精华内容
下载资源
问答
  • 努力是为了将来有更多的选择
    万次阅读 多人点赞
    2020-11-02 10:47:40

    题目是我在知乎上看到的,有些小伙伴应该也看到了,不知道有没有触动到你,反正我是心有戚戚焉。

    上周五,我去了一趟郑州,见了几个大学同学,吃了一顿饭。喝了点小酒之后,我们谈了很多各自的现状。

    龙仔和小龙都说,公司现在的年轻人,真不知道在想些什么,任务做不出来,也不肯加班,感觉很缺乏上进心。

    但在我看来,我挺佩服新一代的年轻人,不管任务能不能完成,不肯加班的态度是值得称赞的。否则,这个社会的未来你敢想象吗?

    说好的科技解放生产力,人工智能提高生活品质呢

    龙仔的公司很忙,几乎三周没有休息一天了,见面的时候公司的网站还出现了 403 错误。小龙呢,公司也很忙,关键是工资已经拖欠俩月了。他们俩只是个例,我知道不能代表整体,但隐隐约约能反应出郑州互联网的真实现状。任务多,时间紧,生存压力大。

    其实不只是郑州,整个社会的生存压力都很大,在时代的浪潮下,再也没有“种豆南山下,悠然见南山”的舒适,所有人都在努力奔跑,否则很快就会被这个社会无情地淘汰。

    从我身边最亲的人说起吧。

    我父母是农民工,在三门峡铺地板砖,他们辛苦劳作,几乎没有休息天。一年四季能休息的日子,就是过年的那段时间。

    我女儿四岁八个月,每天上完幼儿园要去上兴趣班,乐高、英语、体能、舞蹈排的满满的,每周就只剩下周日一天可以休息。

    我老婆做建筑设计,甲方催得紧的时候,加班很多,有时候还要熬夜通宵,也只能靠剩下不多的节假日来恢复元气。

    我呢,就不用多说了,工作之余要接女儿放学和陪她去上兴趣班,还要忙写作——靠的就是极度的自律。

    我们一家人都没办法停下脚步。父母没办法停下脚步,因为他们要生活,还有我妹需要他们提供生活费和学费。女儿没办法停下脚步,因为身边的小朋友都上兴趣班,她自己又挺喜欢;我和老婆没办法停下脚步,因为我们要生活,女儿需要教育经费,双方的父母需要养老保障。

    但生活,总是需要一块糖的,否则就太沉重,太枯燥了,不是吗?

    父母空下来的时候会刷刷抖音,脸上泛起点笑容;女儿空下来的时候会和小朋友一起玩耍,找回纯真的快乐;我和老婆会约朋友一块吃饭,会一块出去旅游,会看个比赛、看场脱口秀、看个电影、看个电视剧。

    这些在不同形式上的放松,内核其实和摸鱼一样。

    工作中,当你需要加班的时候加班,当你工作累了的时候适当地摸摸鱼,没什么不好的啊。

    最近,我们在朋友圈经常会刷到,“早安,打工人;晚安,打工人”,仿佛“工人”永远都在挨打,而“打”“工人”的人正是我们自己。

    “打工人”这三个字的背后,隐藏的其实就是“通透”,就是诙谐的幽默。

    我们是人,不是机器,高负荷的劳作连机器都要出问题,何况要吃要喝要睡的人呢?

    想起以前农忙的时候,没有机器的帮助,只能靠牛和人力。犁地的时候,为了让牛听话,父亲的手里会捏一条鞭子,一鞭子下去,那种疼痛的感觉会驱使着牛更卖力的往前冲。

    当下的我们,高昂的房贷、教育经费和医疗费用就是那条看不见摸不着的鞭子。

    这种情况下,如果你给我讲“努力”,讲“奋斗”,我认为你是不负责任的,你不懂我的辛苦,你不懂我的无奈,那我凭什么还要听你的,我特么要“打你”。

    摸鱼就代表着拒绝努力?狗屁一样的逻辑。来,听我一句劝:

    上班努力工作是用劳动力换取金钱,上班摸鱼,才能从老板那里赚到钱。

    如果这一句不够幽默的话,那就换一个:

    打工只是被剥削剩余价值,带薪拉屎才叫赚钱。

    真正通透的人不会永远把努力扣在自己的头上,也不会永远把摸鱼扣在自己的头上,只会在努力和摸鱼之间找一个平衡点。

    记得木心那首《从前慢》的诗歌吗?

    从前的日色变得慢
    车,马,邮件都慢,
    一生只够爱一个人。

    现在呢?

    时代变了,节奏加快了,人和人之间的差距被拉大了,摸鱼还是努力,在短时间内根本改变不了你的命运。与其把头发熬掉光,与其腰椎盘突出,不如摸鱼放松下,放松过后,心情愉悦了,生产力也提高了。

    摸鱼,并没有站在“努力”对立面,相反,他激发了一个更有生产效率的你。

    我们国家的互联网起步晚(借口),所以无论是大厂还是小厂,都对加班文化趋之若鹜。仿佛只有加班这一条路,才能追赶上别人的脚步。

    在加班文化的驱使下,版本迭代的速度越来越快,产品线铺得越来越多,程序员就成为了这个时代背景下的牺牲品。

    顶着“高薪”的帽子,干着牲口一般的活。有时候,我就在想,科技的发展,究竟带给了我们什么好处?

    我在一本书上看到,说谷歌推崇一个政策,员工只需要拿出 80% 的时间用在本职工作上,剩余的 20% 的时间可以用来做任何想做的事情,只要做的事会以某种方式帮助到谷歌的进步。

    像 Gmail、Google News 等注明的项目都是靠这 20% 的时间做起来的。玛丽莎·梅耶尔(曾就职于谷歌,曾出任过雅虎的 CEO)曾说,“谷歌的产品中有一半之多都来源于那 20% 的时间。”

    这种可以在工作时间明目张胆的摸鱼,国内是不可能有的。但我希望不久的将来会有。

    接下来,说一件轻松的事吧。昨天,我发了一个朋友圈,晒了下面这张图——一个小伙伴不知道从哪看到的,发到了“三国时代”的群里。

    “发现光、追随光、成为光、发散光”,这感慨,哎呀妈呀。。。。。。

    朋友圈的小伙伴纷纷留言说,“这是小学生日记吗,好认真的样子”,“卧槽,二哥你这任务重啊,祖国的下一代就交给你了。”

    都很幽默,我只能说。不要那么刻板——摸鱼和努力并没有多大关系,和通不通透也没有关系。

    一个时代有一个时代的活法,一代人有一代人的活法,年轻人有年轻人的活法,老一辈有老一辈的活法,互相理解,互相尊重就行了。

    推荐一个 GitHub 仓库吧,里面该有的 Java 书单基本上都有,当然也不限于 Java,还有数据结构与算法、操作系统、面试简历、Python、JavaScript 方面的,需要的知友们可以去 star 一下。

    https://github.com/itwanger/JavaBooks

    希望知友们都过得好一点,瑞思拜。

    更多相关内容
  • 请告诉孩子:努力读书,是为将来拥有更多选择的权利,而不是被迫谋生 01 现在的孩子津津乐道于几个文化不高、但事业有成的名人,用于堵住家长苦口婆心的嘴。 然而事实是,这样的人只是少数,大多数不爱学习的...

    请告诉孩子:努力读书,是为将来拥有更多选择的权利,而不是被迫谋生 

    01

    现在的孩子津津乐道于几个文化不高、但事业有成的名人,用于堵住家长苦口婆心的嘴。

    然而事实是,这样的人只是少数,大多数不爱学习的孩子,长大之后却发现:

    自己用几年疯狂的青春,换来了一生的卑微与底层。

    现在有些孩子,谈到读书,谈到吃苦,犹如谈虎色变,避之唯恐不及。

    一帮不学无术的女孩聚在一起,号称所谓的姐妹,以为有了姐妹就有了全世界。

    她们在一起聊好吃的、聊穿的、聊化妆品、想的是网上购物、刷微信、刷微博、追韩剧。

    而一帮无所事事的男孩聚在一起,号称所谓的哥们儿,以为有了哥们儿就有了天下。

    他们在一起逃课、抽烟、打扑克、玩游戏、看玄幻甚至约架......以为这就是疯狂,这就是该有的青春。

    他们看不起那些不会化妆、不会打扮、一天到晚只知道读书的好学生。

    还骂那些好学生是书呆子,骂他们傻,只知道读书。

    殊不知,两三年后,好学生上一本,上211,上985,甚至上清华北大。

    而他们却要考虑去三本,去高职高专甚至考虑要不要南下打工。

    02

    有一段父子之间经典的对话,告诉了我们努力读书和不读书的大不同”

    儿子刚上学不久就问当农民的父亲:

    “人为什么要读书?”

    父亲说:

    一棵小树长1年的话,只能用来做篱笆,或者当柴烧。

    10年的树可以做檩条。

    20年的树用处就大了,可以做梁,可以做柱子,可以做家具。

    一个小孩子如果不上学,他7岁就可以放羊,长大了能放一大群羊。但他除了放羊,基本上干不了别的。

    如果小学毕业,在农村他可以用一些新技术种地,在城市可以到建筑工地打工,做保安,也可以当个小商小贩,小学的知识够用了;

    如果初中毕业,他就可以学习一些机械的操作了;

    如果高中毕业,他就可以学习很多机械的修理了;

    如果大学毕业,他就可以设计高楼大厦,铁路桥梁了;

    如果他硕士博士毕业,他就可能发明创造出一些我们原来没有的东西。

    “知道了吗?”儿子说知道了。

    爸爸又问:

    “放羊、种地、当保安,丢人不丢人?”

