想问下老司机p8屏幕反馈速度如何【华为p8吧】_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0成为超级会员，使用一键签到本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：61,332贴子：
想问下老司机p8屏幕反馈速度如何收藏
本人玩节奏游戏音乐游戏较多，如节奏大师和lovelive，屏幕反馈不及时很致命。目前用的htc e8，现在想入这款手机。求老司机解答。
个性,开放,互联.欧洲技术,欧洲设计,全球制造,全球销售的高端汽车品牌LYNK & CO.将为中国消费者提供高标准的无忧购车,无忧用车的超值体验!
人这么少？沉了。。
网上看到有个评测视频，游戏时快速点击屏幕会被误识别为指关节截图，那画面太美不敢看！
买来试试就知道怎么样了啊。
登录百度帐号查看: 891|回复: 10
请教下专门研究p8的老司机或车友们！
在线时间 小时
马上注册，结交更多车友，享用更多功能，让你轻松玩转社区。
才可以下载或查看，没有帐号？
两个问题，1:关于挂耳，p8边年的出厂开始有挂耳的？ 2:关于高仿，，先不谈有挂耳的，冇挂耳的p8可唔可以肯定为冇山寨或高仿的，望有呢方面研究的大神分享下心德，谢谢！
210649jni4x2avbssujwjj.jpg (108.42 KB, 下载次数: 0)
21:06 上传
210649mssffnjgh73j5v3k.jpg (187.97 KB, 下载次数: 0)
21:06 上传
在线时间 小时
短消息用完了，回复不了
在线时间 小时
15年8月滨江西买的表示已有挂耳
在线时间 小时
建议百度一下大行车架的区分方法，有教的
在线时间 小时
在线时间 小时
有耳方便升级
在线时间 小时
估计好难有答案。。。本身有代工厂，代工厂经质检后正常出厂，吾系山寨。
但如果质检把关有偏差、吾一样，你当残次品，定山寨？
在线时间 小时
meiltomniming 发表于
估计好难有答案。。。本身有代工厂，代工厂经质检后正常出厂，吾系山寨。
但如果质检把关有偏差、吾一样， ...
嗯嗯，有道理！
在线时间 小时
Edwin520 发表于
建议百度一下大行车架的区分方法，有教的
嗯嗯，收到！
在线时间 小时
早期的P8是没有挂耳的.&&那时候大概是10年..11年左右吧.& & P18才有挂耳..& &
后来P8才出挂耳的..
在线时间 小时
路过顶一顶，唔使比人丙
站长推荐 /2
okbike网站手机APP用手机上论坛也很方便哦，功能足够各种操作
登陆问题解决方案，密码与邮箱请妥善保管好。
Powered by国庆活动 -->
一个老司机的20条忠告！
帖子970&积分2372&威望50 点&魅力1972 点&金币349 个&所驾车型（据实填写）大众&注册时间&
一个老司机的20条忠告！
转贴转贴转贴---------------------------------------
& && && && & 1、开车一年时，觉得自己车技非常了得，什么车都敢超，什么车都不让，路就是我家的；三年后，几乎天天跑长途，看多了各种事故，知道了什么巧事都有可能发生，车速也放慢了不少；现在知道了市区里公交和出租就是爷，高速路上卡车也是爷，到哪里都让着他们，才是你开小车活得好的道理。
2、刚把车开熟了以后，觉得黄灯亮了就是用来抢的；后来觉得黄灯是用来停的；现在过绿灯都要带脚刹车，以便于让一让那些抢黄灯和 闯红灯的。
3、从前很羡慕哪些雪亮的疝气灯，晚上开车总喜欢开着远光，不管对方是否晃眼，现在知道了，如果对方什么也看不见，处在危险边缘的也包括自己。所以，再也不会去安装耀眼的疝气灯，夜晚每次会车首先变成近光。
4、从前觉得有事就得急刹车，那车胎的尖叫专门用来警告不遵守规则的人；现在知道，能让就要让，汽车不是想停哪就停哪的，而且跟在你后面的车也不是你停他也能停住的。
5、从前开车遇到别人的车要迸道时，总要向前挤一把；现在只要有个车迸进来了，就让一把，心里琢磨着此人是不是急着去医院。
6、从前觉得在车流中窜行，能抢到不少时间；现在发现只要选的路好，并不比那些开赛车的人慢到哪里去。从前觉得在人流车流中穿行，是车技的象征；现在知道，人的价值，是无法用钱衡量的。
7、从前上高速公路开车时，觉得120比100公里的时速快很多；现在知道到达时只比开140的慢那么十多分钟，比160的也晚不了半个小时，可是出事故的机率却下降了一倍！本单位的两个160早就不在了，要能活到退休多好啊。
8、从前觉得开车偶尔违章没有多大关系；现在知道偶然性与必然性之间的关系只是在于次数的不同，与运气的好
坏没有多少关系，有的时候违章要命，一次就够了。
9、从前行车的时候发生擦挂事故，总想暴打对方一顿；现在被人追了尾都想私了算了，吃点亏总比天天跑交警大队和保险公司来的实惠。
10、从前被马路野驴般的人骂了一句，一定要骂回来或者见个高低；现在最多也只是伸出一根手指告诉他去天堂的方向。
11、从前觉得偶尔违章无所谓！其实所有的事故都是平时的不良习惯造成的结果！包括行人也是，经常无序地乱穿马路，总会遇到躲避不及的超速车的！
12、从前停车一般都是车后向外，车头向内，现在都是后备箱顶着墙，能有多后就多后，这样小偷就没法光顾后备箱了。
13、从前停车顶着前车停；现在停好车都要向后多倒个半米多，哪怕后面再停个车顶上来，自己也能出的去。
14、从前停车总是要把后视镜给收起来；现在能不收就不收，因为它可以帮别人远离你的车，就算坏了也比做漆来的实惠。
15 、从前保养，觉得常换的机油好坏都一样；现在知道，换好机油省油省时间还省钱，而且配件都要原厂的或品牌的。
16、从前觉得装了倒车雷达，倒车的时候可以不用操心，现在知道倒车雷达也有盲区，并且车后面随时可以出现障碍物，还是要认真仔细最保险！
17、刚开到车时很牛，觉得自行车、摩托车和行人最不讲道理，真让人心烦；现在经常骑骑车，走走路，发现汽车才是最不讲道理的东西。处在不同位置时要多为对方想想！
18、以前路边停车急着下车时开门就下，现在再着急也要看看后视镜，看后面有没有跟上来的自行车和摩托车，车门碰了人家大家都不轻！
19、女同胞开车要注意！从商场出来回到自己车内的时候，不要先低头摆弄钱物或拨打电话，一定要及时落锁，要防止歹徒趁你不注意的时候从后车门或副驾驶坐上车！
20、在高速路发生车祸以后，一定要及时把车移到边缘地带，如果不能，也要赶紧打开双闪，并离开汽车，躲到边缘的安全地带，防止后面的汽车因刹车不及而追尾！
会员价:?1180.00
会员价:?3388.00
会员价:?3800.00
会员价:?220.00
会员价:?220.00
会员价:?168.00
帖子186&积分517&威望27 点&魅力301 点&金币303 个&所驾车型（据实填写）三菱帕杰罗劲畅&注册时间&
说的很好，学习了。
帖子158&积分412&威望25 点&魅力212 点&金币202 个&所驾车型（据实填写）大行P8&注册时间&
帖子11200&积分12075&威望41 点&魅力11747 点&金币1338 个&所驾车型（据实填写）&注册时间&
完全暴露人性之弱点
帖子94&积分106&威望0 点&魅力106 点&金币202 个&所驾车型（据实填写）没得&注册时间&
帖子41&积分821&威望65 点&魅力301 点&金币200 个&所驾车型（据实填写）北京现代途胜&注册时间&
鼓掌！！！！
[通过 QQ、MSN 分享给朋友]&figure&&img src=&https://pic7.zhimg.com/v2-69faec9c4fb409df09d261c5e2b748b5_b.jpg& data-rawwidth=&489& data-rawheight=&291& class=&origin_image zh-lightbox-thumb& width=&489& data-original=&https://pic7.zhimg.com/v2-69faec9c4fb409df09d261c5e2b748b5_r.jpg&&&/figure&&p&正则表达式，一个十分古老而又强大的文本处理工具，仅仅用一段非常简短的表达式语句，便能够快速实现一个非常复杂的业务逻辑。熟练地掌握正则表达式的话，能够使你的开发效率得到极大的提升。&/p&&p&正则表达式经常被用于字段或任意字符串的校验，如下面这段校验基本日期格式的JavaScript代码：&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&var reg = /^(\\d{1,4})(-|\\/)(\\d{1,2})\\2(\\d{1,2})$/;
var r = fieldValue.match(reg);
if(r==null)alert('Date format error!');
&/code&&/pre&&/div&&p&下面是&b&技匠&/b&整理的，在前端开发中经常使用到的&b&20&/b&个正则表达式。&/p&&p&&b&1 . 校验密码强度&/b&&/p&&p&密码的强度必须是包含大小写字母和数字的组合，不能使用特殊字符，长度在8-10之间。&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&^(?=.*\\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
&/code&&/pre&&/div&&p&&b&2. 校验中文&/b&&/p&&p&字符串仅能是中文。&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&^[\\u4e00-\\u9fa5]{0,}$
&/code&&/pre&&/div&&p&&b&3. 由数字、26个英文字母或下划线组成的字符串&/b&&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&^\\w+$
&/code&&/pre&&/div&&p&&b&4. 校验E-Mail 地址&/b&&/p&&p&同密码一样，下面是E-mail地址合规性的正则检查语句。&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&[\\w!#$%&'*+/=?^_`{|}~-]+(?:\\.[\\w!#$%&'*+/=?^_`{|}~-]+)*@(?:[\\w](?:[\\w-]*[\\w])?\\.)+[\\w](?:[\\w-]*[\\w])?
