最近，一个研究生来面试，竟然连逻辑回归的算法都讲不清楚，这或许就是古人说的 “日用而不知” 吧，我想我们都不想只做一个 “调包者” ，而是成为一个 “明白人” 。 本场 Chat 我们以逻辑回归为切入点，从统计学基础知识，到线性回归、逻辑回归原理，公式推导，Python 代码实现，最后剖析一个业务模型等一系列步骤，配合大量图片及代码，来串起一条机器学习入门的基本线。 通过本场 Chat ，您将学习到以下内容： 1. 统计学基础知识，如方差、随机变量、概率密度函数、二项分布、泊松分布、大数据定律、正态分布、中心极限定理、置信区间等； 2. 简单直白地介绍线性回归、逻辑回归（直观、轻松感受）； 3. 线性回归推导，如极大似然估计；最小二乘法推导、梯度下降法推导及 Pthon 代码求解参数等； 4. 逻辑回归推导，包括逻辑回归成本函数；梯度下降法推导及 Pthon 代码求解参数等； 5. 构建业务模型，包括业务分析、数据清洗、模型训练、模型评估、保存模型、模型API、模型应用等； 6. 逻辑回归与 Softmax 区别及联系； 7. 总结。

做副业有非常多的好处： 1. 多赚点钱，提升生活品质； 2. 改善收入结构，应对收入见顶焦虑，增加财务自信； 3. 培养多元化自我价值； 4. 探索更多可能性； 5. 打造备胎，应对裁员等黑天鹅事件； 6. 掌控生活。 很多人都想做，却不知道该做什么、怎么做，因此我结合自身经验和对几十位程序员的访谈，总结出了8 种副业模式： 1. 教他人； 2. 给建议； 3. 帮人做； 4. 自主产品； 5. 中介模式； 6. 渠道模式； 7. 企业； 8. 会员。 学完本次 Chat，你可以结合自己的知识、技能、经验、人脉、资源，对照 8 种模式，找到适合自己的副业方式。

时间序列分析在数据挖掘与统计分析中具有举足轻重的地位，它帮助人们从已有的时间序列数据中挖掘规律、预测未知，尤其是在金融量化分析领域，这绝对是不可不提、不可不用的利器，他是一切模型和策略的构建基础。 在 Python 中，时间序列通常使用 0 Pandas 中的 Series 或 Dataframe 结构来表示，与一般数值型的 Series 或 Dataframe 结构本质上是一样的，但是有一个重要的不同之处就在于他的索引数据是时间类型的。 基于上述需求和特点，全文内容分为三大部分： 1. 首先学习如何利用 Python 有效的表示日期类型数据； 2. 然后聚焦日期型索引的表示和操作方法； 3. 最后详细探讨利用 Pandas 处理时间序列的核心技巧。

作为一个程序员，写代码是你工作中最重要的部分。在你的编程生涯中，你需要跟各种各样的代码需求打交道。每次需求都会迫使你做出艰难的决定。这都没有问题。作为一个程序员，这是所有人对你的期待：写代码。然而，这里有一个问题：你应该写出所有这些代码吗？ > 知道何时不写代码大概是一个程序员能学到的最重要的技能。——《编写可读代码的艺术》 编程的艺术就是解决问题的艺术。作为程序员当我们面临一个待解决的新问题时，我们会很兴奋。这些都没问题，因为我们是程序员，我们也爱写代码。 然而，对写代码过于兴奋会让我们变得盲目。我们会忽略一些重要的问题，于是就会产生我们不得不在未来解决的更严重的问题。 你编写的每行代码都是： - 需要被其他程序员阅读和理解的代码 - 需要经过测试和调试的代码 - 会增加你的软件- 中的缺陷的代码 - 极有可能会在未来引入新 bug 的代码 **那么，你如何知道何时不写代码吗？** Ps：这篇文章曾获 4300+ 赞 ------ 作者：Hüseyin Polat Yürük Medium 资深博主。一直在思考的开发者。创业者。持续写作的程序员。充满好奇心的学习者。乐于助人。简单的原则：一直向前 [http://huseyinpolatyuruk.com](http://huseyinpolatyuruk.com/)