    儿子说:丢人。

    爸爸说:儿子,不丢人。

    他们不偷不抢,干活赚钱。

    养活自己的孩子和父母,一点也不丢人。

    不是说不上学,或上学少就没用。

    就像一年的小树一样,有用,但用处不如大树多。

    不读书或者读书少,也有用。

    但对社会的贡献少,他们赚的钱就少。

    读书多,花的钱也多,用的时间也多。

    但是贡献大,自己赚的钱也多,地位就高。

    那次谈话给儿子留下了极深的印象,从此儿子在学习上不需要威逼更不需要利诱,就会做出最好的选择。

    03

    马云在《不吃苦,你要青春干嘛》这篇演讲中这样说到:

    当你不去拼一份奖学金,不去过没试过的生活。

    整天挂着QQ、刷着微博、逛着淘宝、玩着网游。

    干着我80岁都能做的事,你要青春干嘛?

    恰同学少年的你们:

    在最能学习的时候,你选择恋爱。

    在最能吃苦的时候,你选择安逸。

    自恃年少,却韶华倾负,却不知道青春易逝,再无少年之时。

    什么叫吃苦?

    当你抱怨自己已经很辛苦的时候:

    请看看在西部的那些穷孩子,他们饭吃不饱,衣穿不暖,冻着脚丫,啃着窝窝头的情形;

    请想一想几十年如一日起早贪黑的老师们;

    请你对比一下那些透支着体力却依旧食不果腹的打工者;

    还有你们的爸妈!

    在有空调、有热水喝的教室里学习,能算吃苦?

    在有空调、能洗热水澡的寝室里休息,算是吃苦?

    在有爸妈当“太子伴读”、衣来伸手饭来张口的你,能算吃苦?

    著名作家龙应台在给儿子安德烈的一封信中这样写道:

    “我要求你读书用功,不是因为我要你跟别人比成就,而是因为:

    我希望你将来拥有更多选择的权利,选择有意义、有时间的工作,而不是被迫谋生。”

    是啊,如果你优秀,你便拥有了大把的选择机会,否则你只能被迫谋生。

    读书,虽然不能带给我们更多的财富,但它可以给我们带来更多的机会!

    04

    可能有的同学会问:

    “我现在努力,还来得及吗?”

    我的回答是:

    “我说来不及,你就不学了吗?”

    我们应该把重心,从问“来不来得及”,转到用功学习上来。

    有时候你想的越多,越什么事都干不成。

    认准目标就静下心来干,总会有结果。

    所以接下来的时间,无论是高一、高二、还是高三的同学们:

    不要问什么时间够不够,什么基础行不行,这些都是次要的。

    最主要的是你要从现在开始吃苦,开始用功。

    40岁的柳传志不问来不来得及,最终他缔造了联想集团;

    高考三次落榜的俞敏洪不问来不来得及,最终考上北大并打造了“教育航母”——新东方;

    经过两次创业失败的马云不问来不来得及,最终他书写了电商传奇,改变了世界。

    孩子,如果老天善待你,给了你优越的生活,请不要收敛了自己的斗志;

    如果老天对你百般设障,更请不要磨灭了对自己的信心和奋斗的勇气。

    当你想要放弃了,一定要想想那些睡得比你晚、起得比你早、跑得比你卖力、天赋还比你高德牛人。

    他们早已在晨光中,跑向那个你永远只能眺望的远方。

    所以,请不要在最能吃苦的时候选择安逸,没有谁的青春是在红地毯上走过。

    既然梦想成为那个别人无法企及的自我,就应该选择一条属于自己的道路,付出别人无法企及的努力!

    所以,我们不能在该读书的时候选择放弃,要在该读书的年纪珍惜和努力!

    参考:http://www.sohu.com/a/196455409_479611

             https://www.sohu.com/a/248608977_100173234

    展开全文
  • 为了达到这些设计的目标,我们不仅需要实验架构来进行更多的实验,并且需要一些工具和指导过程来支持更多和更快的实验。 对于实验架构,两个很明显的选择,或是要支持单层实验或是要支持多因素实验。单层实验...

    转载自: http://www.6aiq.com/article/1548255866526

    Introduction

    Google是一个数据驱动型公司,这意味着所有对用户的改动的发布,都要决策者以相应的经验数据作为依据。这些数据大部分是由在线流量上的实验产生的。在web的语境下,一个实验是由一股流量(比如,用户的请求)和在这股流量上进行的相对对比实验的修改组成的。修改包括用户可见的修改(比如,修改顶部广告的背景色),以及不可见的修改,比如测试一个新的广告点击率(CTR)预测算法,都可以通过实验的方式进行的。

    要支持数据驱动方法论的挑战在于要跟上创新的速度。我们想支持进行尽可能多的实验,如果实验框架要限制同时进行的实验的数量,那是绝不可被接受的。我们进行实验是为了测试一些新的特性和挖掘一些已有特性的提升空间。对于已有特性,实验可以学习到用户的反应并可以对特性进行优化。试想一下,如果在搜索结果页上的内容都是通过参数控制的,包括展示方式和算法。通过对参数设置不同的参数值进行实验,我们可以用衡量指标(用户体验,收入或其它指标)来决定是否要进行哪些修改以得到最好的结果。

    对UI的修改通常会使用实验来评价用户反应,但需要注意的是算法的修改同样也需要实验。例如:假设一些团队想测试一个新的机器学习算法来预测广告CTR,或是测试对现有算法的调整(比如,修改学习速度或是收敛速度)。虽然线下评估可以进行一些分析后,可以缩小参数的最佳取值区间(不是最佳取值),但最终这些参数还是需要在线上流量进行评估,分析这些参数在真实的流量上的效果(因为修改可能会影响用户的行为,并改变流量本身的模式,这是不可能在线下环境评估的)。所以,评价这些机器学习算法是需要通过线上实验的方式进行的。

    设计我们实验框架的目标是:更多更好更快

    更多:我们需要能同时进行多个实验的可扩展性。但是我们也需要灵活性:不同的实验需要不同的配置和不同的流量来衡量实验的统计意义上的效果显著性。有些实验只需要修改流量的一个子集,比如只是日语的流量,并需要取一个合理的流量规模。其它的实验有可能需要修改所有的流量,并对指标造成很大影响,这种才可以在小流量上进行测试。

    更好:不合理的实验是不应该让它在线上流量进行的。合理的但是很差的实验(比如,有bug的实验或是无意中产生的很差的实验结果)都应该能很快的被捕获并且停止它的进行。标准化的标价指标可以让所有的实验进行公平的比较:比如在计算CTR指标的时间,两个实验应该用相同的过滤器去掉爬虫流量。

    更快:能够很容易并且很快地建立一个实验。容易到非工程师不需要写代码就可以创建一个实验。评价指标应该很快的被统计出来,以便分析。简单的迭代可以很快速地进行。理想状态是,实验系统不仅支持实验,并且可以控制放量,比如,以一种系统的和容易理解的方式对实验进行放量。

    为了达到这些设计的目标,我们不仅需要实验架构来进行更多的实验,并且需要一些工具和指导过程来支持更多和更快的实验。

    对于实验架构,有两个很明显的选择,或是要支持单层实验或是要支持多因素实验。单层实验意味着每个请求最多只会通过一个实验,单层实验是很容易使用的,并且也具有灵活性,但是扩展性不足。多因素实验在统计学上进行了大量的讨论,多因素实验中每个参数(因素)都可以被独立地实验,在实验中每个参数(因素)都可以独立地被实验,每个实验中只测试一个参数,这个参数会覆盖所有其它实验中的其它参数。每个查询可以同时在N个实验中,其中N是参数的个数。虽然这种方法进行了多年的研究和实践,但对于Google的系统却不适用,因为Google有几千个参数,并且不能被独立的分析。例如:要对两个参数进行分析,一个参数是web页面的背景色,另一个是文字的颜色,虽然“蓝色”对两个参数都是合法值,但是如果两个参数都取“蓝色”,那么页面是不可读的。

    本文提出的解决方案是将参数分成子集,每个参数子集包含相互不能独立修改的参数。一个参数子集会与一个包含实验(s)的层相关联,不同层的实验的流量是正交的。每个query可以在N个实验中,其中N是层的数量 。

    Related Work [略]

    Background

    在讨论Google的实验之前,我们先描述一下我们实验架构所处的环境,这样能更清楚的理解我们实验架构所要设计的目标和所受到的限制。

    宏观上看,用户通过它们浏览器发送请求与Google交互。请求进入Google的服务系统后,会先后被多个服务处理(运行在服务器上的程序),然后产生面向用户的结果页。比如,可能有一个服务决定与查询最相关的原生搜索结果,另一个服务决定与查询最相关的广告(s),还有一个服务将原生搜索结果和广告结果组织到结果页,返回给用户。见图1。一方面,这种模块化可以让我们降低延时(不相互依赖的过程可以并行),显然,原生的搜索过程与广告搜索过程是相互独立的,并能更快速的试验(每个服务都可以独立地进行,并且模块化的测试可以进行更快速的发布)。另一方面,如果要求每个请求最多只进入一个实验,那么模块化就需要更精心地设计。可能存在的问题有流量饥饿(上游模块的实验可能优先处理了所有请求,导致下游模块的实验没有请求),和偏置(bias)(比如,比如,上游模块的实验处理了所有英语的请求,导致下游模块的实验就只有非英语请求)。