&/code&&/pre&&/div&&p&&b&5. 校验身份证号码&/b&&/p&&p&下面是身份证号码的正则校验。15 或 18位。&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&15位：
^[1-9]\\d{7}((0\\d)|(1[0-2]))(([0|1|2]\\d)|3[0-1])\\d{3}$
^[1-9]\\d{5}[1-9]\\d{3}((0\\d)|(1[0-2]))(([0|1|2]\\d)|3[0-1])\\d{3}([0-9]|X)$
&/code&&/pre&&/div&&p&&b&6. 校验日期&/b&&/p&&p&“yyyy-mm-dd“ 格式的日期校验，已考虑平闰年。&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&^(?:(?!]{4}-(?:(?:0[1-9]|1[0-2])-(?:0[1-9]|1[0-9]|2[0-8])|(?:0[13-9]|1[0-2])-(?:29|30)|(?:0[1])-31)|(?:[0-9]{2}(?:0[48]|[]|[13579][26])|(?:0[48]|[]|[1)-02-29)$
&/code&&/pre&&/div&&p&&b&7. 校验金额&/b&&/p&&p&金额校验，精确到2位小数。&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&^[0-9]+(.[0-9]{2})?$
&/code&&/pre&&/div&&p&&b&8. 校验手机号&/b&&/p&&p&下面是国内 13、15、18开头的手机号正则表达式。（可根据目前国内收集号扩展前两位开头号码）&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\\d{8}$
&/code&&/pre&&/div&&p&&b&9. 判断IE的版本&/b&&/p&&p&IE目前还没被完全取代，很多页面还是需要做版本兼容，下面是IE版本检查的表达式。&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&^.*MSIE [5-8](?:\\.[0-9]+)?(?!.*Trident\\/[5-9]\\.0).*$
&/code&&/pre&&/div&&p&&b&10. 校验IP-v4地址&/b&&/p&&p&IP4 正则语句。&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&\\b(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\\b
&/code&&/pre&&/div&&p&&b&11. 校验IP-v6地址&/b&&/p&&p&IP6 正则语句。&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&(([0-9a-fA-F]{1,4}:){7,7}[0-9a-fA-F]{1,4}|([0-9a-fA-F]{1,4}:){1,7}:|([0-9a-fA-F]{1,4}:){1,6}:[0-9a-fA-F]{1,4}|([0-9a-fA-F]{1,4}:){1,5}(:[0-9a-fA-F]{1,4}){1,2}|([0-9a-fA-F]{1,4}:){1,4}(:[0-9a-fA-F]{1,4}){1,3}|([0-9a-fA-F]{1,4}:){1,3}(:[0-9a-fA-F]{1,4}){1,4}|([0-9a-fA-F]{1,4}:){1,2}(:[0-9a-fA-F]{1,4}){1,5}|[0-9a-fA-F]{1,4}:((:[0-9a-fA-F]{1,4}){1,6})|:((:[0-9a-fA-F]{1,4}){1,7}|:)|fe80:(:[0-9a-fA-F]{0,4}){0,4}%[0-9a-zA-Z]{1,}|::(ffff(:0{1,4}){0,1}:){0,1}((25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])\\.){3,3}(25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])|([0-9a-fA-F]{1,4}:){1,4}:((25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])\\.){3,3}(25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9]))
&/code&&/pre&&/div&&p&&b&12. 检查URL的前缀&/b&&/p&&p&应用开发中很多时候需要区分请求是HTTPS还是HTTP，通过下面的表达式可以取出一个url的前缀然后再逻辑判断。&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&if (!s.match(/^[a-zA-Z]+:\\/\\//))
s = 'http://' +
&/code&&/pre&&/div&&p&&b&13. 提取URL链接&/b&&/p&&p&下面的这个表达式可以筛选出一段文本中的URL。&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&^(f|ht){1}(tp|tps):\\/\\/([\\w-]+\\.)+[\\w-]+(\\/[\\w- ./?%&=]*)?
&/code&&/pre&&/div&&p&&b&14. 文件路径及扩展名校验&/b&&/p&&p&验证windows下文件路径和扩展名（下面的例子中为.txt文件） &/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&^([a-zA-Z]\\:|\\\\)\\\\([^\\\\]+\\\\)*[^\\/:*?&&&|]+\\.txt(l)?$
&/code&&/pre&&/div&&p&&b&15. 提取Color Hex
Codes&/b&&/p&&p&有时需要抽取网页中的颜色代码，可以使用下面的表达式。&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&^#([A-Fa-f0-9]{6}|[A-Fa-f0-9]{3})$
&/code&&/pre&&/div&&p&&b&16. 提取网页图片&/b&&/p&&p&假若你想提取网页中所有图片信息，可以利用下面的表达式。&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&\\& *[img][^\\\\&]*[src] *= *[\\&\\']{0,1}([^\\&\\'\\ &]*)
&/code&&/pre&&/div&&p&&b&17. 提取页面超链接&/b&&/p&&p&提取html中的超链接。&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&(&a\\s*(?!.*\\brel=)[^&]*)(href=&https?:\\/\\/)((?!(?:(?:www\\.)?'.implode('|(?:www\\.)?', $follow_list).'))[^&]+)&((?!.*\\brel=)[^&]*)(?:[^&]*)&
&/code&&/pre&&/div&&p&&b&18. 查找CSS属性&/b&&/p&&p&通过下面的表达式，可以搜索到相匹配的CSS属性。&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&^\\s*[a-zA-Z\\-]+\\s*[:]{1}\\s[a-zA-Z0-9\\s.#]+[;]{1}
&/code&&/pre&&/div&&p&&b&19. 抽取注释&/b&&/p&&p&如果你需要移除HMTL中的注释，可以使用如下的表达式。&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&&!--(.*?)--&
&/code&&/pre&&/div&&p&&b&20. 匹配HTML标签&/b&&/p&&p&通过下面的表达式可以匹配出HTML中的标签属性。&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&&\\/?\\w+((\\s+\\w+(\\s*=\\s*(?:&.*?&|'.*?'|[\\^'&&\\s]+))?)+\\s*|\\s*)\\/?&
&/code&&/pre&&/div&&h2&&b&正则表达式的相关语法&/b&&/h2&&p&下面是我找到的一张非常不错的正则表达式 Cheat Sheet，可以用来快速查找相关语法。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-2f43be36dd2dd45848e28ddfe430f333_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1024& data-rawheight=&768& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&https://pic2.zhimg.com/v2-2f43be36dd2dd45848e28ddfe430f333_r.jpg&&&/figure&&h2&&b&学习正则表达式&/b&&/h2&&p&我在网上看到了一篇相当不错的正则表达式&a href=&http://link.zhihu.com/?target=https%3A//msdn.microsoft.com/en-us/library/az24scfc%28v%3Dvs.110%29.aspx& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&快速学习指南&/a&，有兴趣继续深入学习的同学可以参考。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-99cdd76a777a8a2b3767cbe3566dc45c_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&705& data-rawheight=&413& class=&origin_image zh-lightbox-thumb& width=&705& data-original=&https://pic4.zhimg.com/v2-99cdd76a777a8a2b3767cbe3566dc45c_r.jpg&&&/figure&&h2&&b&正则表达式在线测试工具&/b&&/h2&&p&&a href=&http://link.zhihu.com/?target=https%3A//regex101.com/%23javascript& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&regex101&/a&是一个非常不错的正则表达式在线测试工具，你可以直接在线测试你的正则表达式哦。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-0c8bf3fc322f9824b0cbd_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&746& data-rawheight=&423& class=&origin_image zh-lightbox-thumb& width=&746& data-original=&https://pic2.zhimg.com/v2-0c8bf3fc322f9824b0cbd_r.jpg&&&/figure&&p&另外，我也网上找到几本不错的正则表达式方面的教程和书籍，并将它们分享到了&a href=&https://zhuanlan.zhihu.com/p//jijiangshe.com& class=&internal&&技匠社jijiangshe.com&/a&，如果你有兴趣学习欢迎访问获取。^_^&/p&&p&作者：技匠&/p&&p&&a href=&http://link.zhihu.com/?target=http%3A//www.jianshu.com/p/e7bb& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&jianshu.com/p/e7bb97218&/span&&span class=&invisible&&946&/span&&span class=&ellipsis&&&/span&&/a&&/p&&p&——————————————————————————————————————&/p&&p&你想更深入了解学习Python知识体系，你可以看一下我们花费了一个多月整理了上百小时的几百个知识点体系内容：&/p&&p&&a href=&http://link.zhihu.com/?target=http%3A//www.magedu.com/73198.html%3FPython_wenzhang_zhihu_jinke_zhidaozhe20gezhengzebiaodashinengrangnishaoxie1000hangdaima_& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&【超全整理】《Python自动化全能开发从入门到精通》笔记全放送&/a&&/p&
