导图社区 大数据工程师
- 56
- 2
- 1
- 举报
大数据工程师
大数据工程师、开发环境搭建是第一步，万事开头难，耐心配置好本地开发环境，也方便我们后续的学习，推荐两种配置组合。
编辑于2022-11-10 10:30:21
- 时间管理-读书笔记
时间管理-读书笔记，通过学习和应用这些方法，读者可以更加高效地利用时间，重新掌控时间和工作量，实现更高效的工作和生活。
- 设计史理解理论与方法⭐️（谢尔提·法兰2016）
本书是法兰教授的最新作品之一，主要阐明了设计史的来源、设计史现在的状况以及设计史的未来发展可能等三个基本问题。通过对设计史学科理论与方法的讨论，本书旨在促进读者对什么是设计史以及如何写作一部好的设计史等问题的深入认识与反思。
- 计算机组成原理
《计算机组成原理》涵盖了计算机系统的基本组成、数据的表示与运算、存储系统、指令系统、中央处理器（CPU）、输入输出（I/O）系统以及外部设备等关键内容。通过这门课程的学习，学生可以深入了解计算机硬件系统的各个组成部分及其相互之间的连接方式，掌握计算机的基本工作原理。
大数据工程师
社区模板帮助中心，点此进入>>
- 时间管理-读书笔记
时间管理-读书笔记，通过学习和应用这些方法，读者可以更加高效地利用时间，重新掌控时间和工作量，实现更高效的工作和生活。
- 设计史理解理论与方法⭐️（谢尔提·法兰2016）
本书是法兰教授的最新作品之一，主要阐明了设计史的来源、设计史现在的状况以及设计史的未来发展可能等三个基本问题。通过对设计史学科理论与方法的讨论，本书旨在促进读者对什么是设计史以及如何写作一部好的设计史等问题的深入认识与反思。
- 计算机组成原理
《计算机组成原理》涵盖了计算机系统的基本组成、数据的表示与运算、存储系统、指令系统、中央处理器（CPU）、输入输出（I/O）系统以及外部设备等关键内容。通过这门课程的学习，学生可以深入了解计算机硬件系统的各个组成部分及其相互之间的连接方式，掌握计算机的基本工作原理。
- 相似推荐
- 大纲
大数据工程师
数据分析大框架
知识点自检清单
数据自身的三大属性：直击数据本质，视角高屋建瓴
数据自身有哪些属性？
客观、量化、机器可操作
这些属性有什么用？
客观性：可以使统一认知，所有人看见数据就有相同的认知
量化：数据可以被计算
机器可操作：数据是唯一人和机器都能够读懂的事物
数据建设的七个层级：理清发展逻辑，建设商业智能
企业的数据建设要经历哪些层级/阶段？
凭感觉
刚开始企业规模很小时，数据量也很小，靠决策人的感觉去决定
看数据/图表
当公司规模慢慢变大时，数据就变得很多，数据的维度也变宽，这时候就需要图表更直观的分析业务走向
搭系统
当图表很多很杂时，不知道哪个指标才是更重要的，需要搭建系统来管理这些数据指标
建数仓
数据实在太多，普通的记账或者表格已经无法容纳产出的数据，需要数仓存储数据
中心化
企业拥有多个数仓，但是各个数仓的格式并不一致，导出或者导入会很麻烦，需要统一规格
智能化
企业发展到后期，拥有智能化就可以自动的帮助公司分析一些简单的数据
使用深度学习，机器学习训练模型，节省更多的人力
各个层级的区别是什么？
层级越高，对数据管理和使用更严谨，数据也会越多
为什么高层级的数据建设能更好地支持数据分析的工作？
因为层级越高，数据就越多并且越规范，就能更好的支持数据分析的工作
你所待过的公司在哪个层级？
无
数据分析的实际价值：全面认知价值，提升能力上限
数据分析对个人最大的价值是什么？
可以使自己更有效率，让自己有更多的核心竞争力
数据分析是如何帮公司创造价值的？
通过分析数据异常，挖掘数据价值，提出好的决策，增加公司的收益
为什么数据分析是我们这个时代科学技术进步的关键？
因为现在是大数据时代，万物都可以被数据化，我们通过对数据进行分析，查漏补缺，促进科学进步
数据分析的实现原理：知晓实现原理，扫清知识盲区
用数据解决问题和拍脑袋解决问题有什么不同？
数据解决问题可以使人更加信服，并且有依据；
拍脑袋解决问题大多是主观判断，不具备可靠性
数据分析流程中的第一步和最后两步是什么？
第一步：定义问题
首先要确认用户的需求，我们要解决什么样的问题
最后两步：得出结论和应用数据
在得出假设性的结论后，需要实际的业务来验证结论的正确性
数据分析初步得出的结论可以直接应用于实际业务吗？
我认为不可以，数据分析师应该对自己的结论负责，要对结论进行预测后再判断是否可以应用到实际业务
根据分析的目的不同，有几种分析？它们各自的特征是什么？