    图1:一个请求经过多个模块的例子,信息(和时间)都是从左流向右

    每个服务都有二进制推送和数据推送。二进制推送是指发布新的程序(bug修复,性能提升,新特性,等等),它一定时期进行一次(比如,每周)。数据推送更频繁(比如,按需或是每几小时推送一次),并且这还涉及了推送更新的数据到相应的程序。数据推送中还包含了默认参数配置,参数是用来配置程序如何运行,比如,控制结果如何展示的服务也许有一个参数是决定顶部广告块的背景色。再比如,预测CTR的服务可能有参数是控制学习速度和收敛速度的。程序可能有几百个参数。新的特性可能会添加一个或多个参数:最简单的场景是,一个参数可以控制打开或关闭新特性,在更复杂的场景中,也许有多个参数决定新特性如果展示,有数值阈值决定新的特性是否被展示,等等。将程序和数据分离,意味着如果我们可以找到合适的分离方式,我们就可以同时得到快速影响线上服务的通路,和慢速影响线上服务的通路(程序是慢的通路,改变参数值是快速的通路)。

    一个web搜索中的实验是指将一部分请求流量转向一个特定的处理路径,这个处理路径会改变向用户展示的内容。一个对照实验将一部分请求流量转向一个处理路径,但它并不改变向用户展示的内容。我们用数据推送来决定实验的配置。在数据推送中,有一个文件决定程序的默认参数配置。另一个文件决定实验所需要改变的参数的值,实验只用指定实验所要改变的参数,对于其它参数,都采用默认值。比如,在一个简单实验中,它只改变顶部广告的背景色这一个参数,它可以改变黄色(默认值)到粉色(实验值)。

    实验还需要决定实验所用的流量如何分配。最简单的分配方式是用_随机流量_,即对每个请求都进行随机分配。但这样做的问题是如果实验是用户可见的改变(比如,改变背景色),那么一个用户可能就得到不同的用户体验(背景色不断地在黄色和粉色间转换),这会造成用户体验不一致。在web实验中常用的方法是用cookie作为流量分配的依据,cookie被网站用来定位唯一用户。实践中,cookie是机器/浏览器相关的,并可能被清除。然而,虽然一个cookie不能唯一定位一个用户,但对于连续的查询,它可以提供给用户一致性的用户体验。对于实验流量分配,我们并不直接对每单个cookie进行分配,而是用cookie取模进行分配:用一个ID表示一个cookie,对这个ID模1000,将模相等的流量聚合为实验流量,比如模等于42的流量(译注:42这个例子绝对不是巧合,Hacker必读的《银河系漫游指南》中42是万事万物的答案)。假设cookie的分配是随机的,那么随意cookie的模数的请求数据也应该是大致相等的。在实验配置中使用cookie的模,也可以很容易地检查流量之间是否有冲突:实验1可能会用cookie模1和模2,实验2可能使用cookie模3和模4,这两个实验就会有相近的大小,理论上,是可以进行比较的流量。

    在数据文件中配置实验,可以让实验更快更方便地创建:数据文件是可读的,并容易手工编辑,不需要进行代码变更,并可以由非工程师进行创建,而且配置数据的推动会比二进制程序的发布更加频繁,它使创建仅包含已有参数的实验更加方便快捷。

    在开发我们的实验架构之前,我们使用一个简单的单层实验框架,在这个架构中,每个请求最多进行一种实验。先分配Cookie取模的流量的实验,再分配随机流量的实验。上游服务会优先分配流量,所以如果上游(即cookie取模的实验)进行了很多实验,那么下游可能会得不到足够的流量,即流量饥饿问题。除了这些问题之外(包括前面提到的流量饥饿和偏置问题),单层实验可以满足我们设计目标中的易用和相对的灵活性。但是在Google数据驱动的文件中,单层的方法没有足够的可扩展性:我们无法快速地进行足够多的实验。

    Overlapping Experiment infrastructure

    在本节中,我们将介绍重叠实验框架,它在尽量保留单层实验框架的优点(易用,快速)的同时,增加了可扩展性,灵活性,和健壮性。我们还实现了一种可控的,定义明确的逐步放量的方式。
    前面解释过,多因素实验并不适用于Google的实验场景,因为实验参数可能并不相互独立(比如,粉色的字和粉色的背景)。有了这个限制,我们的核心思路是将参数划分到N个子集。每个子集都关联着一个实验(s)层,每个请求最多会被N个实验处理(每层一个实验)。每个实验只能修改自己层相关联的参数(即在参数子集中的参数),并且同一参数不能出现在多个层中。

    一个很明显的问题是如何划分参数。首先,我们可以根据模块化的程序(服务)对参数进行子集划分,不同程序的参数可以划分到不同的子集中(这会解决前面提到的流量饥饿和偏置的问题)。然而一个程序所有的参数并不一定要在一个参数子集中,我们可以通过分析(比如,我们知道某些参数是相互独立的)或是通过以前实验(比如,分析以前将参数放到一起修改的实验)可以对一个程序的参数进行进一步划分。

    事实上,我们设计的更加灵活,我们不止是将参数划分子集,再将子集与层相关联。为了解释灵活性,我们引入了一些定义。在流量和系统参数的语境下,我们有三个关键的概念:

    • 是指流量的一个划分(一部分流量的意思)。

    • 是指系统参数的一个子集。

    • 实验是指在一个流量划分上,进行零个或多个参数的修改,并最后改变请求处理的过程。

    域和层可以相互嵌套。域中包含层。层中包含实验,层中也可以包含域。在一个层中嵌套域可以使这一层中的参数在嵌套域中进行进一步划分。开始时,我们有默认的域和层,它有包含所有的流量和参数,在默认域和层中,比如我们可以:

    • 简单地将参数分为三层(图2a),这种情况下,每个请求最多只会同时在三个实验中,每层一个,每个实验只能修改相应层的参数。

    • 我们可以先将流量分为两个域,一个域只有一个单一层(非重叠域),和一个有三个层的重叠域(见图2b),在这种情况下,每个请求会分到非重叠域或是重叠域。请求只能在非重叠域或重叠域其中之一。如果请求在重叠域,那么请求最多在一个实验中(这个实验可以改变参数集合中的任意参数的值),如果请求在重叠域,那么请求最多在三个实验中,每层一个实验。并且对于每个实验,只能使用对应层的参数。


    图二:重叠分层示意图

    这种嵌套看起来有些复杂,但它有几个好处。1. 使用非重叠域可以让我们同时进行改变大量参数值的组合实验,这些实验参数也许并不常一起使用,2. 它允许我们进行不同参数划分方式。比如你可以划分出三个域,一个是非重叠的,一个是有两个层的域(即对参数集合进行一次划分),第三个域进行其它的划分方式(即有不同数量的层)。3. 嵌套可以更有效地利用空间,可以根据常用的参数划分方式,和哪些跨层的实验经常进行,注意将一个层的参数从一个层移到另一个层是很容易的,只要确认参数可以安全地与原有层的参数值重叠,并注意保证不同层的实验会被独立地进行,对于基于cookie取模的实验,我们用mod=f(cookie, layer)%1000,而不是f(cookie)%1000的方式,虽然这种方式增加了复杂性,但它也增加了灵活性。对配置的修改是需要付出代价的,特别是对域的修改,修改域的流量,即是修改实验的流量,比如如果我们将非重叠流量大小从10%修改到15%,这多出来的5%流量来自重叠域,以前经过重叠域的请求现在会经过非重叠域。

    另一个概念是发布层(Launch layers) ,发布层与前面介绍的实验层有下面区别:

    • 发布层总是在默认域中(比如,它们有全部流量)。

    • 发布层是对参数的一个独立划分,比如,一个参数最多只能同时在一个发布层和最多一个正常层中(一个域中)。

    • 为了让发布层和正常层的重复参数配合起来。在发布层中的实验有着稍有不同的语法。特别是,在发布层的实验会为覆盖参数的默认值,作为新的默认值,换言之,如果没有正常实验层的实验覆盖了默认参数,那么在发布层的行为就像一个普通的实验,但如果实验层的实验覆盖了默认值,那么实验就会用这个覆盖的值,而不是系统的默认值,或是发布层实验中的参数值。

    发布层的示例在图2c, d中,通过发布层,我们能以一种标准通用的方式逐步灰度最终全量一个实验策略,且可以跟踪灰度过程中实验效果变化。 通常情况下,每有一个新特性要开始全量时都需要新建一个发布层,当这个新特性最终完成全量时,再将相应的发布层删除。并且因为发布层实验的流量一般都比较大,所以它们可以用于测试特性之间的相互影响,虽然理论上我们可以测试正常实验层的特性相互影响(比如,如果参数在同一层,我们可以手工设置创建实验,如果参数在不同层,我们观察实验的交集流量),但因为在正常层中,实验流量比较少,交集比较小,所以相互影响很难检测。

    从前面我们已经了解到实验和域都是在操作一份流量,(我们称这种流量为“分配”的流量),为了更有效的进行实验流量分配,我们提出了两个不同的概念:分配类型和分配条件。

    我们在第三节讨论了两种流量分配类型 ,即cookie取模方式和随机方式,还讨论了为了让层与层之间实现流量之间相互独立,在cookie取模时加入了层id的信息(mod=f(cookie, layer)%1000)。我们还支持另两种流量分配类型,用户id取模和cookie日期取模,用户id取模类似于cookie取模,区别仅是对用户id取模而不是cookie,对于cookie日期取模,综合cookie和日期的信息后再取模,采用这种方式的话,一个实验一天内圈定的cookie是固定的,但随着日期的变更会圈定不同的cookie。在所有的场景中,是没有办法配置一个实验能使特定的cookie或是用户必通过这个实验。同样,在分析实验结果的时候也要考虑不同抽样方式的差别。同样注意,我们当前只支持的四种分类型,但我们也可以支持其它的流量分配类型,比如通过Hash查询串分流。