正则表达式，一个十分古老而又强大的文本处理工具，仅仅用一段非常简短的表达式语句，便能够快速实现一个非常复杂的业务逻辑。熟练地掌握正则表达式的话，能够使你的开发效率得到极大的提升。正则表达式经常被用于字段或任意字符串的校验，如下面这段校验基…
&p&谢邀，这个问题必须我们来回答~
作为国内top规划院的一个部门，摩拜的城市出行开放研究院的合作伙伴之一，和早期几个数据报告的制作方，必须有权利来回答这个问题。&/p&&p&&br&&/p&&p&&b&首先来看一看现有交通衔接、慢行等规划的问题&/b&&/p&&p&&br&&/p&&p&&b&1、&/b&首先我们要明白&b&现有的城市交通与空间形态，&/b&是&b&难以组织高效的城市公共交通体系的。&/b&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-fba1eeb143b4bbc94a7606_b.png& data-rawwidth=&362& data-rawheight=&322& class=&content_image& width=&362&&&/figure&&p&如上图所示，由于历史发展背景原因，中国式的“宽道路—大街区—稀路网”城市空间与交通规划模式已经固定。城市管理者虽然已意识到发展公共交通是唯一可行的解决途径，但实际的操作依旧倾向于以扩宽马路，修建高架等扩大交通供给的方式应对机动化的冲击。在“效率优先于质量”的公共交通理念下，自行车出行被认为是低效的机动化被舍弃，保障步行交通，促使助动车向公交转移成为了城市公共交通系统发展的思维定式。&br&&br&2、&b&现行法定规划编制体系对公共交通衔接缺乏系统指导，（TOD水土不服、慢行交通没有规范与标准、缺少交通衔接详规规划指标等）&/b&&/p&&p&国外公交导向式发展（TOD）理论虽然适时引入，但其中国化实践也难逃忽视 “方便性”的窠臼。在宏观层面，以轨道交通建设为基础的TOD开发，轨道交通优先理念是明确的目标指引，在中微观层面，因传统TOD理论并没有传递要解决我国特色的“宽马路，大街区，稀路网”城市现状中多公共交通方式衔接不畅，居民步行距离过长等问题的理念，因此，这些问题在具体的规划设计中并不受重视。&br&&br&另一方面，我国现行的城市法定规划编制体系在中微观控规层面，除道路红线这样指标外并没有明确能解决衔接问题的控制要素。与此相应，在分区的交通规划中，慢行交通也属于绝对的配角，甚至国家尚未制定相关规范和标准。&/p&&p&因此TOD这样的地铁与土地的联合开发，只能通过塑造景观和公共空间的手法来传递绿色出行的理念。而这样设计理念并非强制性的要求，而且受限于相对系统的指引以及缺少宏观的实际要求，最终建成效果难免变成 “花架子”，不仅没能解决多种交通方式的接驳问题，甚至恶化了出行空间的舒适性，严重影响了居民选择公交出行的意愿。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-dfdec9d263ec011e5235_b.png& data-rawwidth=&432& data-rawheight=&217& class=&origin_image zh-lightbox-thumb& width=&432& data-original=&https://pic2.zhimg.com/v2-dfdec9d263ec011e5235_r.png&&&/figure&&p&我国传统公交导向式规划模式示意图&/p&&p&&br&&/p&&p&&b&直达共享单车的出现，为城市多层次交通体系的建设提供了新的思路，而掌握好其特征有助于规划的编制。其出行特征可以总结一下可以分为以下几点：&/b&&/p&&p&&b&1、骑行以短时间、短距离出行为主。&/b&&/p&&p&&b&时间&/b&：根据摩拜统计的数据，冬季骑行时间以10min为主，春季长一点12min左右，但是两个季节骑行小于30min的占到了90%以上。而冬季更是以骑行5min为峰值，温度对骑行影响较大。&/p&&p&&b&距离&/b&：不论是冬天还是春天，2km以内的骑行占据了80%以上。&/p&&p&&b&2、共享单车的接驳功能显著。&/b&&/p&&p&根据摩拜的城市白皮书，在北京，44%的单车活跃在地铁站周边，81%活跃在公交站点周边。且工作日比周末要明显。&/p&&p&&b&3、共享单车有助于缓解拥堵。&/b&&/p&&p&通过对金融街、中关村、国贸三个典型区域的2016年10月 和2017年5月早晚高峰骑行量和拥堵指数进行对比，发现，从以上车速变化图可以看到，三个片区机动车行车速度提高范围从0.5-5.5km/h不等。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-ac9ca6a4dbe477a765d506_b.png& data-rawwidth=&480& data-rawheight=&266& class=&origin_image zh-lightbox-thumb& width=&480& data-original=&https://pic3.zhimg.com/v2-ac9ca6a4dbe477a765d506_r.png&&&/figure&&p&&b&4、主干道承担的骑行量较大&/b&&/p&&p&对骑行轨迹和道路进行匹配，骑行量最多的道路是建国路、朝阳北路、朝阳路、南苑路、东三环南路等主干道。&/p&&p&&b&5、早高峰内聚性显著、晚高峰外扩性显著。而不同区域&/b&&/p&&p&骑行需求的热点区域则主要集中在上地、中关村、金融街、国贸CBD等地区。通过叠加城市用地现状，容积率，城市POI等其他多源异构大数据，通过机器学习算法，对这些地区进行骑行环境的重点评估。发现：&u&高容积率、高商业办公密度地区是早高峰的共享单车使用的主要地区&/u&；&u&餐饮密度分布密集的区域则是引起该地区午间骑行活动达到高峰的主要因素；而POI密度较大且POI种类丰富的区域则在各时刻的骑行活动强度都比较大。&/u&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-4ca90ca1f_b.png& data-rawwidth=&423& data-rawheight=&230& class=&origin_image zh-lightbox-thumb& width=&423& data-original=&https://pic4.zhimg.com/v2-4ca90ca1f_r.png&&&/figure&&p&&br&&/p&&p&&b&&u&因此，共享单车实际上可以看做是城市“最后一公里”问题的主要解决方案，这种类中小运量公交服务的模式，提供了一种能适应当下公交模式的“本土化”多层次公交体系的构建思路。进而，在未来很有可能将改变着城市整体的交通结构及空间形态。&/u&&/b&&/p&&p&&b&知道了这些， 然后共享单车可以怎么帮助城市规划呢？？&/b&&/p&&p&&b&在宏观层面&/b&，高机动性依旧是城市未来发展的总体趋势。事实上，以上海为代表我国特大城市仍存在依托轨道交通建设实现城市功能布局和空间优化，继续加大公共交通建设的投入力度始终是城市公交战略的发展重点。但承认机动化的同时，推进公共交通优先+共享交通的新公共交通模式应该是更加积极主动的作为。&/p&&p&具体而言，在空间规划中可以出现以共享单车骑行绿道为主要抓手的各色综合交通规划。&/p&&p&一方面，将会以健康绿色生活方式营造为手段，从而达到改变居民对小汽车等个体交通工具过多依赖的目标。&/p&&p&另一方面，公交+共享单车将会作为一种新的公共交通模式，以一种整体的概念出现，从而强化对出行者使用需求的满足，达到新公交出行便捷性与出行效率并重的效果。&/p&&p&而&u&共享单车的骑行线路，使用者的OD出行等相关数据，无疑会对该类规划的编制提供大量而坚实的数据支撑。&/u&甚至，公交线路及站点也会因包含有共享单车的相关综合规划编制，出现将部分衔接的职能过渡给共享单车已形成对站点优化，提高地面公交系统的整体快速性等新方式。&/p&&p&&br&&/p&&p&&b&在中微观层面，&/b&共享单车源于我国“宽马路，大街区，稀路网”的城市土地利用模式，也是解决所引发的公交优先效率低下的有效手段。因此，“街区制”可能会成为公交导向发展模式的主要设计理念，而且控规层面对现有土地使用指标也可能会出现对应的改革，提出更加明确的控制要求。&/p&&p&如在交通设施规划中加强自行车停靠点的指标研究，在城市的交通枢纽，公共服务设施，居住小区等地区应对共享单车进行推荐停放点的相关规划布局引导都有可能成为规划设计的目标要求。&/p&&p&另一方面，如土地使用相容性的研究，强化居民的日常骑行也会成为其中的一个重要考量。如将上海15分钟生活圈规划与共享单车在居住区周边业态高混合度地区较集聚的骑行特点相结合。&/p&&p&通过打造安全，舒适的骑行线路方式，增加生活圈内部各要素间联系，达到凝聚归属感，活化社区，绿色生活等规划目标的共赢。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-ab0bfcf0f44_b.png& data-rawwidth=&432& data-rawheight=&159& class=&origin_image zh-lightbox-thumb& width=&432& data-original=&https://pic1.zhimg.com/v2-ab0bfcf0f44_r.png&&&/figure&&p&&u&共享单车与“社区生活圈”规划结合示意图&/u&&/p&&p&&br&&/p&&p&不知道雄安新区的规划会不会把这些考虑进去。&br&&/p&&p&&b&&u&最后，其实很多事情并不是技术问题，像楼上微软亚洲研究院的研究，看得我等规划从业目瞪口呆。&/u&&/b&&/p&&p&&b&&u&但是，很多问题研究过后，说到底还是体制机制问题。&/u&&/b& &/p&&p&最后，本文部分观点出自 &a class=&member_mention& href=&//www.zhihu.com/people/b65b06b4708cff476cf15c10be534469& data-hash=&b65b06b4708cff476cf15c10be534469& data-hovercard=&p$b$b65b06b4708cff476cf15c10be534469&&@鱼在游1788&/a& 同学的论文，感谢摩拜项目组的成员。&/p&&p&&br&&/p&&p&最后欢迎关注公众号： urbandatalab &/p&&p&&a href=&//link.zhihu.com/?target=http%3A//weixin.qq.com/r/a0yvty-EnnLhrWvU9xl5& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&weixin.qq.com/r/a0yvty-&/span&&span class=&invisible&&EnnLhrWvU9xl5&/span&&span class=&ellipsis&&&/span&&/a& (二维码自动识别)&/p&
