发表于

如果你在亚马逊搜索java相关的书，本书排名是非常靠前的，豆瓣的评分也很高。刚好我最近忙找工作，也需要复习并发相关的技术，所以果断买之。

书并不厚，但是知识量却非常的厚道，基本上对并发编程涉及到的规范、原理、设计模式、基础类库都进行了系统全局性的说明，并同时附带非常有代表性的代码辅以理解。即使是不使用java的工程师，也可以从本书中学到独立于java之外的并发编程思想和范式。这本书我仔细看了两遍，甚有收获，将相关笔记整理成文。英文电子版

阅读全文 »

发表于

最近在复习并发编程相关知识，顺带着就学了下python的协程，觉得值得写一篇文章记录下。

协程是一个非常有意思的概念，其设定非常类似于线程，不过比线程的调度更轻量。线程的调度依赖于操作系统，可以并发(parallelism)执行；协程由应用层调度，并不会利用多CPU，其实质是在应用层维持运行队列，单进程并行(concurrency)运行。

那么协程为什么有用呢(至少在python中非常有用)，有几点原因：

  • 多I/O并发场景，可能并不需要太多CPU，但确会阻塞进程。
  • 在python中如果I/O多的场景，可以用多线程来实现并发，但众所周知，python的GIL使得多线程等价于单进程，只是不会阻塞主进程而已。
  • 而协程刚好满足了需求，即轻量，又不阻塞，又不存在创建线程的开销。
阅读全文 »

发表于

《淘宝产品十年事》这本书描写了淘宝发展背后的故事，以及决策背后的深层次思考。淘宝做为一款改变中国人生活方式的产品，其所属范畴已经不单是一款产品，而更是一种生态。也就可想而知设计这样的生态产品将会遇到怎样的复杂和困难。也许正如作者所写的那样，做产品往大了说，都是在阐释人性和哲学。

读完本书，我最先想到的就是《简约至上》中提到的乔老爷子的话：

乍一看到某个问题，你会觉得简单，其实你并没有理解其复杂性。当你把问题搞清楚之后，又会发现真的很复杂，于是你就拿出一套复杂的方案来。实际上，你的工作只做了一半，大多数人也都会到此为止。但是，真正伟大的人还会继续向前，直至找到问题的关键和深层次原因，然后再拿出一个优雅的、堪称完美的有效方案。 —— 史蒂夫 ∙ 乔布斯

我自己在做程序设计时也会有类似的感受。一般而言，写代码解决一个领域问题或者设计一个软件框架，要在第三次实现时才可以做好。前两次写的代码总会存在一些「不那么优雅」的地方，可一旦你对问题有了更深入的理解，就会发现最好的解决方案原来如此「优雅」（个人理解：优雅不代表就是简单，但一定需要清晰，简洁，有效）。

本书提到的案例和对应的解决方案，亦会让我想到乔老爷子提到的「优雅」之概念。书中提到的问题，很多看似简单，其背后却对应着非常复杂的需求，有些甚至是人性的博弈，而最后的解决方案却又优雅有效。看完本书，重新复盘个中案例还是很有意思。所以我将个中我感兴趣的案例，按我个人理解的逻辑重新整理了一遍，分成下面几个部分：

  1. 调动积极性。
  2. 灰度测试与可用性测试。
  3. 规则可解释。
  4. 分层设计。
  5. 数据的价值。
  6. 集权与放权。
  7. 墨菲定律。
阅读全文 »

发表于

之前学完了Coursera - Andrew Ng - Machine Learning课程，受益匪浅，对machine learning的很多概念和实际应用有了更深入的理解。不过这个课程时间已经比较久了，那时ml的应用情况和现在应该有了天壤之别，所以内容上有些滞后。不过入门学习的话，还是推荐看一遍该课程。至少与我个人而言，觉得教的非常好，学习内容放在博客中。

Andrew老师最近创办了deeplearning.ai，主页上目前的内容是关于deep learning的课程。课程内容还是放在了Coursera - Andrew Ng - Leep Learning，所以继续学习，记录，总结。

又及，网易云课堂上有免费的专业课，一样的课程，而且上面字幕是中英对照的，看起来比较舒服，但我看了一会发现没有课后问题，也没有编程作业，所以还是转到coursera上学习。因为按我之前学习的经验，课后习题和编程作业非常重要，练习和编程实现可以极大地提高对知识的理解程度。（coursera上课程，7天免费，后面每月付费49刀。）

又及，deep learning课程要求不可以公开作业代码，包括上传到github，所以不整理代码了。😆

深度学习第一门课程: Neural Network and Deep Learning的学习笔记。

相关笔记：

  1. Neural Network and Deep Learning
  2. Improving Deep Neural Networks
  3. Structuring Maching Learning Projects
  4. Convolutional Neural Networks
  5. Sequence Models

还有之前记录machine learning学习笔记

阅读全文 »