    支持多种流量分配类型的主要目的一方面是为了保持处理的一致性,另外也希望可以覆盖到所有可能的情况,比如因时间变化而表征出来的不同特征。基于这些原因,我们以特定的顺序对不同的流量分配类型进行分流:用户id,cookie,cookie日期,随机。一旦这个请求被某高优先级分配方式抽中后,其它低优先级的分配方式将忽略这个请求(图3),虽然这个顺序最大化地了一致性,但它也有一个缺点,比如,在同一层中1%的cookie取模流量会比1%的随机流量大,在极端情况下,我们会遇到流量饥饿问题。在实践中,一层之中一般只应有一种分流类型,实验和对比实验必须使用相同的分流类型,最主要的影响是不同的分流类型实验需要不同的样本量(见5.2.1节)。

    在通过流量分配类型选择一部分流量后,分流条件(condition) 通过仅分配特定条件的流量给实验或域,以达到更高效利用流量的目的。比如,一个实验仅仅改变来自日语的查询,那么实验配置中只抽取日语的流量。我们可以基于地区,语言,浏览器等信息设置流量抽样条件。有了分流条件,一个只使用“日语”流量的实验,和一个只使用英语流量的实验,可以使用相同的cookie取模。另一个使用分流条件的场景是灰度测试新代码(代码是通过二进制推送发布的),比如,在一股小流量上测试新代码,以保证新代码没有bug,并与预测一致,然后才能放到大流量环境中(灰度环境中,通过错误日志和实验监控方式检查bug)。为了支持这种使用场景,我们提供了以机器或数据中心为分流条件的分配方式,它进一步限制了一个实验的流量。虽然灰度实验无法代替严格的测试,但它们是一个有用的补充,因为它既限制了潜在的错误,并且它让新的代码在真实环境中运行,从而可以遇到各种在测试环境中很难构造的真实请求。


    图三:决定请求进入域,层,实验的逻辑

    分配条件是直接在实验(或域)的配置中指定的,这允许我们在实验的创建时基于数据文件对流量分配冲突进行检测。如在流量分配类型一节中提到的一样,如果一个请求先满足了流量分类顺序中的一个_类型_,它不会再考虑下面的分配类型,即使它不满足这一种分配类型的分配条件(s)。这很重要,最好以一个例子来说明,如果我们通过特定的cookie取模来得到实验的流量,我们将会得到一个无偏的分配。考虑一下一个指定cookie取模上有两个实验,一个分配条件为日语流量,另一个分配条件是英语流量,而这个cookie取模剩余的流量(即不是日语和英语的流量)将不会分配给以cookie分配方式的其它实验,这是为了避免分配顺序后几种分配方式的偏置 ,重要的逻辑是不再将上述剩余的流量分配给分配顺序后几种分配方式的实验了。我们通过将有偏的剩余流量分配一个偏置id来避免偏置。

    图3中展示了一个请求分配给域,层和实验的逻辑。这些逻辑都以动态库的方式实现,编译链接到二进制之中,所以任何修改(比如,新的分配类型,新的分配条件,等等)都会在日常的二进制推送时集成到系统中去,动态库保证了在整个系统内的一致性,并且从动态库中自动可以获取到最新的功能。

    在这个架构下,一个特性的评估和发布过程是类似如下过程的:

    • 在合适的模块中,实现新的特性(包括code review,二进制推送,设置默认参数等等,如标准的工程实践一样)。

    • 创建一个灰度实验(通过数据推送方式),以保证特性可以正常工作,如果不能正常工作,那么可能就要重写代码修复这个问题。

    • 创建一个实验或是一组实验(通过数据推送的方式)来评估特性。注意配置实验涉及指定分配类型和相关的分配参数(比如:cookie取模),分配条件,和特性相关的参数。

    • 评估实验指标。根据实验结果,判断是否要进行新一轮的实验,即通过修改或创建新的实验,或甚至修改代码从根本上改变特性。

    • 如果特性可以发布,就进入发布过程:创建一个新的发布层和发布层实验,逐步的放量这个实验,并最终删除发布完的发布层,然后将发布层实验的相关参数设为系统默认参数。

    Tools & Process

    虽然重叠架构是有能力运行更多的实验,更快速地进行实验,并能同步优化实验效果,但只依靠架构还是不够的。我们还需要工具,研究,和教育过程来支持更快速的实验。在本节,我们讨论几个关键的工具和过程,以及它们如何帮助我们扩展的。

    Tools

    数据文件检查: 数据文件的其一优势是它们可以被自动检查错误,这可以避免一些不合理的实验运行。我们会自动检查法语错误(所有的必填字段都有并且合法),一致性和约束错误(比如,id的唯一性,根据所有的参数判断是否实验在正确的层,是否这一层有足够的流量来支持实验,流量约束检查,如果实验要求的流量已经被另一个实验使用了,等等,注意当可用的分配条件集合变大时,这些检查就变的复杂了),和基本的实验设置检查(是否实验有对比实验,并且对比实验在相同的层,是否对比实验与实验的流量分配方式和规模一致,等等)。

    实时监控: 我们用实时监控来检测基本的指标(比如CTR),我们通过实时监控尽快地发现某个实验是不正常的,实验者可以设置监控指标的期望值区间(也有这些指标的默认波动区间),如果监控指标超出了期望的波动区间,那么会触发自动告警,然后实验者可以修改期望区间或停止他们的实验,或调整它们的实验参数值,但它允许实验者可以激进地对于可能的潜在的变化进行测试,因为错误或预期之外的影响会被很快检测到。

    Experiment Design & Sizing

    相比基本的对实验配置的基本检查外(比如,每个实验都必须有一个对照实验,它与实验使用相同的分流条件),实验设计和样本量是更高级的话题。

    Sizing

    如Kohavi论文[7]中所述,样本量应该让实验有足够的统计意义,可以统计认为有意义的指标很小的变化。在本节中,我们讨论以及实验样本量,以及实验依赖的设置,还有一些相关的样本量的工具。

    一个实验的有效规模定义为:

    6ce9afd3e00140c3826286982df172bc.png

    21af62ef504f4ad5a4e9e3e5860478ae.png

    8fdfb26b326648fabc4c3d69756142f7.png

    c5c9f091f0c6438ba8f3ebe19092c4fb.png

    图四:在分配类型下计算覆盖度的s的斜线

    因为不同的指标和不同的分配有着不同的s,那么我不应该让每个实验者自己去计算它, 我们提供了一个工具计算实验者指定的关注指标和指标敏感度,分配类型(比如cookie取模或是随机流量)和他们想要的某种流量(比如,分配条件,比如日语流量),工具就告诉实验者他需要多大规模流量才可以支持他的要求的实验。实验者可以轻松地在流量大小和敏感量之间权衡,有了这个工具,我们可以认为实验者在运行实验之前会设置合理的实验规模。

    为了为我们的实验规模工具收集数据,我们一直运行一组同质测试(uniformity trials,比如,我们运行许多对比实验或A vs. A实验(s)。这些实验有着不同的实验规模和分配类型,我们可以用这些结果经验地衡量我们指标的自然(natural)变化,并可以测试我们计算的置信区间的正确性。

    Trigging, Logging, & Counter-factuals

    回顾一下,流量分配是指分配给实验的流量,但是一个实验可能不会对所有分配给它的流量进行新特性服务,相反,一些实验可能仅在某种请求时被触发(trigger,比如一个实验是测试何时应该显示天气信息,它可能会得到全部的流量 ,但只有一部分流量的查询会触发显示天气,这一部分但触发查询就称为触发集合。

    通常,我们无法仅将触发集合的流量给实验,因为要确定请求是否触发,是需要运行时计算的,这种运行时的计算正是触发无法实现成分配条件的原因(这个触发条件很难构造对照实验流量),所以,重要的工作是记录事实(factual,当实验被触发)和反事实(counter-factual,当实验可被触发),反事实是在对比实验中记录的,比如在前面的例子中,事实(当天气信息展示)是记录在实验中的,反事实是记录在对照实验中的。比如当这个查询是可以展示天气信息的(因为它是在对比实验中,所以实际并没展示)。这些日志对于实验样本量和分析实验都很重要,因为流量中包括了没有实验变化的请求,这些请求会稀释实验的作用,在触发集合上衡量实验结果会更准确衡量实验的影响。另外,通过关注于触发集合的显著效果,实验流量的需求可以减少,因为实验的有效规模是依赖于我们要想检测的敏感度的倒数 1 / θ 2 1/\theta^2 1/θ2

    Pre- & Post-Periods

    一个预时期(pre-period)是指在先于开始实验的一个时期,这时期与实验有着相同的流量(比如,相同的cookie取模),但没有实验的效果,一个后时期(post-period)是类似的概念,区别是它是在实验之后的,这两个时期类似于一个对比实验与另一个对比实验比较,只是使用实验的流量,预时期是保证一个实验与它的对比实验是实际可比的,而不受其它因素影响,比如,有未捕获的垃圾流量或是爬虫,后时期判断运行实验是有学习到的效果,这些技术仅能用于用户id和cookie取模实验。

    Fast Analytics

    虽然前面提到的架构,可以同时进行许多实验,并快速地运行一个实验,但没有实验分析工具,一个真正的实验进程是无法在本质上快速进行的。对实验工具完整的讨论已经超出了本文的范围,但这里我们讨论一个重要的设计目的。

    分析工具最重要的目标是提供实验者要衡量它们的实验的指标。在google,我们并不将好多个实验指标合成一个目标函数,而是查看多个指标,以更彻底地理解用户的体验是如何改进的(比如,用户可以多快解析这个页面,点击按钮应如何移动,等等),注意,实时流量只能衡量发生了什么,而无法看到改变的原因。