谢邀，这个问题必须我们来回答~ 作为国内top规划院的一个部门，摩拜的城市出行开放研究院的合作伙伴之一，和早期几个数据报告的制作方，必须有权利来回答这个问题。 首先来看一看现有交通衔接、慢行等规划的问题 1、首先我们要明白现有的城市交通与空间形态，…
&figure&&img src=&https://pic4.zhimg.com/v2-dd0d2c2f825b3_b.jpg& data-rawwidth=&400& data-rawheight=&206& class=&content_image& width=&400&&&/figure&&p&在数据分析领域，最热门的莫过于Python和R语言。其中，数据分析库pandas是Python最经典的库之一。它使用一个二维的DataFrame来表示表格式的数据，相比较于Numpy，Pandas可以存储混合的数据结构，同时使用NaN来表示缺失的数据，而不用像Numpy一样要手工处理缺失的数据，并且Pandas使用轴标签来表示行和列。&/p&&p&一般来说，用pandas处理小于100兆的数据，性能不是问题。但当我们要处理大量数据时，如何优化DataFrame的操作就需要仔细斟酌了。&/p&&h2&&b&例子&/b&&/h2&&p&我们想象一个例子，你要处理一个csv文件，你想要把数据清洗后输出到另一个dataframe中，做后续处理。一个简单的程序如下：&/p&&div class=&highlight&&&pre&&code class=&language-python&&&span&&/span&&span class=&c1&&# -*- coding: utf-8 -*-&/span&
&span class=&kn&&import&/span& &span class=&nn&&pandas&/span& &span class=&kn&&as&/span& &span class=&nn&&pd&/span&
&span class=&kn&&import&/span& &span class=&nn&&datetime&/span& &span class=&kn&&as&/span& &span class=&nn&&dt&/span&
&span class=&n&&indf&/span& &span class=&o&&=&/span& &span class=&n&&pd&/span&&span class=&o&&.&/span&&span class=&n&&read_csv&/span&&span class=&p&&(&/span&&span class=&s1&&'600369.csv'&/span&&span class=&p&&,&/span& &span class=&n&&index_col&/span& &span class=&o&&=&/span& &span class=&bp&&False&/span&&span class=&p&&,&/span& &span class=&n&&encoding&/span& &span class=&o&&=&/span& &span class=&s2&&&gb2312&&/span&&span class=&p&&)&/span&
&span class=&n&&output_index_num&/span& &span class=&o&&=&/span& &span class=&mi&&8000&/span&
&span class=&n&&outdf&/span& &span class=&o&&=&/span& &span class=&n&&pd&/span&&span class=&o&&.&/span&&span class=&n&&DataFrame&/span&&span class=&p&&(&/span&&span class=&n&&columns&/span& &span class=&o&&=&/span& &span class=&n&&indf&/span&&span class=&o&&.&/span&&span class=&n&&columns&/span&&span class=&p&&)&/span&
&span class=&n&&times1&/span& &span class=&o&&=&/span& &span class=&n&&dt&/span&&span class=&o&&.&/span&&span class=&n&&datetime&/span&&span class=&o&&.&/span&&span class=&n&&now&/span&&span class=&p&&()&/span&
&span class=&k&&for&/span& &span class=&n&&outindex&/span& &span class=&ow&&in&/span& &span class=&nb&&range&/span&&span class=&p&&(&/span&&span class=&mi&&0&/span&&span class=&p&&,&/span& &span class=&n&&output_index_num&/span&&span class=&p&&):&/span&
&span class=&c1&&# have some fun here&/span&
&span class=&n&&outdf&/span& &span class=&o&&=&/span& &span class=&n&&outdf&/span&&span class=&o&&.&/span&&span class=&n&&append&/span&&span class=&p&&(&/span&&span class=&n&&indf&/span&&span class=&o&&.&/span&&span class=&n&&loc&/span&&span class=&p&&[&/span&&span class=&nb&&int&/span&&span class=&p&&(&/span&&span class=&nb&&len&/span&&span class=&p&&(&/span&&span class=&n&&indf&/span&&span class=&p&&)&/span& &span class=&o&&*&/span& &span class=&n&&outindex&/span& &span class=&o&&/&/span& &span class=&n&&output_index_num&/span&&span class=&p&&)],&/span&&span class=&n&&ignore_index&/span&&span class=&o&&=&/span&&span class=&bp&&True&/span&&span class=&p&&)&/span&
&span class=&n&&times2&/span& &span class=&o&&=&/span& &span class=&n&&dt&/span&&span class=&o&&.&/span&&span class=&n&&datetime&/span&&span class=&o&&.&/span&&span class=&n&&now&/span&&span class=&p&&()&/span&
&span class=&k&&print&/span&&span class=&p&&(&/span&&span class=&s1&&'Time spent: '&/span&&span class=&o&&+&/span& &span class=&nb&&str&/span&&span class=&p&&(&/span&&span class=&n&&times2&/span&&span class=&o&&-&/span&&span class=&n&&times1&/span&&span class=&p&&))&/span&
&/code&&/pre&&/div&&p&十分简单，不是吗？我们仅仅是把输入的dataframe（indf）扩展到输出outdf中去了。我们看一下运行时间：&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&Time spent: 0:01:58.830000
&/code&&/pre&&/div&&p&2分钟处理8000个单元，还行？这个远远不够，想象一下我们有10万个这样的csv要处理怎么办？那需要278天！怎么提高效能呢？&/p&&h2&&b&第一步&/b&&/h2&&p&Dataframe的append效能很低，如果我们知道未来表的条目，预先分配好空间，将来直接向里面填入内容会快不少，我们来修改一下程序：&/p&&div class=&highlight&&&pre&&code class=&language-python&&&span&&/span&&span class=&c1&&# -*- coding: utf-8 -*-&/span&
&span class=&kn&&import&/span& &span class=&nn&&pandas&/span& &span class=&kn&&as&/span& &span class=&nn&&pd&/span&
&span class=&kn&&import&/span& &span class=&nn&&datetime&/span& &span class=&kn&&as&/span& &span class=&nn&&dt&/span&
&span class=&n&&indf&/span& &span class=&o&&=&/span& &span class=&n&&pd&/span&&span class=&o&&.&/span&&span class=&n&&read_csv&/span&&span class=&p&&(&/span&&span class=&s1&&'600369.csv'&/span&&span class=&p&&,&/span& &span class=&n&&index_col&/span& &span class=&o&&=&/span& &span class=&bp&&False&/span&&span class=&p&&,&/span& &span class=&n&&encoding&/span& &span class=&o&&=&/span& &span class=&s2&&&gb2312&&/span&&span class=&p&&)&/span&
&span class=&c1&&#outdf = pd.DataFrame(columns = indf.columns)&/span&
&span class=&n&&output_index_num&/span& &span class=&o&&=&/span& &span class=&mi&&8000&/span&
