2016年个人总结2017年目标

[b]16年总结:[/b]
1、技术:技术在工作中已经成为达成目标的一种工具。
2、管理:管理方面有所提升,除了传递技能之外,学会了激励下属,培养下属一些好的习惯
3、家庭:投入家庭方面的时间、心思太少
4、健康:陆续打篮球、羽毛球、游泳、乒乓球,没有常态化。
5、理财:只在股市里投资了点,这方面没有话太多时间、精力去研究
6、学习:平均1一个月在1-2本书,但总结、分享的偏少


[b]工作问题:[/b]
在公司已经将近7年,对方方面面已经比较熟悉、了解,反而缺少了点前进的动力,有点疲软,大概原因有几个:部门整体发展方向不明朗、待遇一般
解决方法:
1、换个更加有前途的团队
2、继续留下,自己打造有朝气、有前途的团队
希望能在这里干满10年,厚积薄发,打造一个具备高凝聚力的团队、争取团队有个好的前途(跟公司战略也有关)

[b]家庭问题:[/b]
发现16年与老婆吵架次数明显增多
解决方法:多点关心、多点体谅


[b]17年目标:[/b]
技术:这个在工作中已经不是自己的核心竞争力,只能作为自己的兴趣慢慢发展
管理:17年希望这方面有所突破,让团队大部分人认可你,愿意跟着你干
家庭:希望多陪陪小孩,怕一不小心就长大了,关注下一代的教育
健康:将运动常态化,从而也磨练下自己的意志力
理财:钱生钱,充分利用自己的闲钱
学习:今年读一本书都要有总结,好的书要做一次分享(团队内)
其它:另外要考个驾照
基于html+python+Apriori 算法、SVD(奇异值分解)的电影推荐算法+源码+项目文档+算法解析+数据集,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 电影推荐算法:Apriori 算法、SVD(奇异值分解)推荐算法 电影、用户可视化 电影、用户管理 数据统计 SVD 推荐 根据电影打分进行推荐 使用 svd 模型计算用户对未评分的电影打分,返回前 n 个打分最高的电影作为推荐结果 n = 30 for now 使用相似电影进行推荐 根据用户最喜欢的前 K 部电影,分别计算这 K 部电影的相似电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now 根据相似用户进行推荐 获取相似用户 K 个,分别取这 K 个用户的最喜爱电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now Redis 使用 Redis 做页面访问次数统计 缓存相似电影 在使用相似电影推荐的方式时,每次请求大概需要 6.6s(需要遍历计算与所有电影的相似度)。 将相似电影存储至 redis 中(仅存储 movie_id,拿到 movie_id 后还是从 mysql 中获取电影详细信息), 时间缩短至:93ms。 十部电影,每部存 top 5 similar movie 登录了 1-6 user并使用了推荐系统,redis 中新增了 50 部电影的 similar movie,也就是说,系统只为 6 为用户计算了共 60 部电影的相似度,其中就有10 部重复电影。 热点电影重复度还是比较高的
评论 2
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