    实验除了正确性和完备性,对一个实验分析工具的其它重要设计目标包括:

    • 正确地计算和显示置信区间:实验者需要知道是否他的实验仅是没有得到足够的流量(置信区间太宽),或是是否观察到的变化是统计显著的。我们研究了很多种计算准确置信区间的方法,虽然无法完整地讨论已经超出了本文范围,仅说明一下我们考虑了delta方法和其它的经验方法来计算置信区间:将实验分成几个子集,从这些子集上统计方差,并注意,一定要观察多个实验指标(s)和实验(s),因为一些指标值会随机显示为显著,所以一定要多检查。

    • 一个好的UI,UI必须是易用的,并是易于理解的。图形化是会有所帮助的,如果要聚合的效果在一定时期内是致的,即使是简单的走势图也能对可视化有所帮助。UI也应提示不合理的比较(比如,比较两个不同层的实验),并且UI应该方便地更改对比的实验,或对比的时期等等。

    • 支持划分,聚合后的数值常会有误导性,比如导致指标改变的原因也许并不是实验(比如,CTR改变),而是因为一个混合的变化(比如,更多的商业搜索词)。正如Kohavi所言[4],辛普森悖论的观察与理解是很重要的。

    • 扩展性,它必须能方便地添加用户自定义的指标和划分,特别是对新特性,已经存在的指标集合和划分可能是不够的。

    只有一个工具提供实验准确的指标意味着我们有唯一的一致性实现,它使用相同的过滤器(比如,移除潜在的爬虫流量和垃圾流量),这样,不同的团队之间就可的CTR值就具有了可比较性。一个唯一的工具也更高效,因为计算会一次完成后,并呈现给实验者们,而不是每个实验者进行他们自己的计算。

    Education

    现在我们有了重叠架构和相关工具,实验设计已经完成了进行更多、更快、更好的技术方面的要求。我们还是要讨论一下人的因素。教育在促进健壮的实验目标中是同样重要的。在Google,有两个过程来保证实验是良好设计的,并且一个实验的结果是能被理解和传播的。

    Experiment council

    第一个过程我们称之为实验委员会,它包含一组工程师,他们会审核实验者在做实验前提交的一个轻量级的checklist,checklist中问题包括:

    • 基本的实验特性(比如,实验测试什么?它们的假设是什么?)

    • 实验的建立(比如,要修改哪些参数,每个实验或实验集合分别要测试的是什么?在哪一层?)

    • 实验的流量分配和触发条件(比如,使用什么分配类型和什么分配条件,在多大比例的流量触发实验)

    • 实验分析(比如,关注哪个指标?实验者要检测的指标敏感度是什么?)

    • 实验规模和时间跨度(即保证,给定一定的流量,实验是有足够的统计量来检测指标敏感度)

    • 实验设计(比如,是否要用预时期和后时期来保证,是否反事实日志正确被记录等等)

    初次使用的实验者会通过这些问题学习合理的实验设计和实验样本量,并了解实施一个实验背后的技术细节。有经验的实验者仍会发现checklist仍是有用的。不止于此,这个方法可以将所产生的更好的实验实践传播出来(比如,产生了新的工具来促进实验,产生了新的评价指标,等等),这个checklist是一个web应用,web应用对于存档和教育都是有用的,教育作用体现在实验者可以阅读以往的checklist来理解相关信息。

    Interpreting Data

    另一个过程是讨论会,实验者们带着他们的实验结果与专家进行讨论,讨论的目标是:

    • 保证实验的结果是有效的。在有些时候,即使有实验委员会,但在实际的实验上出错了,或是有一些意外发生,在这些情况中,讨论会中的讨论就像是一个debugging的过程,有完整的开发,日志,实验架构,指标,分析工具的专家集合是解决问题的关键。

    • 有了有效的结果后,要保证对指标集合做整体的观察,以理解实验结果到底如何,其它划分数据的方法或是改变指标也许可以更进一步理解实验的影响。一些实验很复杂,需要实验者追踪地进行几次。

    • 有了完整的结果集合,讨论并决定整个实验是一个正影响或负影响的用户体验,有了决定后,决策者可用这个数据(结合策略和战略信息)来决定是否要发布这个实验,或提出可能的改进建议,或是放弃。

    讨论会对实验者是一个学习如何理解实验结果的有益之所,有经验的实验者通常不会犯以前犯过的错误,并可以预期要得到完全理解的实验结果,需要什么数据。讨论是开放的,将来要进行实验的人,可以参加以了解运行一个实验需要了解什么。实验都会记录,我们就有了一个知识库。

    Result

    我们在2007年3月部署了我们的重叠实验架构(以有很多工具和处理预时期和后时期的架构发布),最终衡量我们整个系统成功的指标是我们在运行更多的实验,更好地运行,更快得到结果的能力。

    More

    我们可以用几个标准来判断我们是否成功地运行更多的实验,在一个时期上一共运行了多少实验,这些实验中有多少发布了,有多少不同的实验在运行实验(见图5)。要说明的是实验的数目包含了对照实验的数目。对于运行实验人数,一些实验是有多个拥有者的(比如,如果某人离开城市或发生了事),或是将团队邮件列表中的成员也认为拥有者。不幸的是,我们无法轻松地知道有多少拥有者是非工程师,但有意思的是,非工程师的数据是在增加的,对分布层的数量,我们只计算了使用重叠架构的发布层的数量。在重叠实验之前,我们用其他的一些机制发布实验,但它们的频率在下降。在所有的图中,y轴上的数据出于保密的原因隐去了(它们是线性比例),但从趋势上可以明显地看出,我们系统支持了指数级增加的实验,发布,实验者。


    图五:实验,拥有者,发布数量在时间上的趋势图

    Better

    另一个衡量我们整体系统工具和系统的指标是判断是否比以前运行实验更好,于此我们仅有耳闻,没有实际的数据,但我们是实验委员会和讨论组的成员,我们见过这个系统发布前后的许多实验情况,我们观察的结论是:

    • 错误配置的实验变少了,尽管我们仍偶尔会遇到日志的问题(反事实)或是诡异的错误/失败情况。

    • 被遗忘的实验变少了(比如,有进行了实验,却之后忘记了分析实验)。

    • “究竟你是用什么指标衡量CTR的”或是“你用的是什么过滤器”的讨论减少了,有一个权威的分析工具,讨论的重点现在仅在于对指标进行解释,而不是确保指标的定义和计算都是合理的。

    • 更好的合理性检查,比如有预时期来确保实验所用的流量是没有问题的。

    显然理想的结果是上述问题都不存在,但是考虑到我们有更多的实验者,而上述问题即在下降,这已经是一个不错的结果。

    Faster

    最后的一个衡量我们系统成功的指标是我们是否最终更快地得到数据,并更快地做出决策,对于速度,我们还是没有具体数据,但我们可以讨论对实验速度的观察,实验可以分解为下面几个阶段:

    • 实现一个新特性并对它进行测试,这阶段现在是最慢的,所以我们还建立了其它工具(不在本文范围)来加速创建和测试原型(比如,将下面两个步骤分离:建立可实验的版本,和正式可发布版)

    • 对这个实现的特性创建一个新的实验,这个阶段要花几分钟或几小时来创建,取决于参数的复杂性,和一个少的可以忽略的提交前的检查时间(几秒到几分钟),创建时的review时间同样很短,数据推送的时间取决于二进制,时间在1-2小时(包括灰度测试时间)到半天。

    • 运行实验的速度取决于实验的规模和实验要运行多久才能得到想要的统计显著值。我们在实验开始后的数小时就通常就可以对实验的效果有大致的了解。实验总的时间跨度取决于:实验所需要的迭代次数,规模,和紧急性,等等。

    • 分析实验的时间长短也不一定。在很多情况下,不需要自定义的分析方法,或是只需要对分析工具进行很小的扩展。在这些情况中,分析速度通常很快(数天)。但在其它情况下,需要自定义的分析方法分析的时间的长度就不一定了。

    概括才言,当前的耗时点有:实现一个实验,在预时期的运行时间、自定义分析。这些耗时点是我们努力解决的点。

    Conclusions and future work

    在本文中,我们描述了重叠实验架构、相关工具和教育过程来以进行更多实验,更好且更健壮的实验,和更快的实验。我们并给出了实践中我们的工作的结果:更多实验,更多实验者,更多发布,并更快速且有更小的错误了。虽然实际的实现是针对Google,但关于设计的讨论对于任何想收集统计数据评估变化的公司都是适用的。

    下面是几个我们要继续改进我们实验架构的方向,包括:

    • 提供加速实验新特性的方法和推动一些特别的实验(不是通过参数表达的实验)。

    • 突破一个实验参数被限制到一个层的规定。特别是,对于数值参数,我们添加了运算操作(比如,乘,加),它们是可传递的,也就是可组合的。有了这些操作符,我们可以在多个层用同一参数,只要实验(s)都只是指定对默认值的操作,而不是覆盖默认值。

    • 有的时候我们需要在很小的流量切片上运行实验,比如小语种上(比如乌兹别克语,斯瓦希里语,译注:斯瓦希里语是当今非洲最常用的语言之一)。在这样的小的流量切片上进行实验,通常很难在一个合理的时间范围内有足够大的规模得到统计意义上显著的结果。

    • 继续提供更多新的分配条件(和相关的验证,以保证健壮性)以更好地对实验空间使用支持,等等。

    我们将继续对实验进行创新,因为实验越来越多,用数据驱动的决定越来越多。

    感谢:很多参与了本文的工作,并没有以作者的身份出现。下面下一个不完全的参与者名单:Eric Bauer, Ilia Mirkin, Jim Morrison, Susan Shannon, Daryl Pregibon, Diane Lambert, Patrick Riley, Bill Heavlin, Nick Chamandy, Wael Salloum, Jeremy Shute, David Agraz, Simon Favreau-Lessard, Amir Najmi, Everett Wetchler, Martin Reichelt, Jay Crim, and Eric Flatt。Robin Jeffries, Rehan Khan, Ramakrishnan Srikant, Roberto Bayardo,他们对本文提出宝贵意见。

    Reference

    展开全文
  • ”一次考试的超常不值得过分庆幸,一次考试的失误不值得过多自责,将来努力程度会冲淡这一切。但可怕的是选择了垃圾专业,南辕北辙,越是努力反而越失败。化学专业就是大学最垃圾的专业之一。 一、论化学学科的...