分析的目的
业务分析：关注数据和业务的关联性、映射关系和可解释性
建模分析：关注数据的整体特征
分析的种类
计算型分析
统计学
机器学习
逻辑型分析
归纳/演绎
思维模型
清洗数据后需不需要再做验证和确认？
需要，因为清洗数据后我们需要观察数据是否可用或者关键特征是否消失等因素
数据分析的能力范围：明确能力范围，做到有的放矢
企业在哪几个阶段最需要数据分析？
发展期
因为发展期公司的规模变化很大，数据也会越来越多，自然需要分析师来分析数据
稳定期
在公司的稳定期，需要在维持现有的公司规模和庞大的数据，并进行良好的管理
数据分析能帮企业解决怎么样的问题？
需要解决传统效率低下问题
解决公司数据隐患问题
分析师面对难以解决的问题时应该怎么做？
学习！学习！再学习！
数据分析的职业发展：摸清职业生态，指明职业方向
背指标的分析师和接需求的分析师有什么区别？他们长期的薪资发展谁更好？
背指标的分析师是对业务负责的，只有深入了解业务的分析师才是好分析师
接需求的分析师也是死板的，只是工具人
背指标的分析师薪资发展好
四种类型的数据分析各自的功能以及负责的核心指标有什么不同？你更喜欢哪一个？
增长分析（CPC）
负责更好更多地触达和传化用户
投放、广告、品牌、市场
用户分析（CRM）
负责用户生命周期的维护的变现
产品、活动、行为、画像
经营分析（ROI）
负责控制业务成本，分配预算和资源
利润、营运、人力、资产
战略分析（SWOT）
负责诊断内部问题，分析外部环境，为企业创新方向
环境、竞争、创新、金融
我更喜欢用户分析
数据分析职业发展共有几个方向？这几大方向的区别在哪儿？你更喜欢哪一个？
数据运营
根据数据调整业务策略并执行
数据工程
专门开发数据库等数据技术产品
数据分析
分析数据给出策略或结论
数据产品
专门设计BI等数据产品
算法工程
使用各类模型训练算法
数据科学
研究高精度算法和大数据算法
我更喜欢数据分析和算法工程
数据分析最热门的三个领域是哪三个？你自己感兴趣的领域有哪些？
内容
长视频
短视频
信息流
直播
生活
点评团购
外卖跑腿
智能出行
旅游酒店
电商
传统电商
直播电商
跨境电商
对内容更感兴趣
对数据分析的认识
上课前
认为数据分析就是对数据进行处理，然后分析数据的特征和异常，为公司创造新的利益
上课后
数据分析可以提高自己的效率
数据分析可以提高公司的效率
最大的不同
大数据工程师培养计划
阶段5：求职技巧
目标
建议
找好方向，尽早规划，最好有一年的时间准备
多看面经：https://cuijiahua.com/blog/interview/
多刷题，可以看 - 阶段2：巩固基础 - 部分的刷题笔记
面试做好录音，方便后续总结，回顾和优化
推荐网站
牛客网：https://www.nowcoder.com/
脉脉：https://maimai.cn/
阶段4：兴趣选型
学习目标
人工智能（90天）
知识
机器学习
数据预处理
数据清洗
数据变换
特征工程
特征选择
特征融合
算法模型
监督学习
分类
K-近邻算法
决策树
朴素贝叶斯算法
Logistic 回归
SVM 支持向量机
CART 分类树
Softmax 回归
回归
线性回归
局部加权线性回归
CART 回归树
集成学习
Bagging
Boosting
随机森林
AdaBoost
GBDT
XGBoost
无监督学习
聚类
K-means
层次聚类
DBSCAN
模型评估
准确率
召回率
P-R 曲线
ROC
AUC
MSE
深度学习
深度学习基础
预处理&数据增强
图像裁剪
中心裁剪
随机裁剪
随机长宽比裁剪
翻转和旋转
概率水平翻转
概率垂直翻转
随机旋转
图像变换
Resize
标准化
填充
灰度化
线性变化
放射变换
Tensor
层次结构
输入层
卷积层
标准卷积
空洞卷积
分组卷积
可变形卷积
可分离卷积
激励层
sigmoid
tanh
ReLU
Leaky ReLU
ELU
SELU
池化层
平均池化
最大池化
随机池化
全局平均池化
上采样层
双线行插值
转置卷积（反卷积）
反池化
全链接层
损失函数
zero one loss
cross entropy loss
mse loss
logistic loss
focal loss
center loss
wing loss
dice loss
hinge loss
arcface loss
优化算法
BGD
SGD
MBGD