低延迟与高可靠是交易系统的重要技术指标。以数据库为中心的分布式系统中，数据库缺乏一种很自然的水平扩展能力。 内存网格系统，相比于数据库系统在延迟上具有天生优势，Hazelcast 同时也具备非常好的线性扩容模型；另外其数据亲密性、一致性模型和远端执行等特性也很好的满足了我们的业务和 技术需求。 本场 Chat 基于 Hazelcast 在公司交易系统中的使用经验，简单介绍一下其几个非常有用的技术特性；

 **本次 Chat 主要内容：** - Hazelcast 是什么? - 特性一览; - 拓扑结构和数据分区; - 线程模型简介; - 数据亲密性和服务器端执行业务代码; ------- **作者介绍：** 吴一敏，资深开发工程师。任职于火币集团，10年 Java 程序员一枚，谈不上精通，不懂就学; 热爱 CI/CD，代码重构，IDEA 快捷键，单元测试等；读一些书，技术的育儿的社科的都稍有涉猎；

在今天这个版权意识和付费概念逐步深入人心的时代，想要把握住机会顺势而为，却不知该如何下手？ 辛辛苦苦写了一篇自认为干货满满的文章，却得不到市场的任何，订阅人数聊聊无几？ 看到别人随意发布一篇文章就能订阅上万，究竟是运气使然？还是有什么不为人知的技巧？本文将带你找到这些答案。 我是这个平台单篇文章订阅量第一的作者，远远超越第 2 名两倍有余，这背后究竟有什么秘密？本篇我将带领大家，解密爆款文章背后的故事，还有一些我的思考，也许刚好对你有用。 本次 Chat 你将获得： 1. 好的文章都有哪些共同的特质 2. 想要打造热门的文章该怎样筛选文章的主题 3. 怎样快速提升自己的写作水平 4. 怎么结合自身的优势打造爆款文章 5. 如何与行业的大 V 建立深入的连接 6. 如何让你的文章卖的更好

聊聊 JDK 源码，聊聊算法。 本场 Chat 主要内容： - 什么是选择问题 - 比较（Comparable）能力 - java.lang.Comparable 比较接口 - 数组排序 - 集合排序 - String 源码中的排序算法 - String 存储结构 - String 比较方法源码解析 - 常见字符 ASCII 码 - 弊端分析总结

在前面一篇 Chat 中，我们利用矩阵的特征值分解对数据进行主成分分析。这种方法有一定的局限性：即要求矩阵必须是方阵且能够被对角化。那么如果拓展到一般情况，对于任意形状的矩阵我们该如何处理呢？ 这篇 Chat 将介绍一个更通用的利器：奇异值分解。他可以对任意形状的矩阵进行分解，适用性更广。我们可以将特征值分解看作是奇异值分解的特殊情况，先从特征值分解的几何意义入手，然后从特殊到一般，在空间的背景下引导大家一步一步探索奇异值分解方法的推导过程，从头摸索一遍方法的来龙去脉，并具体运用他对数据进行降维处理。 全文主要内容如下： 1. 回顾特征值分解的几何意义 2. 探讨奇异值分解的具体实施细节 3. 从行和列两个维度进行数据压缩和矩阵近似 4. 利用 Python 进行奇异值分解

由于风控系统具有隐秘性，本次分享不具体探讨业务，主要聚焦在技术架构上，近年来风控相关的技术及框架层出不穷，填补了很多功能上的空白，再加上用户的数据关系越来越复杂且数据量庞大，催生出了很多现代化的需求，比如滑动时间窗口、自动识别风险及规则提炼等。 风控的技术挑战主要是低 RT（平均每个请求要在 100ms 内完成）、高并发（每天处理过亿的请求），解决这两个难题涉及到很多功能细节实现的优化，具体内容会在本次分享中跟大家一起探讨。 本次 Chat 主要内容： 1. 风控系统架构 2. 风控技术架构 3. 规则引擎实现细节 4. 怎样降低 RT 【彩蛋：交流期间，火币线上直招各路技术人才，高薪职位与你相遇】 ----- 作者简介：孙冶，火币研发中心风控组技术总监，曾就职于中旅银行、IBM，2018 年加入火币集团，主要负责风控系统、熔断系统、审计系统等建设工作。