    作者:罗多克神射手

    往外看都是穷光蛋,往里看都是贪污犯:到底谁是精致的利己主义者?谁在贼喊捉贼?

    https://pic3.zhimg.com/80/a11111e280a3b0a56de2365f7108205e_hd.png

    提示:如果想更快地了解本文的核心思想,可以只看粗体部分。

    前言

    常言道:“男怕入错行,女怕嫁错郎。”一次考试的超常不值得过分庆幸,一次考试的失误不值得过多自责,将来的努力程度会冲淡这一切。但可怕的是选择了垃圾专业,南辕北辙,越是努力反而越失败。化学专业就是大学最垃圾的专业之一。

    一、论化学学科的地位:本不过是个二级学科,却鼓吹自己有和数学物理一样重要。

    数学研究分析代数几何数论概率、应用数学的广阔领域,生活中小到算账大到金融经济都要用数学。物理研究力热电光、理论高能凝聚态的广阔领域,生活中小到电灯大到机械建筑都要用物理。而化学呢?不管拥趸怎么吹捧,化学的研究范围是固定的:尺度上超出不了分子原子,作用力上仅有电磁相互作用;怎么能和数学物理相提并论?

    能量守恒定律提出的时候,焦耳、迈尔、亥姆霍兹等人指出,“这是一个适用于机械现象、电现象、热现象、光现象、化学现象的普适规律”。20世纪初,物理学家狄拉克有名言:“所有化学的基本规律都已经确定,今后的问题仅仅是怎样将规律应用于其复杂的体系中”;物理学家卢瑟福有名言:“自然科学只有物理,其他学科不过是集邮而已。”

    统计力学、量子力学和相对论的发展,已经彻底建立完成了所有可观测的化学现象的物理基础和数学方程。只要有拥有足够的计算能力和计算方法,求解薛定谔方程或狄拉克方程并结合统计力学就能精确预测宏观尺度下所有的化学反应。正如所言:“迄今为止,现代化学没有本质性的新发现,也不存在终极性的理论问题。化学仅仅是一门研究如何在原子分子尺度上利用现有物理规律而为人类牟取利益的应用科学;而理论化学的未来,需要在小数点后的数值上去寻找。”[1]上溯到基本规律,完全可以从物理学推导出来;下推到具体现象,完全可以在工业生产中总结。化学最大的理论进步推翻燃素说,在物理学里不过是非常平凡的一步。化学近10年内所有理论成果,比不上一个DNA双螺旋结构的确定。化学所有研究者的理论成果之和,比不上牛顿+爱因斯坦的几篇论文。

    二、论化学专业的理论:毫无章法,漏洞百出。

    如上文所述,化学专业根本不具备与数学物理并列的理论基础,只是由于历史遗留原因和一些应用性问题而暂时独立存在。然而化学专业的既得利益者千方百计否认这一事实,并大量发明新名词或剽窃物理为己有,以维持虚伪的独立性。

    1910年 范德华 荷兰 “关于气体和液体的状态方程的研究”

    1922年 尼尔斯•玻尔 丹麦 “他对原子结构以及由原子发射出的辐射的研究”

    1933年 埃尔温•薛定谔奥地利 “发现了原子理论的新的多产的形式”(即薛定谔方程)

    1945年 沃尔夫冈•泡利 奥地利 “发现不相容原理,也称泡利原理”

    这些都是物理学家的研究成果,拿的都是诺贝尔物理学奖,化学课本在使用时什么时候明确指出过他们的身份?整本物理化学结构化学里,几乎找不到一个化学家的名字,全部在抄物理学成果。而一旦脱离数理,化学理论就原形毕露,开始充斥着各种臆造和装腔作势。如:

    解一次方程组:“十字交叉法”“杠杆规则”。氮的电离能比氧大:“最外层电子层半满特例”。五价砷氧化性比五价磷强: “二次周期律”。四价铅没有二价铅稳定: “惰性电子对效应”。铍的性质跟镁不一样而跟铝一样:“对角线规则”。S4N4里不相邻的两个硫原子有相互作用:“次级键”。金也可以形成刚才两个硫原子那样的作用:“亲金效应”。

    更可笑的是,初中、高中、大学、研究生的名词系统各不相同,每升学一次就要换一次。如果再遇到新现象,就再发明一套名词来自圆其说,最后终于发明了100种理论解释100种现象。这就是化学“基础理科性普适性强”的特点?学习这一套漏洞百出的理论,到底有什么应用价值?到底能指导什么现实工作?

    面对这一现象,很多人痛定思痛,毅然彻底抛弃那套陈腐的体系,转而利用数学方法求解计算化学现象的物理方程,可以称为“第一类真正的化学工作”。然而他们触动了既得利益者可怜的自尊心和利益,受到各种冷眼和歧视,不但被排斥于“主流学界”之外,甚至连数学物理课程也不予初学者提供,以维持所谓“化学学科特色”——越虚伪,越特色。大部分化学专业学生接受了数年教育后,数学物理计算机水平反而越来越差,对微积分、线性回归甚至一些高中数学物理知识都一窍不通;化学专业是所有理工科专业里极少数考研不考数学相关学科的专业之一。

    三、论化学专业的实验和科研:以剥削廉价劳动力灌水论文为主业。

    没有理论,实践如何?这是化学专业既得利益者“引以为豪”的又一“学科特色”:又发了XX篇论文,让学校的武书连和QS排行榜排名上升了xx位。

    然而那就要问了,最近三十年生产了的数以亿计的海量化学论文,**每年消耗数以百亿计的经费,给社会创造了几个产值?**机械专业造出了发动机,土木专业造出了高楼大厦,电子专业造出了芯片,医学专业治病救人,文学艺术专业发表了可以阅读欣赏的作品。化学专业到底造出了几个对社会有实际作用的产品?是XX贵金属催化,还是XX纳米材料?放大量生产后还有可靠的生产效率吗?成本是多少?效益是多少?这些论文除了刷影响因子,到底对社会做出了什么贡献?

    在此需要指出,**化工专业和化学专业是不同的专业。**前者属于工科,以“三传一反”为主要研究内容。化工专业对数学物理知识的要求,比对化学知识的要求更多。化工专业也有很多问题,但时时刻刻以造出能应用于社会的产品为己任,不做虚假夸张宣传。

    至于化学专业具体的实验方法?是时候揭开那些花里胡哨的名词具体的内涵了:

    “新纳米无机材料合成”:把几种物质磨成粉,放到炉子里烧成块。再换几种物质,再烧一遍。重复烧约1万遍。

    “高通量筛选药物”:把三千万种物质穷举一遍,看哪个有药效。

    “使用了先进的xxx仪器”:花成百上千万买来一套机械、电子专业设计的仪器,用着二本计算机专业写的程序,点“开始”“结束”按钮,重复1万次。内部的仪器结构和原理一概不会。一旦仪器报错,立刻傻眼,只有请机械、电子、计算机专业的人来解决。

    是不是和你们印象中高端的科研形象相差甚远?对不起,**用花里胡哨的新名词把最低级的无脑穷举包装一番,是化学专业又一擅长的把戏。**没有狂拽炫酷的堆砌新名词和论文影响因子,怎么能拉来基金委拨款?怎么能招来新的劳动力因为“对科学的兴趣”加入无脑穷举的大军?至于到底能生产多少对社会有用的产品,“管我屁事,反正经费已经到手了”。

    不可否认,这些巨额投入和无脑穷举,或多或少也能出一些成果,可以称为“第二类真正的化学工作”。然而数以亿计的垃圾论文,有几篇能有成果?人类科技进步最关键的成果——蒸汽机、内燃机、电动机、半导体、核裂变、核聚变、宇宙航行、量子通讯、量子计算机,化学实验室贡献了几个?有物理及其衍生的机械、土木、电子、核工等工科的零头多吗?1945年诺贝尔物理学奖:泡利不相容原理的发现;1945年诺贝尔生物学奖:青霉素的发明;1945年诺贝尔化学奖:怎样储存饲料。这就是化学的“伟大”成就?