&span class=&n&&outdf&/span& &span class=&o&&=&/span& &span class=&n&&pd&/span&&span class=&o&&.&/span&&span class=&n&&DataFrame&/span&&span class=&p&&(&/span&&span class=&n&&pd&/span&&span class=&o&&.&/span&&span class=&n&&np&/span&&span class=&o&&.&/span&&span class=&n&&empty&/span&&span class=&p&&((&/span&&span class=&n&&output_index_num&/span&&span class=&p&&,&/span& &span class=&nb&&len&/span&&span class=&p&&(&/span&&span class=&n&&indf&/span&&span class=&o&&.&/span&&span class=&n&&columns&/span&&span class=&p&&)))&/span& &span class=&o&&*&/span& &span class=&n&&pd&/span&&span class=&o&&.&/span&&span class=&n&&np&/span&&span class=&o&&.&/span&&span class=&n&&nan&/span&&span class=&p&&,&/span& &span class=&n&&columns&/span& &span class=&o&&=&/span& &span class=&n&&indf&/span&&span class=&o&&.&/span&&span class=&n&&columns&/span&&span class=&p&&)&/span&
&span class=&n&&times1&/span& &span class=&o&&=&/span& &span class=&n&&dt&/span&&span class=&o&&.&/span&&span class=&n&&datetime&/span&&span class=&o&&.&/span&&span class=&n&&now&/span&&span class=&p&&()&/span&
&span class=&k&&for&/span& &span class=&n&&outindex&/span& &span class=&ow&&in&/span& &span class=&nb&&range&/span&&span class=&p&&(&/span&&span class=&mi&&0&/span&&span class=&p&&,&/span& &span class=&n&&output_index_num&/span&&span class=&p&&):&/span&
&span class=&c1&&# have some fun here&/span&
&span class=&n&&outdf&/span&&span class=&o&&.&/span&&span class=&n&&loc&/span&&span class=&p&&[&/span&&span class=&n&&outindex&/span&&span class=&p&&]&/span& &span class=&o&&=&/span& &span class=&n&&indf&/span&&span class=&o&&.&/span&&span class=&n&&loc&/span&&span class=&p&&[&/span&&span class=&nb&&int&/span&&span class=&p&&(&/span&&span class=&nb&&len&/span&&span class=&p&&(&/span&&span class=&n&&indf&/span&&span class=&p&&)&/span& &span class=&o&&*&/span& &span class=&n&&outindex&/span& &span class=&o&&/&/span& &span class=&n&&output_index_num&/span&&span class=&p&&)]&/span&
&span class=&n&&times2&/span& &span class=&o&&=&/span& &span class=&n&&dt&/span&&span class=&o&&.&/span&&span class=&n&&datetime&/span&&span class=&o&&.&/span&&span class=&n&&now&/span&&span class=&p&&()&/span&
&span class=&k&&print&/span&&span class=&p&&(&/span&&span class=&s1&&'Time spent: '&/span&&span class=&o&&+&/span& &span class=&nb&&str&/span&&span class=&p&&(&/span&&span class=&n&&times2&/span&&span class=&o&&-&/span&&span class=&n&&times1&/span&&span class=&p&&))&/span&
&/code&&/pre&&/div&&p&结果好了不少：&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&Time spent: 0:01:27.636000
&/code&&/pre&&/div&&p&少了半分钟，是不是就这样了呢？还远远不够。&/p&&h2&&b&第二步&/b&&/h2&&p&Dataframe检索每一行有好几个操作:loc,iloc,ix,at。它们效能有什么差别吗？我们来试一下：&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&%timeit outdf.loc[0] = indf.loc[0]
100 loops, best of 3: 11.7 ms per loop
%timeit outdf.iloc[0] = indf.iloc[0]
100 loops, best of 3: 11.4 ms per loop
%timeit outdf.ix[0] = indf.ix[0]
100 loops, best of 3: 11.6 ms per loop
%timeit outdf.at[0,'time'] = indf.at[0,'time']
10000 loops, best of 3: 25.3 us per loop
&/code&&/pre&&/div&&p&loc，iloc,ix看起来速度都差不多，at可是快了将近1000倍啊，可惜的是at只能选择某个单元而不是整行。没关系，我们来改一下程序：&/p&&div class=&highlight&&&pre&&code class=&language-python&&&span&&/span&&span class=&c1&&# -*- coding: utf-8 -*-&/span&
&span class=&kn&&import&/span& &span class=&nn&&pandas&/span& &span class=&kn&&as&/span& &span class=&nn&&pd&/span&
&span class=&kn&&import&/span& &span class=&nn&&datetime&/span& &span class=&kn&&as&/span& &span class=&nn&&dt&/span&
&span class=&n&&indf&/span& &span class=&o&&=&/span& &span class=&n&&pd&/span&&span class=&o&&.&/span&&span class=&n&&read_csv&/span&&span class=&p&&(&/span&&span class=&s1&&'600369.csv'&/span&&span class=&p&&,&/span& &span class=&n&&index_col&/span& &span class=&o&&=&/span& &span class=&bp&&False&/span&&span class=&p&&,&/span& &span class=&n&&encoding&/span& &span class=&o&&=&/span& &span class=&s2&&&gb2312&&/span&&span class=&p&&)&/span&
&span class=&c1&&#outdf = pd.DataFrame(columns = indf.columns)&/span&
&span class=&n&&output_index_num&/span& &span class=&o&&=&/span& &span class=&mi&&8000&/span&
&span class=&n&&outdf&/span& &span class=&o&&=&/span& &span class=&n&&pd&/span&&span class=&o&&.&/span&&span class=&n&&DataFrame&/span&&span class=&p&&(&/span&&span class=&n&&pd&/span&&span class=&o&&.&/span&&span class=&n&&np&/span&&span class=&o&&.&/span&&span class=&n&&empty&/span&&span class=&p&&((&/span&&span class=&n&&output_index_num&/span&&span class=&p&&,&/span& &span class=&nb&&len&/span&&span class=&p&&(&/span&&span class=&n&&indf&/span&&span class=&o&&.&/span&&span class=&n&&columns&/span&&span class=&p&&)))&/span& &span class=&o&&*&/span& &span class=&n&&pd&/span&&span class=&o&&.&/span&&span class=&n&&np&/span&&span class=&o&&.&/span&&span class=&n&&nan&/span&&span class=&p&&,&/span& &span class=&n&&columns&/span& &span class=&o&&=&/span& &span class=&n&&indf&/span&&span class=&o&&.&/span&&span class=&n&&columns&/span&&span class=&p&&)&/span&
&span class=&n&&times1&/span& &span class=&o&&=&/span& &span class=&n&&dt&/span&&span class=&o&&.&/span&&span class=&n&&datetime&/span&&span class=&o&&.&/span&&span class=&n&&now&/span&&span class=&p&&()&/span&
&span class=&n&&outdf&/span&&span class=&o&&.&/span&&span class=&n&&loc&/span&&span class=&p&&[&/span&&span class=&mi&&0&/span&&span class=&p&&]&/span& &span class=&o&&=&/span& &span class=&n&&indf&/span&&span class=&o&&.&/span&&span class=&n&&loc&/span&&span class=&p&&[&/span&&span class=&mi&&0&/span&&span class=&p&&]&/span&