Momentum
RMSProp
AdaGrad
Adam
其他
权重 w 初始化
零初始化
随机初始化
Xavier 初始化
He 初始化
预训练初始化
学习率 alpha 调整
指数衰减
根号衰减
分段离散衰减
手动调整衰减
后处理
分类映射
检测 NMS
··· ···
深度学习框架
Caffe
Tensorflow
Pytorch
Paddle
MXNet
学习建议
资源
视频
吴恩达深度学习：https://www.bilibili.com/video/BV1FT4y1E74V
吴恩达机器学习：https://www.bilibili.com/video/BV164411b7dx
MIT 线性代数：https://www.bilibili.com/video/BV1ix411f7Yp
PyTorch 快速入门教程：https://www.bilibili.com/video/BV1hE411t7RN
Tensorflow2.0 入门教程：https://www.bilibili.com/video/BV1Zt411T7zE
书籍
机器学习实战：https://book.douban.com/subject/24703171/
机器学习（西瓜书）：https://book.douban.com/subject/26708119/
深度学习（花书）：https://book.douban.com/subject/27087503/
机器学习实战（sklearn+tf）：https://book.douban.com/subject/35218199/
统计学习方法：https://book.douban.com/subject/10590856/
线性代数及其应用：https://book.douban.com/subject/1425950/
概率论与数理统计：https://book.douban.com/subject/2201479/
文档
Jack Cui机器学习实战
Github：https://github.com/Jack-Cherish/Machine-Learning
个人网站：https://cuijiahua.com/blog/ml/
Jack Cui深度学习实战
Github：https://github.com/Jack-Cherish/Deep-Learning
个人网站：https://cuijiahua.com/blog/dl/dl-basics/
竞赛
Kaggle：https://www.kaggle.com/
阿里云天池：https://tianchi.aliyun.com/competition/gameList/activeList
量化交易（60天）
知识
策略
双均线策略
海归策略
套利策略
多因子选股
新闻情绪因子
超平滑均线策略
配对交易策略
Alpha对冲策略
技术指标
MACD
EMA
BOLL线
收益分析
收益率
最大回撤
夏普比率
Alpha
Beta
学习建议
资源
视频
Jack Cui入门教程：https://www.bilibili.com/video/BV1Z44y1874X
文档
Github：https://github.com/Jack-Cherish/quantitative
聚宽社区：https://www.joinquant.com/study
书籍
富爸爸穷爸爸：https://book.douban.com/subject/27153484/
牛奶可乐经济学：https://book.douban.com/subject/3000997/
聪明的投资者：https://book.douban.com/subject/5243775/
打开量化投资的黑箱：https://book.douban.com/subject/10528799/
数据分析（60天）
知识
数据学科
数据学科环境安装
软件配置和使用
数值计算
数组创建
索引/切片/布尔查询
数组运算/变换
随机数操作
数值模拟项目
可视化
Matplotlib可视化
折线图
散点图
柱状图
直方图
箱线图
热力图
高级绘图
seaborn可视化
pyechart可视化
可视化项目
数据分析
numpy
pandas
数据分析流程
数据分析报告
文本分析
中文分词
关键词抽取
词云
中文情感分析
语义结构分析
文本分析项目
学习建议
资源
视频