前段日子我那尚在幼儿园的小弟弟拿着旧报纸上的一道迷宫难题来找我，要我帮他找出一条通路来，我看到题目的一瞬间我是懵逼的，那个迷宫之巨大，足足占据了三分之一的报纸版面，我苦思冥想，不停地动笔涂涂画画，总算是找到了一条弯弯曲曲的通道，可以联通两个出口。 回家后我就在想，报纸上只是单纯要找出一条通道罢了，那么如果给定 N 对对象，要我判断是否连通，那我岂不是得算到天昏地暗去了，于是乎兜兜转转地找到了一种算法——并查集。通过这个算法就可以帮助我们快速地判断两点之间是否存在通路。 通过本场 Chat，你可以收获到以下内容： 1. 并查集算法的基本思想及其原理实现与算法分析； 2. 并查集算法的进一步优化，改进算法的连接操作； 3. 带权的并查集算法实现及其思想； 4. 带路径压缩的带权的并查集算法思想及其实现。

在上次的《5 分钟入门 Python 协程》的 Chat 中和大家简单的普及了下 Python 的协程，但是因为篇幅有限只是简单的和大家普及了下协程的优势和使用场景。本文将从实用角度去写。我们用到是 Python 标准库的 asyncio 模块。 本场 Chat 将带着大家学习 asyncio 的一些使用方法，为后面的异步爬虫的编写做一个铺垫。 通过本场您将学到： 1. 什么是 asyncio 2. asyncio 中提到的事件循环、Task、Future、awaitable 都是什么 3. 如何去使用 asyncio 的一些方法 4. 学习异步编程风格 面向对象：本教程需要有一定 Python 基础的，喜欢异步编程和想学异步编程的同学。

Docker 可谓是开启了容器化技术的新时代，现在无论大中小公司基本上都对容器化技术有不同程度的尝试，或是已经进行了大量容器化的改造。伴随着 Kubernetes 和 Cloud Native 等技术和理念的普及，也大大增加了业务容器化需求。 而这一切的推进，不可避免的技术之一便是构建容器镜像。 在本场 Chat 中，会讲到如下内容： * 深入内部从根本上解释 Docker 镜像是什么 * Docker 镜像常规管理操作 * 如何构建 Docker 镜像 * 逐步分解构建 Docker 镜像的最佳实践 * 如何提升构建效率 适合人群： 对高效构建 Docker 镜像有兴趣的技术人员

在数据分析的过程中，我们会通过观察一系列的特征属性来对我们感兴趣的对象进行分析研究，一方面特征属性越多，越有利于我们细致刻画事物，但另一方面也会增加后续数据处理的运算量，带来较大的处理负担，我们应该如何平衡好这个问题？利用矩阵的特征值分解进行主成分分析就是一个很好的解决途径。 主成分分析是机器学习中的核心算法之一，本文将基于 Python 语言，为读者深入浅出的分析他的来龙去脉和本质内涵，相信读完此文，将扫清你心中的所有疑虑，今后在应用他解决实际问题的时候也能更加得心应手。 本文主要内容有： 1. 对称矩阵的基本性质 2. 对称矩阵的对角化与特征值 3. 数据降维的需求背景与主要目标 4. 主成分分析法降维的核心思路 5. 主成分分析的细节实现过程 6. 推广到 N 个特征的降维实现

本文适合 Android 应用开发人员，准备移植 C/C++ 开源库，以及对 NDK、JNI 感兴趣的人员。 学完此课程，你能够明白 NDK 都能做哪些事情，JNI 的底层实现原理，以及 C/C++ 和 Java 的相互通信，同时剖析编译机制以及相关进阶参考文档。 C/C++ 经久不衰，属于编程中底层核心语言。掌握此技术，对于 Android ，会有更加透彻的理解。 文章通过十九个小节，以原理+实例+思考的模式，由浅入深的一个个实例源码，带领大家掌握本课程内容。 目录清单： 1. 什么是 NDK 2. 为什么要用 NDK 3. NDK 编译出来的目标类型 4. NDK 下载 5. 写个 hello JNI 可执行文件 6. 文件解析 7. 写个 hello JNI 调用 so 8. Android Studio 写个 hello JNI 9. 目录解析 10. 流程分析 11. JNI执行调用流程 12. 添加一个新的方法 13. CMake 和 ndk-build 的关系 14. 使用 ndk-build 方案 15. 调试 C 代码 16. C 调用 Java 17. 参考文档 18. 异常分析思路 19. 延伸内容