&span class=&k&&for&/span& &span class=&n&&outindex&/span& &span class=&ow&&in&/span& &span class=&nb&&range&/span&&span class=&p&&(&/span&&span class=&mi&&0&/span&&span class=&p&&,&/span& &span class=&n&&output_index_num&/span&&span class=&p&&):&/span&
&span class=&c1&&# have some fun here
&span class=&k&&for&/span& &span class=&n&&column&/span& &span class=&ow&&in&/span&
&span class=&n&&indf&/span&&span class=&o&&.&/span&&span class=&n&&columns&/span&&span class=&p&&:&/span&
&span class=&n&&outdf&/span&&span class=&o&&.&/span&&span class=&n&&at&/span&&span class=&p&&[&/span&&span class=&n&&outindex&/span&&span class=&p&&,&/span&&span class=&n&&column&/span&&span class=&p&&]&/span& &span class=&o&&=&/span& &span class=&n&&indf&/span&&span class=&o&&.&/span&&span class=&n&&at&/span&&span class=&p&&[&/span&&span class=&nb&&int&/span&&span class=&p&&(&/span&&span class=&nb&&len&/span&&span class=&p&&(&/span&&span class=&n&&indf&/span&&span class=&p&&)&/span& &span class=&o&&*&/span& &span class=&n&&outindex&/span& &span class=&o&&/&/span& &span class=&n&&output_index_num&/span&&span class=&p&&),&/span&&span class=&n&&column&/span&&span class=&p&&]&/span&
&span class=&n&&times2&/span& &span class=&o&&=&/span& &span class=&n&&dt&/span&&span class=&o&&.&/span&&span class=&n&&datetime&/span&&span class=&o&&.&/span&&span class=&n&&now&/span&&span class=&p&&()&/span&
&span class=&k&&print&/span&&span class=&p&&(&/span&&span class=&s1&&'Time spent: '&/span&&span class=&o&&+&/span& &span class=&nb&&str&/span&&span class=&p&&(&/span&&span class=&n&&times2&/span&&span class=&o&&-&/span&&span class=&n&&times1&/span&&span class=&p&&))&/span&
&/code&&/pre&&/div&&p&结果大为改善：&/p&&p&Time spent: 0:00:07.850000&/p&&p&只有7秒，&b&比以前快了12倍&/b&！&b&更比开始的时候快了15倍多。&/b&&/p&&h2&&b&结论&/b&&/h2&&p&如果目标数据集行数确定，我们应该先分配出来，在一项项填入而不是append，要做填空题而不是做补充题；尽量选择用at/iat而是不是方便的loc/iloc或者ix。&/p&&p&最后给大家一个思考题，为什么我在最后的程序里面加了个&/p&&p&outdf.loc[0] = indf.loc[0]&/p&&p&不加会怎么样？&/p&&p&人生苦短，我用Python；发财要早，我要量化！欢迎关注本专栏。&/p&
在数据分析领域，最热门的莫过于Python和R语言。其中，数据分析库pandas是Python最经典的库之一。它使用一个二维的DataFrame来表示表格式的数据，相比较于Numpy，Pandas可以存储混合的数据结构，同时使用NaN来表示缺失的数据，而不用像Numpy一样要手工处理…
&figure&&img src=&https://pic3.zhimg.com/v2-c670e54b8afbd56ce770c3_b.jpg& data-rawwidth=&480& data-rawheight=&300& class=&origin_image zh-lightbox-thumb& width=&480& data-original=&https://pic3.zhimg.com/v2-c670e54b8afbd56ce770c3_r.jpg&&&/figure&&p&本着两条原则推荐一波机器学习，深度学习的课程以及常用的库：&/p&&p&1.不建议报辅导班。不是因为我们不应该为学习知识付费， 而是因为有更好的资源，而这些资源恰好免费。报辅导班学习浪费钱倒是次要的，主要是时间有限，所以我们要把最好的时间集中在最高效的事情上。&/p&&p&2.视频资源种类繁多，但我只选最有价值的。&/p&&p&Are you ready?&/p&&figure&&img src=&https://pic1.zhimg.com/v2-bb9edb159d17bf7a0016f4_b.jpg& data-rawwidth=&700& data-rawheight=&700& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&https://pic1.zhimg.com/v2-bb9edb159d17bf7a0016f4_r.jpg&&&/figure&&br&&p&以下课程均有中文字幕：&/p&&p&1.机器学习&/p&&p&机器学习视频我推荐大神Andrew Ng的课程：&/p&&p&&a href=&https://link.zhihu.com/?target=https%3A//www.coursera.org/learn/machine-learning/home/welcome& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&coursera.org/learn/mach&/span&&span class=&invisible&&ine-learning/home/welcome&/span&&span class=&ellipsis&&&/span&&/a&&br&&/p&&p&Andrew Ng的课程有两个版本，一个是斯坦福大学的公开课，一个是coursera上的课程。我更建议后者。首先是在couresa上讲，Andrew Ng面对的是所有在线的听众，这样自己听课就会有一种带入感，仿佛就在课堂一样，而听斯坦福大学公开课的那个版本自己听起来更像一个旁听生。其次是在couresa上作业，课件齐全，不用再到其他的地方找，减少很多麻烦。&/p&&p&2.深度学习&/p&&p&深度学习我推荐李飞飞团队主讲的《深度学习与计算机视觉》：&/p&&p&&a href=&https://link.zhihu.com/?target=http%3A//study.163.com/course/courseMain.htm%3FcourseId%3D& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&斯坦福CS231n-深度学习与计算机视觉 - 网易云课堂&/a&&br&&/p&&p&课件下载：&/p&&p&&a href=&https://link.zhihu.com/?target=https%3A//github.com/amazingzby/cs231n& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&amazingzby/cs231n&/a&&br&&/p&&p&剧透一丢丢：第一节李飞飞讲课时怀着孩子，所以只能坐着讲课，但课程内容依然interesting 。&/p&&p&3.推荐个与机器学习，深度学习不相关的课程，Jerry Cain讲的《编程范式》，我只听过前几节，感觉超级赞，就推荐给大家了&/p&&p&&a href=&https://link.zhihu.com/?target=http%3A//open.163.com/special/opencourse/paradigms.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&斯坦福大学公开课：编程范式_全27集_网易公开课&/a&&br&&/p&&p&OK！第一波已经结束，来第二波&/p&&p&&figure&&img src=&https://pic2.zhimg.com/v2-70c92cd288b857a135c493a0c9cd5880_b.jpg& data-rawwidth=&278& data-rawheight=&156& class=&content_image& width=&278&&&/figure&介绍几款常用的python库：&/p&&p&1.numpy&/p&&p&&a href=&https://link.zhihu.com/?target=http%3A//www.numpy.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&NumPy - NumPy&/a&&br&&/p&&p&处理数组，矩阵非常有效的库，不会numpy，学后面的白搭。&/p&&p&2.matplotlib&/p&&p&&a href=&https://link.zhihu.com/?target=http%3A//matplotlib.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&python plotting - Matplotlib 1.5.3 documentation&/a&&br&&/p&&p&数据可视化（其实就是画图，直方图，折线图，饼状图等等）必备。&/p&&p&3.pandas&/p&&p&&a href=&https://link.zhihu.com/?target=http%3A//pandas.pydata.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python Data Analysis Library&/a&&br&&/p&&p&pandas主要用于清洗数据，如果输入数据不那么规范（比如有数据丢失或有无效数字），用pandas处理会非常方便。&/p&&p&4.sklearn&/p&&p&&a href=&https://link.zhihu.com/?target=http%3A//scikit-learn.org/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&scikit-learn.org/&/span&&span class=&invisible&&&/span&&/a&&br&&/p&&p&机器学习必备&/p&&p&5.tensorflow&/p&&p&&a href=&https://link.zhihu.com/?target=https%3A//www.tensorflow.org/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&tensorflow.org/&/span&&span class=&invisible&&&/span&&/a&&br&&/p&&p&这个不解释，老司机都懂的！&/p&&p&今天就先到这里，下车前记得刷卡~&/p&