数据分析自学课：https://www.bilibili.com/video/BV1ZM4y1u7uF
Excel教程：https://www.bilibili.com/video/BV11J411g7k4/
书籍
利用Python进行数据分析：https://book.douban.com/subject/25779298/
Python数据分析与挖掘实战：https://book.douban.com/subject/26677686/
资料
利用Python进行数据分析：https://github.com/BrambleXu/pydata-notebook
开源数据可视化分析工具：https://github.com/dataease/dataease
可视化工具：https://github.com/pyecharts/pyecharts
网络爬虫（30天）
知识
爬虫基础
数据抓取
静态加载（小说下载）
动态加载（漫画下载）
进阶体验（视频下载）
API 的使用方法
代理 IP
数据库
爬虫进阶
模拟登录
验证码识别
正则表达式
APP 爬取
爬虫高阶
Scrapy框架
分布式爬虫
逆向解密
学习建议
资源
视频
https://www.bilibili.com/video/BV1D3411q7GX
书籍
Python3网络爬虫开发：https://book.douban.com/subject/30175598/
资料
Github爬虫项目：https://github.com/Jack-Cherish/python-spider
Jack Cui网络爬虫入门：https://blog.csdn.net/c406495762/category_9268672.html
网络爬虫：https://cuijiahua.com/blog/spider/
阶段1：Python入门
学习目标
前期准备
开发环境搭建是第一步，万事开头难，耐心配置好本地开发环境，也方便我们后续的学习，推荐两种配置组合。
Anaconda+Jupyter：https://mp.weixin.qq.com/s/ghKGVutz9RQ4fMGJDHWtww
Anaconda+Vscode：https://www.baidu.com/s?wd=vscode%20anaconda
说明1：Anaconda管理python包方便，vscode适合喜欢ide风格的小伙伴，调试方便。jupyter适合喜欢轻便的交互式风格的小伙伴。两者都是我常用的搭配。
说明2：不推荐pycharm，太大，配置也相对麻烦，再找个激活码，折腾来折腾去的。
好记性不如烂笔头，学编程的过程中遇到的问题、学习的知识点、一些感悟总结，都可以记下来。
推荐软件 Typora：https://www.typora.io/
脑图工具 Xmind：https://www.xmind.cn/
推荐使用 Markdown 语法编写：https://www.runoob.com/markdown/md-tutorial.html
想学好编程就要勤动手，一定要多写代码，哪怕手打去抄代码也行，要一步一步尝试自己写代码，切记。
选视频和资料的小技巧：货比三家，看评论区，找一些经典、不过时的资料。当然，为了省事，可以看我下面的良心推荐。
初学编程，一丢丢基础都没有的小伙伴，入门可能需要一个月的过程，不要灰心，循序渐进，不要着急。
python编程基础（30天）
知识点
变量和简单数据类型
变量
数
注释
字符串str
列表list
元组tuple
集合set
字典dict
判断与循环
if/else判断
for循环
while循环
函数
普通函数
函数传参
作用域
闭包
匿名函数
生成器函数
装饰器
正则表达式
compile
match
search
文件I/O
文件读取与操作
open函数
指针
w/r/a/b各种模式的区别
with上下文语法
异常处理
数据存储
pickle模块
json模块
ini格式文件处理
csv格式文件处理
类
面向对象基础知识
面向对象的三要素
类和实例
类变量与实例变量
类方法与静态方法
访问控制与属性装饰器
继承与多态
面向对象高级知识
属性查看
实例化、可视化和hash
运算符重载
容器化
反射
上下文管理
描述器
模块化
模块导入
打包分发
学习建议
资源
视频
零基础入门学习Python：https://www.bilibili.com/video/BV1xs411Q799
书籍