    更讽刺的是,作为“科学事业”的代表,化学专业打着“兴趣爱好”的旗号招揽学生,**然而一旦骗上贼船,为了论文和影响因子,就开始千方百计压榨学生,甚至比血汗作坊工厂更甚,强迫每周在有毒有害的环境中工作60-80小时且几乎不发工资。一旦稍有不从,立刻以不给发毕业证等方式要挟。**以下为两例,这可不是野鸡大学,是中国最高学府北京大学。

    (1)、

    https://pic1.zhimg.com/80/dfd491f5d2ca7d17f57ed124eb81d8a0_hd.png

    (2)、

    “舍友是北大化院大四的,最近一直早出晚归地待在实验室,甚至有一天凌晨三点多才回来,我就问他怎么这么晚才回来。

    舍友回答:「因为有一根柱子没过完。」

    我再问他:「那平时也是类似的工作吗?」

    他说是的。

    我知道过柱子是很搬砖的活:「我以为你们主要是想idea之类的,感觉这样才能体现未来PhD的价值嘛。」

    他说:「idea主要是老板来想的,我的大部分工作还是做实验。」

    我很疑惑地问他:「感觉你们学了那么多课程,应该属于脑力劳动者啊,像过柱子这种活完全可以招些工人来做啊,高中毕业培训个一段时间,专门来做实验,完成你们的idea多好。」

    他推了推眼镜,表示:「你真是too young too simple, sometimes naïve, 像这种工人,接触着危险化学品,有的有机蒸气很难保证不吸入,不怎么也得一个月给个1W多块钱吧?而且要是出现什么问题,那也算工伤啊,不得把学校赔死。」

    我很吃惊:「那你们做实验出问题难道学校不赔吗?」

    他说:「你没看BBS上那个帖子吗?有个叉院的PhD,在实验中眼睛被飞秒激光的散射光打中后永久性损伤,因为没有劳动合同,也不算工伤啊。」

    他忽然来了兴趣:「而且工人嘛,一周五天,一天工作8个小时,超时间了还要加钱,你看xx组,每周工作时间周一到周六,早九点到晚十二点,有毛线加班费。」

    我似乎懂了:「有道理啊, 那还不如多招几个PhD呢。」”[2]

    四、论化学专业的就业:垃圾中的垃圾。

    学的理论尽是毫无可推广性的故纸堆,做的实验尽是最低级最无用的无脑穷举,化学专业的就业可想而知不会有多好。然而事实可能比你想象的更可怕,化学专业的就业,比起向来被称为“冷门”的中文专业都不如!

    (1)

    北京大学(本科) >全校概况

    专业名称 类别 毕业五年平均月薪

    1会计学 管理学24153元

    2经济学经济学14605元

    3金融学 经济学13728元

    4计算机科学与技术 工学13294元

    5法学法学13237元

    6物理学 理学12887元

    7电子信息科学与技术 工学11853元

    8软件工程 工学10638元

    9生物科学 理学10401元

    10数学与应用数学 理学10300元

    11汉语国际教育 文学9927元

    12国际政治 法学9828元

    13化学 理学9749元

    其他各类学校,上到复旦大学、北京师范大学,下到各类二本,化学专业全部在最低20%。[3]

    (2)

    新京报快讯 今日上午,社会科学文献出版社出版的《2016年中国本科生就业报告》在北京发布。该报告由麦可思研究院撰写,针对2015年大学生就业情况,发布了就业率最高和最低的十大专业;并指出,应用心理学、化学、音乐表演、生物技术、生物科学、美术学等专业就业率低、失业量大,被评为2016年本科就业红牌专业。

    (3)

    根据学校官网数据,2015年北京大学化学博士应届平均年收入不足10万元,其中20%低于5万元。同年,北京大学计算机专业硕士应届平均年收入22万。

    如果不辅修、双学位或转专业,北京大学化学专业就业不如北京邮电大学计算机专业,普通211大学化学专业就业不如二本电气专业。

    几年学下来,数理计算机知识一塌糊涂,工科医学的实用技能一窍不通,人文素养遗忘殆尽,变成了一个人肉形状的实验机器。你的未来?对不起,既得利益者可不关心你这些,他们只关心又发明了多少新名词、拉来了多少经费。你的死活,who cares?

    五、驳斥吹捧化学专业的若干常见言论。

    1、“没有化学就没有钢铁”“你身体里进行的都是化学反应,没有化学你就不能活。”

    答:山顶洞人对化学一窍不通,难道山顶洞人没有消化功能?难道不会写三羧酸循环就不会吃饭了?中国人和欧洲人至迟在16世纪都有钢产品,化学“理论”建立于19世纪,请问到底是谁在指导谁?按此逻辑,你三岁的时候还没学过物理学,为什么会利用物理学的摩擦力走路?把“从研究对象中抽象出学科知识”和“用学科知识指导研究对象”这两者的先后顺序混淆,是吹捧化学专业的人最擅长的伎俩之一。

    2、“生物属于化学,化学属于物理,物理属于数学。”“物理研究宏观,化学研究微观。”

    答:首先,数学不属于自然科学,不能与任何自然科学发生包含关系,它是自然科学的工具和理论基础。其次,比化学宏观的物质属于物理学,比化学微观的物质(夸克等基本粒子)还是属于物理学,这就是“化学研究微观”?然后,生物属于化学?怎么用化学解释生态学和行为学?这些一厢情愿的强行“推理”,全是经不起推敲的自我安慰罢了。

    3、“遍地都是化工厂,比如中石油中石化,所以学化学有前途。”

    答:首先,化学不是化工,更不是石油工程。中石油中石化如果都招化学专业学生,那中国石油大学的学生到哪里就业?其次,遍地都是xx就意味着xx有前途?遍地都是生活垃圾,为什么你不选择捡垃圾作为有前途的专业?

    4、“诺贝尔是化学出身,所有诺贝尔物理学奖获得者的荣誉都拜他所赐。”

    答:菲尔兹有资格拿菲尔兹奖吗?诺贝尔有资格拿诺贝尔奖吗?命名锘(Nobelium)元素时国际上就已经明确指出,是为了“表彰诺贝尔作为科学实验的经费捐赠者”,而不提他的科学贡献,因为在19世纪璀璨的科学事业里那根本不值一提。北京协和医学院的建立、青霉素的发现、伤寒病的防治等工作都得到了洛克菲勒基金会的大力赞助,按此逻辑,是不是他们的成果和荣誉都该由洛克菲勒基金会代为领取?

    5、“中国学化学找不到好工作,到美国就能找到了。”

    答:如图为美国博士数量与教职数量增长对比图,其中化学、生物博士占美国博士约一半。你觉得好不好找?

    https://pic4.zhimg.com/80/ad5ed650b441a536fe0ac1cb90c191cf_hd.jpg

    6、“化学科研这么依赖智商的行业,凭什么不该让能力高的考生选择?”

    答:[4]

    https://pic1.zhimg.com/80/bc15e37d9ed107d8f11b471f26b06f44_hd.jpg

    7、“三十年河东三十年河西,过几年就振兴实业了,化学就好了。”

    答:即使中国不再偏重房地产而振兴实业,振兴的也是机械、电子、航天等工科和医学。最近三十年的海量垃圾化学论文,每年消耗数以百亿计的经费,给社会创造了几个产值?有几个造出了实际能用的产品?是XX贵金属催化,还是XX纳米材料?成本是多少?效益是多少?国家要不要权衡利害?把这个锅扣到国家头上,对不起,国家不背。

    8、“化学是我的兴趣爱好,为什么不能按照兴趣爱好选专业?”

    答:你喜欢的是化学,还是不学数学物理就能在同学面前无脑装逼的快感?区分二者很简单,把你送到 三(1) 所示实验室里,看你还有没有兴趣爱好?记住那是全国最高学府,你应该感恩戴德才对。

    9、“‘More Is Different’,所以需要化学。”

    答:不要以为只有你懂科学哲学。**弱层展论的前提是承认整体性理论的全局指导意义。**换言之,即使’More Is Different‘,化学和物理的关系也不过是机械、电子与物理的关系,根本没有与数学物理在理论上并列的资格。

    10、“你们在这里各种挖苦化学,不就是因为挣得钱少?”

    答:如果工资低就挖苦,那为什么不挖苦冶采轻纺农林文史哲?因为他们从来不说:“冶采轻纺农林文史哲是人类的中心学科”,从来不说“不学冶采轻纺农林文史哲的人,就是精致的利己主义者,就不爱科学。”工资低的行业很多,冶采轻纺农林文史哲,纯粹数学、理论物理、航空航天和核工也比较低,太多了,但很少有人黑,反倒敬佩他们能坚守寂寞。因为他们有自知之明,不把骗经费水论文吹成世界无敌的科研,有几斤干货招几个学生吃几碗饭,不像化学专业一样当了婊子还要立牌坊。

    11、“存在几百年的事物必然有它的道理,你一句话就否定掉了?三百六十行行行出状元,你是不是努力、学不好化学才抱怨?”

    答:卖淫嫖娼的历史恐怕比化学长吧?卖淫嫖娼有没有存在的道理?卖淫嫖娼出不出状元?为什么你不去卖淫嫖娼?其次,2006级国际化学竞赛4个金牌有3人放弃了化学工作转行从事数学、金融、计算机,学而思培优中放弃学业而宁可当中学老师的清北复交科化学专业学生有上百人,中国科学院大学2/3的化学专业转走至其他专业,2010年诺贝尔化学奖得主因无钱治病病死街头,世界排名第一的加州大学伯克利分校于2016年甚至因为经费不足企图成建制取消化学学院(作者注:本处改于20160627),他们是不是都不努力?是不是都学得不好?

    https://pic3.zhimg.com/80/bb082717953749dedad54246f8e0fb52_hd.jpghttps://pic3.zhimg.com/80/6ab71da73a5a9289fc1ee5c83cfe2b02_hd.pnghttps://pic1.zhimg.com/80/7729531d5f69a1d7b27a824137d23768_hd.jpg

    12、“张口钱闭口钱的,我们在谈论学科,你是不是庸俗?懂不懂情怀?”