本着两条原则推荐一波机器学习，深度学习的课程以及常用的库：1.不建议报辅导班。不是因为我们不应该为学习知识付费， 而是因为有更好的资源，而这些资源恰好免费。报辅导班学习浪费钱倒是次要的，主要是时间有限，所以我们要把最好的时间集中在最高效的事…
&p&我先写我自己的回答吧，因为我是专门做数据可视化的，所以我从数据可视化的角度来回答，各位数据科学领域做文本挖掘，数据挖掘的欢迎来捧场！&/p&&p&R语言的数据可视化基本全仗ggplot2了（不要跟我提什么R语言有四套可视化语法，其他三套都是鸡肋），所以今天展示的案例全部都是基于ggplot2的：&/p&&p&&b&这是刚入门没多的时候模仿的商务图表案例：&/b&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-0bd8ed4be29718d10bfb12_b.png& data-rawwidth=&755& data-rawheight=&3399& class=&origin_image zh-lightbox-thumb& width=&755& data-original=&https://pic3.zhimg.com/v2-0bd8ed4be29718d10bfb12_r.png&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-f387a048ac4bdd7c8b784c2ce37eb586_b.png& data-rawwidth=&640& data-rawheight=&422& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic3.zhimg.com/v2-f387a048ac4bdd7c8b784c2ce37eb586_r.png&&&/figure&&p&&br&&/p&&p&&b&后来开始找一些信息图模仿：&/b&&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-cfc43dd083c65e692f9cc04_b.png& data-rawwidth=&1280& data-rawheight=&3600& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic1.zhimg.com/v2-cfc43dd083c65e692f9cc04_r.png&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-3cc8aef1eeb3ff4ffb19e32f3405e52b_b.png& data-rawwidth=&640& data-rawheight=&355& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic4.zhimg.com/v2-3cc8aef1eeb3ff4ffb19e32f3405e52b_r.png&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-633c7cd6edc320e098b6_b.png& data-rawwidth=&640& data-rawheight=&355& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic3.zhimg.com/v2-633c7cd6edc320e098b6_r.png&&&/figure&&p&&br&&/p&&p&&b&因为喜欢数据地图这个领域，所以练习了很多：&/b&&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-530b3ae6aafa818e8183c7_b.png& data-rawwidth=&1324& data-rawheight=&1687& class=&origin_image zh-lightbox-thumb& width=&1324& data-original=&https://pic4.zhimg.com/v2-530b3ae6aafa818e8183c7_r.png&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-68baf63ce694cc5f1749_b.png& data-rawwidth=&1332& data-rawheight=&1691& class=&origin_image zh-lightbox-thumb& width=&1332& data-original=&https://pic2.zhimg.com/v2-68baf63ce694cc5f1749_r.png&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-8170962eae931054beab827a901aeb77_b.png& data-rawwidth=&1320& data-rawheight=&1582& class=&origin_image zh-lightbox-thumb& width=&1320& data-original=&https://pic4.zhimg.com/v2-8170962eae931054beab827a901aeb77_r.png&&&/figure&&p&&b&后来小有名气了，开始自己揽活挣零花钱：&/b&&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-1bdaacfb12a362fcddf232_b.jpg& data-rawwidth=&669& data-rawheight=&3074& class=&origin_image zh-lightbox-thumb& width=&669& data-original=&https://pic3.zhimg.com/v2-1bdaacfb12a362fcddf232_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-be974db2d3_b.jpg& data-rawwidth=&1527& data-rawheight=&5397& class=&origin_image zh-lightbox-thumb& width=&1527& data-original=&https://pic4.zhimg.com/v2-be974db2d3_r.jpg&&&/figure&&p&&b&学习了R语言的rvest和Rcurl等爬虫框架开始爬数据做一些比较务正业的数据分析：&/b&&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-2ebe9eec7b3e6fee3ccf_b.png& data-rawwidth=&680& data-rawheight=&2676& class=&origin_image zh-lightbox-thumb& width=&680& data-original=&https://pic4.zhimg.com/v2-2ebe9eec7b3e6fee3ccf_r.png&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-d996badce8b12f52bc5caf_b.png& data-rawwidth=&1280& data-rawheight=&2160& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic4.zhimg.com/v2-d996badce8b12f52bc5caf_r.png&&&/figure&&p&&b&脑洞我也有很多哈哈哈！&/b&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-9ed599aff8bd_b.png& data-rawwidth=&3189& data-rawheight=&1772& class=&origin_image zh-lightbox-thumb& width=&3189& data-original=&https://pic2.zhimg.com/v2-9ed599aff8bd_r.png&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-ca1b153c9ed8cc2c7691_b.jpg& data-rawwidth=&1024& data-rawheight=&569& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&https://pic2.zhimg.com/v2-ca1b153c9ed8cc2c7691_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-24c31adb3dfd5d00ebc63911_b.png& data-rawwidth=&1200& data-rawheight=&1200& class=&origin_image zh-lightbox-thumb& width=&1200& data-original=&https://pic2.zhimg.com/v2-24c31adb3dfd5d00ebc63911_r.png&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-fc9b110c5fa69f538b5bc17_b.png& data-rawwidth=&1000& data-rawheight=&870& class=&origin_image zh-lightbox-thumb& width=&1000& data-original=&https://pic4.zhimg.com/v2-fc9b110c5fa69f538b5bc17_r.png&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-7b7efa899b1b786a74e01b_b.jpg& data-rawwidth=&1024& data-rawheight=&569& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&https://pic4.zhimg.com/v2-7b7efa899b1b786a74e01b_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-182a1c1f3fcc8c60e16357_b.jpg& data-rawwidth=&1024& data-rawheight=&569& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&https://pic4.zhimg.com/v2-182a1c1f3fcc8c60e16357_r.jpg&&&/figure&&p&&b&你以为我只会R吗（Excel也会一点儿），其实我的PPT也做的不错的哦！