Python编程，从入门到实践（第2版）：https://book.douban.com/subject/35196328/
文档
菜鸟教程Python：https://www.runoob.com/python3/python3-tutorial.html
廖雪峰Python：https://www.liaoxuefeng.com/wiki/1016959663602400
阶段2：巩固基础
学习目标
计算机基础（30天）
知识点
操作系统
进程、线程
进程 / 线程间通讯方式
进程调度算法
进程 / 线程状态
死锁
内存管理
计算机网络
HTTP / HTTPS 协议
网络模型
UDP / TCP 协议
网络安全
域名解析
学习建议
资源
视频
计算机科学速成课：https://www.bilibili.com/video/BV1EW411u7th
计算机网络微课堂：https://www.bilibili.com/video/BV1c4411d7jb
清华操作系统原理：https://www.bilibili.com/video/BV1uW411f72n
书籍
操作系统
操作系统真相还原
深入理解计算机系统
现代操作系统
计算机网络
图解TCP/IP
图解HTTP
计算机网络-自顶向下方法
数据结构与算法（30天）
知识点
时间 / 空间复杂度分析
数据结构
数组
字符串
队列
栈
链表
集合
哈希表
二叉树
算法
排序
双指针
查找
分治
递归
回溯
动态规划
贪心
位运算
DFS
BFS
图
学习建议
资源
在线教程
Leetbook：https://leetcode-cn.com/leetbook/
刷题网站
Leetcode：https://leetcode-cn.com/
牛客网：https://www.nowcoder.com/activity/oj
刷题笔记（我的珍藏）
https://mp.weixin.qq.com/s/cb2BdbmjEHw_Pr2WLrpRug
https://github.com/Jack-Cherish/LeetCode
https://cuijiahua.com/blog/2018/02/basis_67.html
书籍
算法图解（适合入门）：https://book.douban.com/subject/26979890/
剑指 Offer：https://book.douban.com/subject/27008702/
数据结构与算法分析：https://book.douban.com/subject/1139426/
视频
浙大数据结构：https://www.bilibili.com/video/BV1JW411i731
leetcode真题解析：https://www.bilibili.com/video/BV1a54y1b74k
阶段3：开发基础
学习目标
Git（3天）
知识
工作区
分支
代码提交、推送、拉取、回退、重置
分支操作
代码合并、解决冲突
标签
cherry-pick
学习建议
资源
文档
GitHub 官方文档：https://docs.github.com/cn
菜鸟Git教程：https://www.runoob.com/git/git-tutorial.html
廖雪峰Git教程：https://www.liaoxuefeng.com/wiki/896043488029600
视频
5h打通Git全套教程：https://www.bilibili.com/video/BV1vy4y1s7k6
游戏
Learning Git Branching：https://learngitbranching.js.org/?locale=zh_CN
Linux（7天）
知识
Linux 系统安装
环境变量
文件管理
用户管理
内存管理
磁盘管理
进程管理
网络管理
软件包管理
服务管理
日志管理
Linux 内核
常用命令
常用环境搭建
Shell 脚本编程
VIM 的使用
学习建议
资源
视频
2021 韩顺平 一周学会Linux：https://www.bilibili.com/video/BV1Sv411r7vd
书籍
鸟哥的 Linux 私房菜：https://book.douban.com/subject/30359954/
文档
Linux 工具快速教程：https://linuxtools-rst.readthedocs.io（基础、工具进阶、工具参考）