你可曾想象过自己和吴彦祖一样帅？你是否想让身上的格子衫穿起来和吴亦凡一样有范？你是否想换下拖鞋但苦恼只有运动鞋？每天用水抹把脸就直接出门是不是越来越粗糙？偶尔穿套西装还被误认为改行做中介了，买个礼物送女友反而惹生气了...... 那你可能需要这场 Chat 👇 通过本场 Chat 你能获得： 1. 经典的格子衫该怎样穿出气质； 2. 有钱没钱都能买到合适的衣服； 3. 鞋子不是只有拖鞋和运动鞋，你还可以穿...... 4. 护肤其实一点也不贵也不麻烦，你只需保证这三样； 5. 送女友必备的“救命”礼物； ...... 适宜人群：扎克伯格们可能不需要了

将带你了解 TypeScript 基础知识，感受四季： 1. 基础类型和变量声明 2. 枚举 3. 函数 4. 接口 5. 类 6. 泛型 7. 高级类型 8. 迭代器 和 Generators 9. 模块 10. 其他

通过客户端远程操作其他电脑，关机，重启，注销等！是不是都很神奇？！这种正式软件常用于多媒体教学、远程协助、远程遥控设备等。这里我们通过案例，手把手一步步的实现整个过程，自己完成案例后，自然就不会再感觉神秘了！就像一层窗户纸，捅破了就“不过如此了”！ 本案例其实就是做复杂的远程控制软件的入门级别案例，通过好玩的远程控制效果实现，从而了解远程控制实现思路和原理。本 Chat 内容大纲如下： 1. 远程控制概念及原理介绍 2. UDP和TCP的特点及区别 3. Java Swing 实现远程客户端 4. 发送遥控指令，远程关机，重启，注销等 5. 遥控被控端的浏览器打开指定网页，计算器等软件 6. 远程让被控端鼠标失效几秒时间 7. 远程获取指定电脑信息等

本篇 Chat 从实践经验入手，让读者了解并掌握 Android 架构师的基本知识及需要掌握的技能。 成为一个 Android 架构师，需要从知识、技能、架构三个方向去修炼。本篇 Chat 先讲一下 Android 架构师需要具备的「技术深入能力」。 其他知识会在以后的文章中分享。 本文适合中高级 Android 开发，以及想突破技术瓶颈的工程师。 相信你的收获会非比寻常。

足球是世界上最火爆的运动之一，如何运用机器学习来预测足球比赛结果，是每一个足球爱好者所向往的！ 本场 Chat 适合有 Python 基础的机器学习初学者，我们带你一起熟悉机器学习的开发流程，帮你快速建立起自己的英超比赛预测模型！ 你将获取到如下内容： 1. 人工智能在线建模平台介绍； 2. 熟悉机器学习开发流程； 3. 熟悉 Python 数据挖掘库 NumPy、Pandas、Scikit-Learn 等开发库的基本使用； 4. 熟悉常见分类算法（逻辑回归、SVM 和 XGBoost）及其评价指标； 5. 部署完成一个属于自己的预测模型。

领域驱动设计战术部分，是一组面向业务的设计模式，是基于技术的一种思维方式，相对开发人员来说更接地气，是提升个人格局比较好的切入点。 该文章为战术模式的第二篇，重心讲解值对象模式。 值对象经常被掩盖在实体的阴影之下，但它却是非常重要的 DDD 概念。 值对象不具有身份，它纯粹用于描述实体的特性。处理不具有身份的值对象是很容易的，尤其是不变性与可组合性是支持易用性的两个特征。 通过本 Chat，您可以： 1. 理解值对象 2. 何时使用值对象 3. 实现值对象 4. 值对象建模模式 5. 值对象持久化 6. 值对象其他用途 7. 小结