理論與工程
首先，小夕說一下自己目前對理論與工程的理解吧，這也是小夕當前研究理論和熟練工程時主要的出發點。（僅為個人思考，請勿當成真理
理論注重的是學科中各個知識點的大一統，將各種散亂的演算法、現象、技巧來歸結到一張大網中。這樣在新理論、新技術到來的時候，你可以很快的從這張大網中get到新理論、新技術的本質，並將這些創新納入你的大網，並且可以反思這張網，歸結出其中的規律或者疑問，以此為突破點來「靈光一現」出創新的idea，說不定就是一篇轟動學術界的**。
而工程，或者說用於實現想法的**，則是對某個理論點的細節化實現。雖然在理論上只需要幾個數學公式就描述清楚了，但是用**實現的話往往充斥著大量細節需要仔細斟酌，一不小心就是乙個bug。當然了，一些太過複雜的演算法，如最優化演算法，一般都在各種優秀的科學計算庫里封裝好了，調調api就可以了。但是每個工程總是有一些數學細節和小trick需要自己去實現或優化的。在工程裡遇到的問題，有時也可以抽象成理論，反思一下或許也是乙個改良模型的idea，發個小**也行呀。
然後，鑑於大家喜歡聽故事，就講講小夕自己的故事啦。
故事一小夕是在大二暑假的時候接觸的機器學習相關領域。在那之前，是移動計算特別火熱的時代，就像現在是個程式設計師都喜歡吹噓自己是做機器學習的一樣，那時候好像身邊的同學（當然包括小夕自己），都喜歡吹噓自己android開發/ios開發多麼多麼厲害，又上架了乙個ios應用賺了幾塊錢之類的。
小夕也有幸在那個時代啪了好多**（哪像現在，沒敲多少行**的就開始坐等幾天的模型訓練，然後改改引數，又開始坐等了），也因此熟悉了各類平台（linux、android、ios）。
然後那時候，形成的一種錯誤的思維就是「變成xx開發者/工程師無非就是將xx平台的api熟練一下，然後深入平台、框架的原始碼」，因此都快把數學丟乾淨了。
那時每天就是開腦洞，觀察生活，蒐集idea。然後借助xx語言在xx平台，甚至搬出微控制器，來實現這個idea。在這個過程中，小夕發現用**實現乙個想法的時間遠小於除錯自己的爛**的時間，於是紮進各種語言和平台的細節裡無法自拔。
故事二大二暑假，在機緣巧合下，被某個老師帶去做人臉識別了（那時候實驗室裡沒人知道深度學習是啥），然而小夕還是帶著舊思維去做，最終的結果匯報如下：
「老師，這裡我用pca做的，效果還不錯。但是我想試試svd。」
（然後老師很慈愛的在心裡默默說了一句「逗逼」。）
「小夕，你講一下這部分怎麼實現的」
「啊，好的。這裡用兩個for迴圈就可以了，第一層@#$%&，第二層#$%^&」
「停停停，別講這些細節，講原理」
「啊，好的。這裡就是先用那個***函式預處理一下，然後用這個svm函式訓練乙個模型，然後呼叫模型的predict這個api得到結果」
「停停停，講原理，講原理！你為什麼要用這個演算法預處理？你為什麼要用svm呢？」
「啊。。。因為我用了opencv裡其他完成這個功能的api，效果都沒這個好啊」
沒錯，這是很真實的一次開會的內容。現在每次想到都深深的尷尬。。。
那時候，深深的感覺到玩弄黑匣子的笨拙，就好像試圖用暴力法解決一切演算法問題一樣笨拙。
故事三然而，你們沒有想到的是，後來，小夕又矯枉過正了。在惡(chong)補(xue)了微積分、線性代數、概率統計後，一頭扎入機器學習和影象處理演算法無法自拔。以致於半年之內，除了用matlab練了幾個小demo外，絲毫沒有敲**。
然後，都是淚...現在真想回大學裡跟那位帶我做人臉識別的老師說聲謝謝。
正文走上正軌是在上研究生以後，深刻的認識到在這個研究方向上，理論與工程缺一不可。於是摸索出如下自認為比較舒服、效率比較高、不易造成理論或工程斷層的方法或原則：
除非工程任務壓得緊，否則在學習乙個新演算法/新模型時盡量先從數學角度理解透，納入理論的大網下，再去看形式化的演算法過程。
而形式化的演算法過程要盡量與數學過程對應起來，如果感覺斷層大，要盡量試圖找到斷層。如果實在找不出，或者精力少，則一定要記下這個斷層。
之後就可以用**去實現形式化的演算法了，在這個過程中，就不要再過多糾結它的數學原型了，而是要試圖從「感性意義上」去理解演算法過程，並且用**去實現這個感性的演算法過程。
如何成為真正的ERP從業者
的確，erp就是讓人費解的東西。1 erp行業 入門淺，靠積累。有很多人覺得進入erp行業很難，其實只要有電腦操作熟悉這個基礎，就可以入門了，現在的erp產品基本上都是選單式，操作越來越簡便，然後掌握企業的基本業務流程知識就可以了，你例如採購流程，銷售流程等等。從事國內軟體基本上可以這樣，國外的sa...
VR快速發展下，從業者如何把握機會？
美國科技部落格venturebeat週末刊登賽斯 沙赫納 seth schachner 的文章，分析了在虛擬實境快速發展的情況下，業內所面臨的機會，以及如何把握這些機會。沙赫納是資深的數字戰略和商業開發專家。近期，你可能已看到了大量的 報道 虛擬實境即將給各行各業帶來突破，無論是消費者還是企業。作為...
AI 從業者該如何選擇深度學習開源框架丨硬創公開課
正如程式語言一樣，深度學習開源框架同樣各有優劣和適用的場景，那麼 ai 從業者該如何有針對性地選擇這些平台來玩轉深度學習？本期公開課特邀了先後在谷歌 亞馬遜 微軟供職的機器學習科學家彭河森博士為大家講述 mxnet火了，ai從業者該如何選擇深度學習開源框架 彭河森博士親眼見證並深入參與了這三家巨頭布...