菜鸟Linux教程：https://www.runoob.com/linux/linux-tutorial.html
社区
Linux 中国：https://linux.cn/
工具
Linux 命令搜索：https://wangchujiang.com/linux-command
Linux 命令大全手册：https://www.linuxcool.com/
MySQL 数据库（7天）
知识
基本概念
MySQL 搭建
SQL 语句编写
约束
索引
事务
设计数据库表
性能优化
学习建议
资源
视频
老杜 - mysql入门基础 + 数据库实战：https://www.bilibili.com/video/BV1Vy4y1z7EX（较新、内容相对精炼，有习题）
书籍
高性能MySQL：https://book.douban.com/subject/23008813/
在线练习
SQL 自学网：http://xuesql.cn/
SQL 在线运行：https://www.bejson.com/runcode/sql/
文档
SQL 菜鸟教程：https://www.runoob.com/sql/sql-tutorial.html
MySQL - 菜鸟教程：https://www.runoob.com/mysql/mysql-tutorial.html
你有数字化思维吗？
7.思维一定要开阔，大部分人都是为了赚钱，上班也只是其中一种，你只要能找到你的兴趣点，产生价值，找到合适的用户，把价值交付给他，他就会给你回报；所以你要思考的是什么有价值，你能提供什么价值；你服务的用户在哪？
6.要不停的进行“反脆弱”能力的锻炼，所以在尚有选择的时候进行练习，不要锁定在我只能做技术，只能做什么等，其实你可以不停的尝试，如写作，营销，演讲，抖音等，都可以尝试，有可能将来在你附加的点上做成一个成功的事业；
5.在生物的进化论里面，能够长期生存的不是最强，也不是最大的，而是能够适应环境变化的；所以公司大也不一定就能不倒，公司小也不一定就不能存活；个人生活也是一样；
4.个人及公司一定要将自己变成轻资产运作，现在的大环境不稳定，资产要随时能够变现，现金流才是生存之道；
3.在数字化时代，如果你还是靠囤货来进行营销，而不是通过数字化精准营销，那你的风险就会很大，当别人的产品能通过精细化的生产和控制库存来进行快速迭代，根据用户的需求进行快速改进产品，在市场上将会优先获得青睐；
2.公司及个人在做一些事情的时候，一定进行商业化的思考，一定要思考你的盈利点，你的成本，你的运作模式，你的现金流，你的时间成本，你能给用户带来什么，你是否真正满足了用户的真正核心需求；还有你的营销模式，你是采用传统的渠道销售，还是采用电商，还是采用新媒体销售等，要通过产品的特性，用户群体进行详细分析；
1.数字化转型是目前的大趋势，大小公司都需要进行，未来是数字化的世界，数字化是继“电”，“石油”之后有一基础生成资料；在竞争趋于白热化的市场，传统的生产模式已经逐步硝烟殆尽；传统公司生存之艰难；所以要利用互联网数字化带动新一波的消费，业绩增长是必要的事情；抖音可以理解为是个人营销数字化例子；
后续思考：
数字化转型的核心并非“数字化”，而是“转型”，是以数字化的能力和思维驱动公司转型
17.核心思想：数字化转型主要的不是“数字化”，而是转型
16.基于上述原则再上升一层则是“思维”层面的认知。传统行业更多秉承的是工程思维和营销思维，工程思维更关注的是生产过程本身，而营销思维则关注单点的销售突破。因此传统行业总体上是以将产品“做出来”和“卖出去”为目的来思考问题的，而数字化的标杆——互联网公司则秉承的是场景思维和运营思维。场景思维关注用户为什么要用产品，以便于反推产品应该做成什么样子，而运营思维则关注长期的用户价值。因此互联网公司总体上是以促使用户将产品“用起来”和“持续用下去”为目的来思考问题。
15.“用户”和“需求”两者向上支撑“原则”这一层。具体来说，我们在策划一个数字化产品的过程中，要遵循如下原则：
要针对用户模型去思考问题，即便有一些用户个体提供了明确的反馈或建议，也应该还原到用户模型的角度来思考是否支持，以及实现方式。
要关注用户体验，即关注用户在产品使用过程中的主观感受，优秀的数字化产品不但可以解决用户的问题，而且应该让用户顺畅、开心地使用。
