很好的一本剧，初见书名时认为应该是鸡汤类的，但看着看着就像与人聊天的感觉，久久不能停下。本来我以为自己三十岁的年龄都活出了六十岁的感觉，但看了这部剧后才知道，这才哪儿跟哪儿啊，人生才刚刚开始嘛！书中涉及的人物，事件，书名，经验与观点、警示与鼓励等，都让人受益匪浅。感谢冯叔，以这种亲切真诚的写作方式，给人以激励和启发！
20210503看完《小塞内加尔Little Senegal》，编剧的“最少必要知识原则”，这个学习观念不错。 对Python包中变量__all__说清楚了，好多其他教材是没说的； 对生成器和迭代器也讲述的比较清楚； 推荐了logging模板，但没展开，然后补上一句：“高手都是自学的”，我也只好赞成了； 在Numpy模块，深入浅出地讲解了“爱因斯坦求和约定”和功能强大的einsum()，不但能“降维求和”，还能用于矩阵乘法等； 对于矩阵的点乘法，a1@b1，亦可表示为np.einsum("ij,jk->ik",a1,b1)； 又如2个(2,2)向量点乘操作，a*b或np.multiply(a,b)，亦可表示为np.einsum("ij,ij->ij",a,b)，其他维度亦可类似操作； 又如np.einsum("ij->ji",arr)可实现向量的转置，等同于np.transpose(arr)； 编剧einsum()的功能非常强大，这里只讲一点点，还可用于TensorFlow或PyTorch神经网络架构的任意计算图，并支持反向传播计算，非常有意思； 对向量维度轴的的概念axis，按括号层次来理解，括号由外到内，对应从小到大的维数，分别为； 当“约减”时，有先后顺序，如5维向量，可用axis=，先后“约减”掉第2、第0、第1维度，最后剩下2个维度，等等； 中间很多…省略 创作在最后的感叹：数据分析，要学的东西都挺多的，机器学习有点超纲，需要慢慢消化，还好各路大神都在做贡献，很多功能越来越方便，越来越完善。
用香制作＂闹钟＂有待商榷，古代以一柱香计时指半个时辰，即1个小时，如以此为闹钟，不切合实际。
看剧最有意思的事情就是读过的书可以相互印证。 读这部剧的时候正好读南怀瑾先生的《小塞内加尔Little Senegal》，读到“性空缘起、缘起性空”，世界皆出于一念之间。 正好读到测不准原理那一部分，测量仪与被测物之间的相互影响导致了“测不准”。 于是愈发明白“科学的尽头是玄学”这句话。
很好的一本剧，初见书名时认为应该是鸡汤类的，但看着看着就像与人聊天的感觉，久久不能停下。本来我以为自己三十岁的年龄都活出了六十岁的感觉，但看了这部剧后才知道，这才哪儿跟哪儿啊，人生才刚刚开始嘛！书中涉及的人物，事件，书名，经验与观点、警示与鼓励等，都让人受益匪浅。感谢冯叔，以这种亲切真诚的写作方式，给人以激励和启发！
20210503看完《小塞内加尔Little Senegal》，编剧的“最少必要知识原则”，这个学习观念不错。 对Python包中变量__all__说清楚了，好多其他教材是没说的； 对生成器和迭代器也讲述的比较清楚； 推荐了logging模板，但没展开，然后补上一句：“高手都是自学的”，我也只好赞成了； 在Numpy模块，深入浅出地讲解了“爱因斯坦求和约定”和功能强大的einsum()，不但能“降维求和”，还能用于矩阵乘法等； 对于矩阵的点乘法，a1@b1，亦可表示为np.einsum("ij,jk->ik",a1,b1)； 又如2个(2,2)向量点乘操作，a*b或np.multiply(a,b)，亦可表示为np.einsum("ij,ij->ij",a,b)，其他维度亦可类似操作； 又如np.einsum("ij->ji",arr)可实现向量的转置，等同于np.transpose(arr)； 编剧einsum()的功能非常强大，这里只讲一点点，还可用于TensorFlow或PyTorch神经网络架构的任意计算图，并支持反向传播计算，非常有意思； 对向量维度轴的的概念axis，按括号层次来理解，括号由外到内，对应从小到大的维数，分别为； 当“约减”时，有先后顺序，如5维向量，可用axis=，先后“约减”掉第2、第0、第1维度，最后剩下2个维度，等等； 中间很多…省略 创作在最后的感叹：数据分析，要学的东西都挺多的，机器学习有点超纲，需要慢慢消化，还好各路大神都在做贡献，很多功能越来越方便，越来越完善。
用香制作＂闹钟＂有待商榷，古代以一柱香计时指半个时辰，即1个小时，如以此为闹钟，不切合实际。
看剧最有意思的事情就是读过的书可以相互印证。 读这部剧的时候正好读南怀瑾先生的《小塞内加尔Little Senegal》，读到“性空缘起、缘起性空”，世界皆出于一念之间。 正好读到测不准原理那一部分，测量仪与被测物之间的相互影响导致了“测不准”。 于是愈发明白“科学的尽头是玄学”这句话。