虽然具备大量的数据，但是不会分析使用；只有管理者在学习、在改变，员工才会相信这次的变革是真的，不是说说而已；而事实上，数字化转型需要每一个部门的参与，以及各个部门之间的联动与协同，需要每一个企业员工在意识、思维、行为与能力上的转变，以支撑和完成数字化转型。在这个转型的过程中，首先是管理者的数字化转型，建立数据思维，掌握数据能力，并作为数字化导师，示范、引领和推动全员的数字化转型。...

此外，汽车沿纵向轴线行驶所需的位置精度更加重要，通常需要冗余的定位信息，以构建安全的系统，并确保汽车在行进中的行为一致。全球导航卫星系统（Global Navigation Satellite System，GNSS）可用来解决定位问题，但并不充分，即使使用定位完美的基站，经典GNSS解决方案的精度有所提高，可用性也仍然是一个问题。第二个问题，无论条件如何，都需要具有足以完成定位任务的地图。从上面论述的在自动驾驶中对SLAM算法的要求可见，必须构建更好的地图，因此，在度量和拓扑级别都需要有环境表示和识别。.

家庭照片、新闻图片、商标标识、截屏和网络广告等图片层层叠叠，吞没了周边的视觉空间，让参观者置身其中，产生了眩晕、茫然、压迫的感受，让人们更加直观地体验到日常接触的影像规模之巨，从而不得不追问——这些图像是必需的吗？该公司的首席商务官杰里米·高曼说“查看Snapchat整体用户画像数据，其在美国、英国、澳大利亚、法国的用户，90%都是13~24岁人群，这些人中有75%的人习惯于用图像或影像来表达自己，所以，这对我们的发展战略来说非常重要。这一切正建构着我们今天所处的世界，塑造和改变着我们的当代生活。...

此时，对话的目的在于更准确地理解用户的意图，比如用户过去看过哪些喜剧电影，以及对导演、演员、年代和语言等方面的偏好，然后基于用户的回答不断地构建用户的表征向量，直到推荐的电影满足用户的需求。基于对话的推荐系统的核心是用户与推荐系统的在线交互，即将通过用户与推荐系统的对话交互过程获得用户的反馈，并将用户反馈融入推荐模型中，期望更好地理解用户的兴趣并提升推荐的准确性。新加坡南洋理工大学的Lei等人对基于对话的推荐系统进行了总结，提出了基于对话的推荐系统需要关注的四个研究问题。...

业务在刚开始时都是单体应用，随着用户量和访问量的增加，在架构层面会发生变化，逐步由单体应用开发转为分布式应用开发，比如把单体应用中的每个模块都按照特定的方法拆分成一组独立的服务，服务与服务之间通过HTTP或者RPC方式调用。（3）服务注册与发布服务实例在启动时被加载到容器中，并将服务自身的相关信息，比如接口名称、接口版本、IP地址、端口等注册到注册中心，并使用心跳机制定期刷新当前服务在注册中心的状态，以确认服务状态正常，在服务终止时将其从注册表中删除。（9）服务限流服务限流可以被认为是服务降级的一种。...

本篇对大部分中间件的使用和实现原理进行了介绍，其中包括“第19章静态文件”“第20章路由”“第21章异常处理”“第22章响应缓存”“第23章会话”“第24章HTTPS策略”“第25章重定向”“第26章限流”“第27章认证”“第28章授权”“第29章跨域资源共享”“第30章健康检查”。在列出的这七大领域中，面向应用的Web开发依然占据了市场的半壁江山，为其提供支撑的ASP.NETCore的重要性就毋庸置疑了。...

在互联网时代，推荐系统具有巨大的商业价值和社会影响力。在原理方面，本书介绍各类经典推荐算法以及前沿的深度学习推荐算法，涵盖深度协同过滤、特征交互、基于图神经网络的推荐、序列与会话推荐、结合知识图谱的推荐和基于强化学习的推荐等重要技术，探讨推荐算法研究在对话、因果、常识等方面的前沿话题，分析推荐系统在数据融合、系统扩展、性能评估等方面的关键挑战，并探讨如何设计负责任的推荐系统等。本书对推荐系统的主要技术发展脉络进行了深入浅出的梳理和讲解，重点介绍了深度学习相关的前沿方向，理论与实践兼备，是推荐领域的佳作。..

目前市场上微服务的框架，不管是开源的还是收费的，都有很多，比如Dubbo、SpringCloud、Tars、Helidon、SOFAStack、gRPC、Thrift、Brpc、Motan等。在选择框架时需要考虑如下技术点。Dubbo是阿里巴巴（即阿里巴巴集团）开源的一款高性能、轻量级的开源优秀Java版RPC框架，可使应用通过高性能的RPC实现服务的输出/输入功能，可以和Spring框架无缝集成。◎服务路由形式框架中支持的服务路由（比如常用的随机路由）是否满足我们的需求，或者是否支持自定义路由。...

所有伟大的技术变革都是顺应时代发展的潮流而生的。随着云计算和移动办公时代的到来，传统安全模式已经渐渐失效，“零信任”成为当下最受认可的安全架构。传统的安全模式以边界防御为中心，在边界处部署防火墙、WAF、IPS等网络安全产品进行防御，通过建设一层一层的“城墙”，将可信的内网和不可信的外网隔离开。然而，随着移动办公的兴起、APT攻击的泛滥，原本清晰的网络边界已经逐渐模糊。网络攻击可能源自内部。黑客通过入侵用户设备、窃取身份，长期潜伏在企业内部网络，传播风险，给企业带来巨大的安全威胁。零信任就是在这个背景下应运