要明确数字化产品和用户之间是合作关系，而不是传统的甲乙方关系。这意味着一方面产品并非被动地为用户服务，而是要与用户共赢；另一方面则对产品经理提出了更高的要求，在做任何决策时，他们都需要权衡考虑用户、市场和自身目标三个因素。
要理清用户场景。优秀的数字化产品基于场景思维构建，为用户提供强大而复杂的功能体系往往不是好的选择，在适当的时候为用户提供合适的功能，解决问题但不添乱是更好的方式。
要有迭代的思维。数字化产品不可能一蹴而就，基于数字化的技术能力，更适合的研发方式是“小步快跑，快速迭代”。先构建一个基础可用的版本验证价值，再慢慢完善产品，往往可以得到更好的结果。
最后，数字化产品的盈利模式多种多样，并不一定要直接售卖。作为决策者，应该结合产品的大方向，合理组合盈利模式。这同时意味着一定程度上的“延迟满足”，通过更好的服务用户来换取更大的商业价值。
14.如果目前我们面对的是一个成熟期、充分竞争的市场环境，则应在确保将用户价值层面做到合理程度的前提下，重度投入用户体验
13.如果目前我们面对的是一个早期的、非充分竞争的市场环境，则应该将大部分资源放在用户价值上，以便迅速抢占市场
12.一个典型的用户体验地图，可以包括用户需求、阶段、行为、接触点、感受、情绪、痛点、机会点这几个部分
11.对于数字化产品来说，MVP的具体形态其实不一定是一个开发好的产品，只要能够达到验证价值假设的目的，它可以是任何形式。
10.敏捷开发的思想来做产品规划，可以分为4个步骤：
第一步，罗列功能。基于公司战略和产品的大方向，以及各类调研、分析、反馈和数据会产生很多需求，每一种需求可能都要对应一种到多种的具体功能才能够实现
第二步，功能分类
第三步，排优先级
第四步，版本规划
书名：
《数字化思维：传统企业数字化转型指南》【刘涵宇】
笔记记录：
1.传统企业产品实现商业的路径：
1).先进行设计-生产-销售，其对于公司的商业价值产生在销售环节，只有在用户认知使用完产品后产生商机价值；
2).对于商家来说是工程设计，市场销售；对于用户需要换货或者退货路径麻烦；对用户实际使用中的核心需求关注度低；
3).用户在使用后才产生商业价值，导致产品可能会满足众多大众需求，导致产品大而不好用；为了迎合市场，商家需要在生产材料端，渠道端进行斗争，进行成本压缩；导致营收降低或者质量降低；
2.互联网企业实现商业的路径：
1).互联网企业的路径是研发-使用-转化；
2).互联网企业更关注的是用户的使用，以用户为中心，不断加强运营，在合适时进行用户转化，用户的认知在商业价值产生之前；方便商家提取用户的核心需求，进行快速改进迭代产品；
3).相比传统企业，互联网企业更关心在运营阶段，而非传统的销售阶段；
3.场景思维与运营思维的重要性
第一，对于更加成熟的市场、更长远的发展，以及对用户要求越来越高的现实趋势来说，场景思维和运营思维更能适应成熟市场的大环境。
第二，如果你主观上真的希望深入思考数字化转型战略，包括深度地研发互联网产品开拓线上业务、建立并完善互联网团队，甚至希望优化公司业务、“颠覆”行业的话，就必须深入理解场景思维和运营思维，适当弱化甚至放下工程思维和营销思维，理解互联网的方法，才更有可能做好数字化转型工作——至少在当下是这样的。
4.完全不重视数据，你会失去一个数字化时代的重要武器；但不求甚解地对待数据，只从字面意思简单理解，甚至人为地干预数据的客观性，则会得不偿失。
5.能进行多节点网络自扩展的公司即是互联网公司。随着连接的节点越来越多，在某个点将会成指数增长。-如微信。实现商业价值的路径更多更强壮。
大方向上可以从两个维度来思考：第一个维度是看你所在的行业或你的公司业务是否具备足够的网络效应；第二个维度是看它们是否有较高的门槛
6.联网公司日常定义的用户不是指某个具体的人，而是指某类具有特定特征的人群模型，也称用户角色。
典型的数字化产品特别是互联网产品不是为某个具体的用户设计的，而是为用户角色设计的。
具体用户的反馈本身的价值不大，必须将反馈与用户角色和产品定位相结合，综合分析后才有价值，才能够指导后续产品的迭代。
典型的数字化产品特别是互联网产品与用户之间是合作关系，因此我们必须站在与用户平等的视角去思考问题。
7.在挖掘需求的过程中，要特别提醒读者注意两点：
第一，需求的主体是用户，不是你、我，也不是老板，更不是销售人员;
第二，具体用户的反馈不等于需求;
8.可以有效地将“用户需要什么”扩展为“用户在特定条件下需要什么”的工具，就是用户场景
9.用户场景画布中有6个核心要素，分别是：谁、在怎样的条件下、有什么需求、会用什么方式满足需求、当前方式有什么问题，以及我们作为产品的策划者可以为TA做什么。