    答:说的好,请先把所有化学教授庸俗的经费全部停掉,并让他们用情怀每周工作60-80小时。那些钱是属于国家属于纳税人的,每年上千亿,可以给家境贫寒的大学生提供很多奖助学金了。

    结语

    如果你是普通家庭出身,请优先选择工科、医学和经管专业;如果你确实热爱科研且家境富裕后顾无忧,请优先选择数学、物理专业或人文专业;化学专业是最迫不得已的选择。即使考虑了以上你仍然坚持己见执意选择化学专业,也要尽量选择北京大学(2016级及之后)和中国科学技术大学这样理念先进、基础扎实的化学专业,而尽量不要选择南京大学之流腐朽陈旧落后的化学专业[5]。如果不幸被调剂或当年误选了化学专业,请立刻考虑辅修、双学位或转专业,不要抱有任何幻想。你把自己当做科学的奉献者,可在既得利益者的眼里,你只不过是万千廉价炮灰的一员罢了,只要榨干最后一丝利用价值,是死是活都无足轻重,何况你的未来。

    引用来源:

    [1] https://www.zhihu.com/question/24308495

    [2] https://www.zhihu.com/question/22543002

    [3] 北京大学毕业10年就业去向统计,收入多少 – iPIN.com爱拼®为高考志愿导航

    [4] https://www.zhihu.com/question/40556452

    [5] http://www.360doc.com/content/14/0512/10/175820_376870037.shtml

    展开全文
  • 我是全网最硬核的高并发编程作者,CSDN最值得关注博主,全网最硬核的基于可视化的数据源数据异构中间件作者,也许现在就是,也是不久的将来就是,大家同意吗?
  • 为啥公司愿花更多钱从外面招人

    万次阅读 多人点赞 2016-03-21 07:26:22
    “美国做深度学习的人工智能博士生,现在一毕业就能拿到 200 到 300 万美金的年收入的 offer,这是有史以来没有发生过的。”  —— http://tech.sina.com.cn/i/2016-03-03/doc-ifxqaffy3552046.shtml ...
  • 但是在锁竞争比较激烈的场景,最有可能的情况是每次不同的线程来请求相同的锁,这样的话偏向锁就会失效,倒不如不开启这种模式,幸运的是Java虚拟机提供了参数可以让我们有选择的设置是否开启偏向锁。 如果偏向锁...
  • 作者:小傅哥 ... 沉淀、分享、成长,让自己和他人都能有所收获! 一、前言 ...同样是拿到了一本 谭浩强 的《Java 2 实用教程》,也同样一台笔记本电脑,和一个宿舍一张床。 说说我自己,刚上大一编程...
  • 毕业三到五年,别让“努力”毁了你

    万次阅读 多人点赞 2018-05-29 15:33:45
    毕业,就像一个大大的句号,从此,我们告别了一段纯真的青春、一段年少轻狂的岁月、一个充满幻想的时代,纷纷走向了社会。 刚毕业的时候,作为职场新人...小伙伴B已经在业内小名气,公众号、知乎、博客上粉丝众多...
  • 云存储云计算选择开源还是商业版

    千次阅读 2018-04-11 18:06:25
    现在市场上云计算架构可供选择,既成熟的商业版本,也基于开源的技术。 每个公司在面临存储运算瓶颈时,都会面临一番挣扎,本篇文章我们来调研梳理开源与商业版本的选择对比。 选择商用云平台还是选择...
  • 网上好的文章不少,但是水文更多,要学会辨别,文章注重质量而不是数量,一篇好文章的收获是非常可怕的。 8)文章也好、书籍也好,某个知识点看一遍不懂很正常,收藏起来多反复阅读理解,不懂的名词百度搜搜资料帮助...
  • 你好,我是程序员

    千次阅读 多人点赞 2021-02-21 15:38:43
    但是和以前不同的是,小时候长辈们只问大啦上啥,我们的回答从小学、初中、高中到大学,但是大学毕业工作或者读研的时候,就会问:你是学啥干啥的。我们往往会回答:我是学计算机的。 保守一点的亲友可能...
  • 什么是真正的程序员

    万次阅读 多人点赞 2020-10-16 10:18:10
    第一次翻译不妥,欢迎留言指正。 文章略长,但是耐心读完,你肯定会受益良! 第一章 (推荐看完整篇文章,再回过头看一遍第一章) 我非常幸运出生在一个电脑和电子游戏还没有普遍的时代。所以我可以和我的...
  • 职业规划-IT方向(超详细,超具体)

    万次阅读 多人点赞 2019-06-21 21:30:13
    虽然一鼓作气,再而衰,三而竭,但是学习和人的情绪都是有一个周期性的过程,是一个长久的过程。学会适当的放松,当信仰没电的时候,寻找一种方式充充电,然后告诉自己,我又满血复活了,就可以进入下一个周期了。 ...
  • 而屏幕方案,更多使用的是 LVGL 图形化框架,我也去适配了最新版的框架,里面其实很多显示触摸驱动都是已经写好了的,信手拈来使用即可。 对于屏幕方案这块,不得不佩服启明云端的8ms在线编辑UI,即可生成代码...
  • Java虚拟机对锁优化所做的努力 作为一款共用平台,JDK本身也为并发程序的性能绞尽脑汁。...因此,对于几乎没有锁竞争的场合,偏向锁比较好的优化效果,因为连续次极可能是同一个线程请求相同的
  • 考研杂谈一:计算机专业必要考研吗?

    万次阅读 多人点赞 2019-11-10 21:37:40
    同学私信我说,今年考研人数又涨啦、好多高校改成408了,我还要考研吗?结果聊着聊着发现,他根本不必考研…… 今天我们就来说说,如何判断自己是不是需要考研?结合本人的亲身经历及本科、研究生同学们的发展...
  • 作者:华为云开发者社区 链接:...· 工业制造:机器人代替工人在危险场所完成工作 ,在流水线上高效完成重复工作 更多精彩内容可以关注 华为云技术宅基地 编辑于 2019-01-23 作者:造数科技 链接:...
  • ​三分天下其一,鸿蒙OS全面介绍

    千次阅读 2021-05-20 00:27:45
    背景接触鸿蒙、华为,开放原子基金会一年了,看着这个系统的成长感觉很不错。这么多人在努力前行,我们在给朋友,客户介绍鸿蒙的时候也感觉强大的支撑力。这篇文章是我们最近对鸿蒙做了次深度...
  • 我是如何从月薪4500努力到年薪30W-上篇

    千次阅读 多人点赞 2019-12-13 17:43:19
    说一下我是什么时候来的上海,我是...工厂要求是要学生证的(ps:应该是为了方便结算收益控制人数),而我毕业几年当时是没有的,所以当时的一批学生是先安排好了,我跟另外两位滞留,当时就安排了一个保安的工作。 ...
  • IT职场法则七条——献给正在努力奋斗的你们

    千次阅读 热门讨论 2017-12-15 15:46:51
    现在很毕业生刚毕业就宣称自己 要8K ~ 12K 一个月,然后问技术又啥都不会,问他为什么想开这么高工资,直接一句话:现在的行情都这个价啊。 也许是我out了吧,哈哈,话题扯偏了,回归正题,职场规则。职场法则...
  • 此外,过去国产数据库跟海外的数据库还是存在较大差距,为了促进开发者们更多去了解数据库的内核,未来为我国的自研数据库、国产数据库培养相关人才,吸引众多开发者关注数据库内核技术、培养他们对数据库内核技术的...
  • 将来的开发道路

    千次阅读 2021-12-06 00:22:05
    将来的开发道路 ​ 最近看到大四的学长们,很多人都已经面临着找工作的艰难抉择了,作为双非一本院校的学生看到自己学校的学长学姐们找工作,艰苦万分,平时感觉挺好的前辈,结果前端开发的实习工资只有三四千,我...
  • 日常生活 之 哪些道理是你慢慢才明白的?

    千次阅读 多人点赞 2021-04-27 10:15:38
    今天给大家整理了一些生活小鸡汤,敲代码累了就来补补鸡汤呀。劳逸结合,打工人绝配! 1、后背,耳朵,脖颈,记住这三个部位。...我之前做过一套MBTI的恋爱性格测试题,里面模拟了个场景,从.
  • 外包公司能去吗?进了外包如何翻盘?

    千次阅读 多人点赞 2022-05-05 00:30:04
    现在网上整体对外包的评价其实是是比较差的,例如我随便找到的以下几个: 千万别去外包,去了毁终身 外包,狗都不去 珍爱生命、远离外包 当然也一些比较客观的评价,但是整体上来说还是差的评价会更多一点。...
  • 为了能够让更多的人了解和认识人工智能,本书从最为基础的内容写起,非常浅显易懂。为何人工智能会经历两次阴冷的冬天?为何我们可以相信其第三个春天?对于人类而言,此次春天到底是美好的希望还是巨大的危机?在读...
  • 因素分析模型解决方法Finally, all data were cleansed and ready to analyze. Andy started overenthusiastically to visualize the data to get a first impression of the data. He had many dimensions and ...
  • 《请停止无效的努力》读书笔记

    千次阅读 多人点赞 2020-02-09 15:15:34
    你能创造大的价值,离不开三大内在因素: 第一要素:知识和技能,位于冰山显露的部分,是非常显性,容易展示出来的; 第二要素:能力,比如:思考能力、人际交往能力等,需要通过仔细的行为观察才能看出,位于...
  • 避免使用空泛的字眼,而应该相当具体,甚至是有一说一,例如“招聘专员需具备明星气质,要不亚于珍妮·罗杰思。” (2)制定所有岗位的正式升职标准。要通过跨部门考核来决定是否提拔某个员工。组建评审委员会...
  • 随着后面,接触了很老板,员工,这些老板确实很重视研发,这些员工也确实有股份,部分不说财务自由,一年四五十万是有的,根据个人经历判断(有局限性):长沙本土关系型企业非技术老板,确实不怎么重视技术,忽悠...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 82,099
精华内容 32,839
关键字:

努力是为了将来有更多的选择