人月神话札记:胸有成竹

前言:experience is a dear teacher, but fools will learn at no other.亲身经历是个不错的老师,但是愚者不会从其他地方有所收获。虽然本篇主要是想告诉我们如何对编程工作进行估算,从各个专家的角度告诉说明实战和预算之间的关系,但是我读完后并没有特别清晰,反而不知道我得到了什么。


最近项目中使用的是禅道管理工具,很多时候,预算的时间和实际的工作时间有着较大的出入,有的时候多,有的时候少,感觉工作效率没有提高,总是乱七八糟的事情充斥在一起,有的时候无法提起精神,而自己也不知道如何去调整。所以,胸有成竹对我来说,有点遥远。


忙忙碌碌的一天,从早上7点左右起床,到晚上12点休息,感觉时间恍惚间就度过了。前段时间买了好多好多的书籍,但是真正用起来去系统的读书时间并不是很多,可能是最近为房子的事情奔波,但是人生总是由许许多多的事情组成,每过一段时间,就会有不同重要的事情出现,也不可能说自己所有的事情都忙碌完了,尤其接下来还要练车、结婚、孩子等等事情,怎么样合理安排自己的生活,让自己的未来能够有所组织或者有所预算的生活,或者说能够胸有成竹的活着。


 总有许多事情需要处理,总感觉时间不够充足,如何让自己成长的更有效率,无非就是不断的经历,另外就是不断的总结和坚持。later equals never,感觉好贴切,脑袋想到的事情就必须要赶紧行动去完成,而不能总是借口逃脱。

 

 有的时候,不知道自己应当不应当在优快云上像写小学作文一样流水哗啦啦似的,但是却总是控制不住自己想多记录一些自己的想法出来,因为错过了,就再也无法记起来。另外自己没有找到合适的地方去和大家分享自己的心情。现在微信、QQ、微博,总感觉好漂浮,用优快云记录下来,却倍感温馨。


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

打赏作者

沉默王二

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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