网络工程师
物理层
是一种用多个较小的磁盘替换单一的大容量磁盘，并通过合理地在多个磁盘上存放数据以提高系统I/O性能。
RAID几个级别
RAID0
具有最高的I/O性能和最高的磁盘空间利用率，但系统地故障率高，属于非冗余系统·
RAID1
由磁盘对组成，每一个工作盘都有对应的镜像盘，上面保存着与工作盘完全相同的数据拷贝，具有较高的安全性，但磁盘空间利用率只有50%
RAID2
采用了海明码纠错技术，用户需增加校验盘来提高可靠性，在大量数据传输时，I/O性能高，但不利于小批量数据传输
RAID3和RAID4
把奇偶校验码存放在一个独立的校验盘上，如果有一个盘失读数据，其数据可以通过其他盘上的数据进行异或运算得到
RAID5
没有独立的校验盘，校验信息分布在组内所有盘上，对于大批量和小批量数据的读写性能都很好
数据类型
数据类型转换
自动类型提升（隐式类型转换）
取值范围小的数据类型与取值范围大的数据类型进行混合运算，
会先将小的数据类型提升为大的数据类型，然后再运算
强制类型转换（强转）
强制类型转换有风险，转换需谨慎
总结：
①Java编译器，在编译期间会将所有字面量（常量）的运算优化为结果，如：'a'+1优化结果98，变量的值只能在运行期间确定，不能进行编译期优化
简单说：字面量的运算就相当于是一个字面量
②int字面量在不超过byte、short、char类型取值范围的时候可以直接给byte、short、char类型的变量进行赋值
注意：隐藏的强转动作
③进行混合运算的时候，byte、short、char类型不会相互转换都会自动提升为int类型，其他类型进行混合运算的时候， 都是小类型提升为大类型
④由于底层数据结构的不同，float类型的取值范围比long类型还要大
浮点型的数据结构：科学计数法
数据类型的概述和分类
a.为什么会有数据类型？
Java语言是一门强类型的语言，对于每一种数据都定义了明确的类型，不同的数据类型在内存中分配了不同大小的空间
b.Java中数据类型的分类
基本数据类型
引用数据类型（oop部分讲）
c.基本数据类型的分类（4类8种）（除了8大基本类型以外，剩余的都是引用类型）
整数型：
byte 占一个字节 -2^7~2^7-1 -128~127
short 占两个字节 -2^15~2^15-1 -32768~32767
int 占四个字节 -2^31~2^31-1 -21亿~21亿（大约）
获取int类型的最大值
int max=Integer.MAX_VALUE;//2147483647
Integer 系统类（包装类）
long 占八个字节 -2^63~2^63-1 很大
System 系统类 currentTimeMillis()
方法（功能） 获取1970年元旦到此刻之间的毫秒差
long now=System.currentTimeMillis();
注意：
Java在计算的时候不检查范围，在超范围计算的时候会发生溢出现象， 溢出计算可能是有害的，需要在编程中了解极值加以避免。
浮点型：（小数型）
float 占四个字节 单精度
double 占八个字节 双精度（大约是float类型的2倍）
①为了追求计算的准确性，常使用double类型，很少使用float
②浮点数的字面量默认类型是double类型，如：5.5
③字面量的后缀：L/l D/d F/f
字面量：直接给出的常数，也称为“直接量”
④浮点数计算不保证绝对的准确性，但是可以保证足够的精度
布尔型：boolean 理论上占八分之一字节
字符型：char 字符就是一个整数！ a->97
'a'~'z' 'A'~'Z' '0'~'9'
97~122 65 ~90 48~57
ASCII码 GBK Java用到是unicode字符集
①java字符是Unicode数字，是一个16位的无符号整数
②Java字符的数字范围：占两个字节，0~65535
③Java字符支持主流的文字
④unicode中英文标准同ASCII
⑤Unicode中包含20000+中文字符
⑥字符的字面量使用单引号来定义：'a' '中'
⑦字符是整数，所有的字符都可以参与数学运算
⑧特殊的控制字符:回车、退格等等,可以使用转义符号来书写 \
'\n' 换行
'\r' 回车
'\t' Tab
'\\' \
'\'' '
'\"' "
'\b' Backspace
......