学习 Tensorflow 的困境与解药
机器学习本质上是一门垂直的科学,但和编程存在交集这件事让我们有了“相声不就是说话嘛,所以我有嘴我也行”的错觉。所以在了解机器学习领域基本知识,而不是单刀直入编程才是学习 Tensorflow 的首要任务。
机器学习本质上是一门垂直的科学,但和编程存在交集这件事让我们有了“相声不就是说话嘛,所以我有嘴我也行”的错觉。所以在了解机器学习领域基本知识,而不是单刀直入编程才是学习 Tensorflow 的首要任务。
最近两年我不知道你是否和我拥有同样的感受,编程容易了许多,同时乐趣也少了许多
在和 Copilot 一起陆续写完一个约三千行代码的项目之后,我对它的脾气秉性终于有了大致的了解。这里是关于使用它的技巧,以及穿插的聊聊哪些是它能做的,善于做的,还有做不到的。
这不是一篇讨喜的文章,至少不会是你常常看到的例如《成为优秀 Tech Lead 的六个建议》令人欢欣鼓舞的那一类。今天我们聊聊 Tech Lead 所面临的不那么轻松的现实问题
众所周知我所在的团队常年解决线上问题,我也以为我们会在解决一个个具体问题的道路上无聊走到黑。但是最近出现的各种疑难杂症似乎让我们的工作有了一点乐趣,甚至有了更高级的意义。
圈外人很难理解圈内偶像的魅力,甚至对于粉丝自己而言,他也不一定可以准确表达出究竟为何爱上爱豆。但难以用理智表达并不会妨碍我们发自内心的热爱。可我还是不禁想问,我们究竟在崇拜什么?以及这份崇拜是否真的值得?
最近听说了很多事,加之目前自己也处在被汇报以及需要向上汇报的状态中间,迫使我开始思考向上管理(managing up)这个话题。这是一个有争议的话题,很多人(包括曾经的自己)下意识的会将向上管理与徒有其表的讨好或者迎合这类负面词划上等号。借此契机在查阅了很多资料之后,才意识到它不过是一项职场软技能而已。
最近给用户提示错误码的提议反复出现在我们的解决方案里,在深思熟虑之后我觉得这并非是一个好的解决方案。
做技术是打怪兽不是养宠物,为什么要打怪兽?因为难;为什么难很重要?因为难的事情才能带来成长;为什么要成长?承认吧,因为「如何成长」是当代人,包括你我他在内焦虑的源泉。
服务不稳定是一类常态,面对此类场景恰当的应对策略应该是什么?退一步说,即使我们能够确保第一方服务的稳定性,我们又应该如何面对网络延迟以及掌控以外的不确定性?这都是本篇文章会谈到的内容