这个世界唯一不变的就是变化

这几个月下来,逐渐认清一件事——这个世界唯一不变的就是变化。
开豪车的哥们儿消失了,一声不吭,不晒酒局也不赛马了。
5月初的时候,他试探性地发了条朋友圈:“有人喜欢吃小龙虾吗?十三香的,盱眙的,清蒸的……”
末了,还在评论区补充:“同城送达,价格美丽,龙虾我洗得很干净。”
做电影的朋友焦虑了几个月,坐不住了,把影院里的周边和爆米花拿出来卖:“赚十块八块也是钱,总比没有强啊,对吧?”
和设计师闲聊,姜姜说自己最近关了朋友圈:“我最近不刷了,太多微商广告了。”
过去晒首饰晒下午茶的姐妹,现在晒的是产品;过去业务忙得不停的前辈,闲赋在家种起了玉米。
“看到大家的近况,有些心疼,也有点焦虑。”
于是每个月的透支消费越来越少,存的钱越来越多。

2020年发生什么 任何事情都不稀奇

前段时间,维秘的英国公司宣布破产。
ZARA宣布关闭全球旗下1200家门店。
星巴克将在未来18个月内,减少400家门店……
很多耳熟能详的大公司,身陷旋涡,面临取舍。
洪流之下的个体,人生更是打了折扣。
全球上亿人负债,上万家公司倒闭。
每家公司关闭背后,都有成百上千的家庭陷入困境。
你呢,最近好吗?

菜鸟-高级测试开发工程师&技术专家-全球化物流中台

岗位描述
1.负责菜鸟全球化快递中台的交付质量,参与项目设计过程、制定并执行测试计划和测试策略,有效保证产品线质量;
2.深入理解业务,与开发和产品经理合作设计测试方案;
3.深入理解系统内部的设计原理,并能从测试的角度提供优化意见;
4.参与自动化测试、性能测试、持续集成测试,参与测试框架或测试工具研发和落地;
5.解决测试过程中的复杂技术问题;制定合适的质量技术发展规划,促进团队质量保障效率整体提升;
岗位要求
1.具有3年以上软件测试或开发经验,有主导大型项目测试的经验;
2.扎实的编程基础,精通Java,熟悉Web开发、分布式架构、消息中间件等技术;熟练使用linux操作系统,具有基本shell脚本编写能力;
3.熟悉软件工程、软件测试理论和方法,熟知相关的测试流程、测试文档规范和软件工程学原理,精通测试用例设计方法,能主动进行技术钻研;
4.具备技术创新意识,积极参与到产品的不断优化迭代中,并主动通过技术手段提升测试效率;
5.熟悉物流业务或者供应链管理产品测试开发经验者优先, 具有跨国团队合作经验者优先;
6.良好的英文听说读写能力,同时具备其他外语能力优先考虑;
7.工作认真负责,具备快速高效学习的能力;

联系微信: wubinaf

网红背后的营销

近年,带货主角,从传统意义的文体明星到各类网红。带货主角从营销学上说,都可以称为关键意见领袖—KOL(Key Opinion Leader,简称KOL)。

影响力不等于带货能力。从小红书到网络直播,KOL选对了么?

民用开放数据库

1 -Kaggle数据集

网址:www.kaggle.com/datasets

每个数据集都有对应的一个小型社区,你可以在其中讨论数据、查找公共代码或在内核中创建自己的项目。该网站包含大量形状、大小、格式各异的真实数据集。你还可以看到与每个数据集相关的“内核”,其中许多不同的数据科学家提供了笔记来分析数据集。有时在某些特定的数据集中,你可以从笔记中找到相应的算法,解决预测问题。

2 -亚马逊数据集

网址:registry.opendata.aws

该数据源包含多个不同领域的数据集,如:公共交通、生态资源、卫星图像等。它也有一个搜索框来帮助你找到你正在寻找的数据集,另外它还有数据集描述和使用示例,这是非常简单、实用的!

3- UCI机器学习库:

网址:archive.ics.uci.edu/ml/datasets.html

这是加州大学信息与计算机科学学院的一个数据库,包含了100多个数据集。它根据机器学习问题的类型对数据集进行分类。你可以找到单变量、多变量、分类、回归或者是推荐系统的数据集。UCI的某些数据集已经更新完毕并准备使用。

4-谷歌的数据集搜索引擎:

网址:toolbox.google.com/datasetsearch

在2018年末,谷歌做了他们最擅长的事情,推出了另一项伟大的服务。它是一个可以按名称搜索数据集的工具箱。谷歌的目标是统一成千上万个不同的数据集存储库,使这些数据能够被发现。

5 -微软数据集:

网址:msropendata.com

2018年7月,微软与外部研究社区共同宣布推出“微软研究开放数据”。

它在公共云中包含一个数据存储库,用于促进全球研究社区之间的协作。另外它还提供了一组在已发表的研究中使用的、经过整理的数据集。

6-Awesome公共数据集:

网址:github.com/awesomedata/awesome-public-datasets

这是一个按照主题分类的,由社区公开维护的一系列数据集清单,比如生物学、经济学、教育学等。这里列出的大多数数据集都是免费的,但是在使用任何数据集之前,你应该检查相应的许可要求。

7-计算机视觉数据集:

网址:www.visualdata.io

如果你从事图像处理、计算机视觉或者是深度学习,那么这应该是你的实验获取数据的重要来源之一。

该数据集包含一些可以用来构建计算机视觉(CV)模型的大型数据集。你可以通过特定的CV主题查找特定的数据集,如语义分割、图像标题、图像生成,甚至可以通过解决方案(自动驾驶汽车数据集)查找特定的数据集。

8-SofaSofa数据集:

网址:SofaSofa竞赛与数据集

SofaSofa上的朋友都知道吧

综上所述,从我所观察到的情况来看,越来越多的用于研究机器学习的各种数据集变得更容易获取,维护这些新数据集的社区,也将不断地发展,使计算机科学社区能够继续快速创新,为生活带来更多创造性的解决方案。

加州大学尔湾分校的公开数据库(这个是最全的!) UCI Machine Learning DataBase 

加州大学河滨分校的时间序列数据库 UCR Time Series Classification Archive

国家数据(咱们自己的) 国家数据

Kaggle数据竞赛 Kaggle数据集