&/b&&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-e32c4c3a503aafb89c3fa9_b.png& data-rawwidth=&1280& data-rawheight=&10080& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic2.zhimg.com/v2-e32c4c3a503aafb89c3fa9_r.png&&&/figure&&p&&b&上面图太大了费流量，（主要怕你手机刷不开），所以放个小点儿的缩略图：&/b&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-34c11c6d14b980a2e262a0e5aaf74797_b.png& data-rawwidth=&1288& data-rawheight=&2414& class=&origin_image zh-lightbox-thumb& width=&1288& data-original=&https://pic4.zhimg.com/v2-34c11c6d14b980a2e262a0e5aaf74797_r.png&&&/figure&&p&&b&好了，发完图赶紧跑，害怕警察叔叔把我带走~&/b&&/p&&p&以上这些是自己练习ggplot2的过程中写过的代码和案例，&/p&&p&代码和数据均发布在自己的个人公众号：&/p&&p&“数据小魔方”里了。&/p&&p&==============&/p&&p&&b&容我再放一条链接：&/b&&/p&&p&Excel到底有多厉害！&/p&&p&&a href=&https://www.zhihu.com/question//answer/& class=&internal&&&span class=&invisible&&https://www.&/span&&span class=&visible&&zhihu.com/question/2758&/span&&span class=&invisible&&8491/answer/&/span&&span class=&ellipsis&&&/span&&/a&&/p&
我先写我自己的回答吧，因为我是专门做数据可视化的，所以我从数据可视化的角度来回答，各位数据科学领域做文本挖掘，数据挖掘的欢迎来捧场！R语言的数据可视化基本全仗ggplot2了（不要跟我提什么R语言有四套可视化语法，其他三套都是鸡肋），所以今天展示…
要求你做自我介绍，这是一个表面的要求，你应该尝试去判断面试官提出这个要求的背后动机。当然，现在也有些公司的HR也不是很专业，他们之所以问这个问题，也是因为基本流程或“前辈”们告诉他们要提这个要求。事实上一个比较专业一点的HR如果问这个问题，通常包含的潜在问题有：你为什么会来申请这份工作？你为什么觉得你胜任？同时通过对方的阐述，考察一下对方的逻辑、演说等方面的能力。&br&
写到这，你应该已经意识到了，当他们提出这个要求时，你要打起精神，因为这给了你一个绝佳的机会进行自我销售，是的，你没听错，就是selling yourself。不管面试官专业与否，你都可以采用自我销售的方式去应对。当然，之前你要做好充分的准备，一是岗位需求；二是对自我认知；三是两者的匹配度。&br&&b&一、了解公司及你应聘的岗位。&/b&&br&
所谓不打无准备之仗，知己知彼百战不殆。可以从以下几个方面进行了解。一是这家公司本身。这家公司是干什么的？它的经营模式大概是什么样子？属于哪个行业？规模怎样？企业文化和价值观如何？公司目前的发展状况和未来的发展策略等等。这些信息都可以在公司的官网上了解各大概，加上一些社会化媒体的渠道（微博、博客等）应该能大致掌握。二是公司的竞争情况。有哪些竞争对手？公司和其他竞争对手比有哪些竞争优势？目前在行业内所处的位置？和竞争对手比短板在哪里等等。这些问题可以通过百度、谷歌等搜索，也可以找到在这个行业里做过的师兄师姐或朋友什么的打听一下。三是你应聘的岗位。这个岗位要求做什么事情？要完成这些工作内容需要什么样的能力？这个相对比较容易，有些公司的JD写得很详细，这些信息甚至都写在里面了。如果JD不是很详细，你可以请教一下做过类似工作的朋友，做这些事儿需要什么能力。&br&&b&二、了解你自己的优劣势。&/b&&br&
前面是知彼，现在要知己了。也许有些人会很不屑，我还不了解我自己么？嗯，这个嘛，我不好妄加评判，至少我周边的很多人并不了解自己的优势和劣势，那些号称了解的，细细问来，也都很模糊。要了解自己可以考虑做这么几件事儿，一是做次职业测试。现在网上有不少免费的测试，可以了解一下自己的性格特点、优势点、职业性向等等。不过请记住，这个测试，只能做个参考。二是询问你最铁的哥们或闺蜜。了解一下他们眼中的你到底是啥子模样，你常常能发现一些你以前忽略的东西。三是找到品格还不错的对手（如果你有的话），和他（她）谈谈，看看对方是怎么看待你的。最后这种通常比较准确，至于为什么，嘿嘿，自己琢磨吧。&br&&b&三、找到岗位需求和你的优势匹配项。&/b&&br&
目标公司和岗位你也了解了，你自己的情况也摸得差不多了，这时你可以列出一张表，左边一栏是【公司及岗位需求】，右边一栏是【个人匹配项】，进行一一对应。在填对应匹配项的时候，应该有一个具体的事例，这个事例要足够详细和真实，要有背景、任务、行为和结果（也就是阐述示例的STAR原则）。&br&
做完以上三项准备工作，你心中应该大致有谱了，准备工作是冰山水下部分，是基础。接下来才是露出水面那一点点，即正是进入回答那个神马自我介绍的问题。大致框架可以是这样。&br&
1、用几句话做个大致背景介绍。比如你叫啥，从事XX工作（和目标岗位相关工作）了几年（应届生嘛就说什么学校毕业的）。&br&
2、引入对公司和岗位的了解。告诉对方你做了些工作了解到一些关于公司和岗位的信息。（说明你真的是care这份工作啊！）&br&
3、在以上的基础上告诉对方你的匹配能力项，并给出具体事例。&br&
4、做个小结，微笑的注视着面试官。&br&
比如：&br&
X经理（不知道面试官姓什么？晕，当然不专业的HR是不会主动告诉你的，但你可以更professional嘛，寒暄时就问对方），您好，我叫某某某，我从事XX工作3年了，在投递简历之前我对我们公司及我应聘的岗位进行了一些了解，我们公司是专业从事……在行业里……目前面临……我仔细研究了我应聘的岗位，结合自己的优劣势，个人觉得很适合该岗位。因为：&br&
①这个岗位要求……我曾经在……时……要完成……通过采取……取得了……&br&
②这个岗位工作的人应该具备……，我在……时……&br&
③这份工作要求……，我有过类似经历……&br&
综上所述，我认为我很适合这份工作，也有信心能做好。&br&&br&
Anyway，准备工作非常重要，不要指望凭一些简单的技巧就能应付过去，基本功还是要夯实的，练好内功，再练各种招式，就容易许多。&br&
要求你做自我介绍，这是一个表面的要求，你应该尝试去判断面试官提出这个要求的背后动机。当然，现在也有些公司的HR也不是很专业，他们之所以问这个问题，也是因为基本流程或“前辈”们告诉他们要提这个要求。事实上一个比较专业一点的HR如果问这个问题，通…
&p&泻药，某互联网公司 HR 。&/p&&p&其实我也不是特别拿手这方面的事情，但是和大家简单说一下简历中的几个误区吧。&/p&&p&（考虑到很多简历的反面教材案例发图会暴露候选人信息，纯文字给大家讲吧）&/p&&p&&br&&/p&&p&首先，我不同意某高赞答案里，过分强调简历模板、样式的回答。说老实话，作为一个 HR ，尤其是对接招聘的时候，不管是应届还是实习，最烦的就是看到各种五彩斑斓的简历模板。试想一下，你看到一个穿着五颜六色的衣服的人和干干净净清爽的人，谁更喜欢多看两眼？&/p&&p&当然，也不要过于简陋的直接用个 word 写自己咋样咋样balabal 这样，也是太糊弄了。&/p&&p&因为 我们…每天会看成百上千封简历，而且其中的绝大多数内容都很虚，所以对于简历的颜色是蓝色底色还是红色底色已经不是很计较了。只要你不给我彩虹色就行。那么具体去选什么颜色的模板这个其实无伤大雅，如果真要计较就选择一个比较舒适阅读的颜色就可以了。除非你是应聘的设计相关的岗位，不然不用把简历外观做的很好看。&/p&&p&&br&&/p&&p&其次是格式，目前我见过的简历格式分为 PDF、word、PPT、wps，甚至还有给我发 H5 简历的。对此我只想说&/p&&p&1.&b&简历最好是生成 PDF&/b&，阅读体验最佳的必然是 PDF 。而且对于大多数互联网公司都有自己的人力后台，导入简历解析其实 pdf 的成功率会很高，省事儿，至于 word ，能做 word 为什么不做 PDF ?&/p&&p&2.PPT以及 H5，你有时间搞这些虚的...我没时间看啊..如果是和面试官或者 HR 微信聊天时候可以发个 H5 我看下，运营之类的相关岗位还是很有帮助的。&/p&&p&3.发wps的你考虑好，一些公司习惯用 Mac 的，估计电脑上都没安 WPS（比如我），那我打不开别怪我不管你... 尤其是对于初级和应届的岗位，还没那么重视，你发个乱七八糟的格式。PASS&/p&&p&&br&&/p&&p&接下来第三部分，证件照，我说真的，在简历上放「嘟嘴卖萌自拍」、「高清无码写真」、「188套餐外拍」这种照片的同学你们是来找工作的吗？又不是面试 模特 、平面什么的，需要交模卡，你给 HR 看这些干嘛？老老实实给张一寸照，白底优先，蓝底也行。红底... 好像这几年没见过了。也别在学校门口6块钱10张的拍，海马体天真蓝等等最美证件照真的蛮便宜的，电子版没有你也别用手机拍了放上去啊....&/p&&p&（别说 HR 看脸，第一很多对外的职位比如 BD 、销售都是需要气质形象的，那当然看一下证件照，其次爱美之心人皆有之。在两个人如果看简历时候能力学历差不多，我一般先打电话的肯定是有照片的，没照片的先放放。&/p&&p&&br&&/p&&p&&b&这些说完了，然后说下简历怎么写。&/b&&/p&&p&首先是书写格式，不要用五颜六色的字体！不要用颜文字！不要甩一堆口语化用词！&/p&&p&&br&&/p&&p&第一个要写的是什么？必然是工作经历/实习经历&/p&&p&有的人写简历的时候真的很随意的，什么「干过」、「管事儿」这种词都能写，在你成为一个不拘一格猎头都推荐的大牛前还是别这么写了&/p&&p&&br&&/p&&p&有的时候我还真接过 P8/T7 这种特别 senior 级别的同学的简历，写的再乱我也认真看，至于初级的同学，简历都写不好，真不怪我不看...&/p&&p&&br&&/p&&p&那么具体的写法应该是什么？&/p&&p&原来的公司要写清楚，有的同学没搞明白代号和公司名差距在哪好像&/p&&p&具体煮栗子：&/p&&p&知乎 = 智者四海（北京）技术有限公司&/p&&p&&br&&/p&&p&所以，单写公司名有的时候一些公司的注册名其实不知名，比如贵乎的注册名我想很多人都不知道&/p&&p&我见过比较有意思的同学是 公司名（代号）logo 这种排序方式，还是很醒目的，当然这个 Logo 千万别放太大...&/p&&p&&br&&/p&&p&然后是部门和职位要写清楚 具体是哪个部门，什么岗位，一目了然&/p&&p&接下来最好的是 关键词 ，给面试官一个具体信息，知道你在这家公司做的是什么方向，然后再分段去写这段经历里的事情。&/p&&p&比如：&/p&&p&第一行：北京微梦创科网络技术有限公司（微博） logo
xxx年x月 - xxxx年 x月（x年x月）
&/p&&p&第二行：xxxx部 xxxx 职位
关键词：商务合作、执行、资源投放&/p&&p&第n行：· 曾支持 xxxx 项目，负责xxx和xxx部分的xxxx（什么时间，做了什么）；（如何作到）利用xxxx，进行xxxx；（最终接过）xxxx，项目完成率xxxx。&/p&&p&&br&&/p&&p&多用数字和专业名词去说自己曾做过什么，哪怕你是个写文章的，也得写出你写过什么大项目、文章的覆盖度传播度阅读量及最终效果。&/p&&p&&br&&/p&&p&简单说就是大家在拉勾上经常见到的&b&「star法则」&/b&&/p&&p&当然，你嫌长，不写公司名，写公司代号或者代表作（微博、去哪儿、蘑菇街）也行，不过最好还是写公司名。&/p&&p&当然这个地方有人问，需要加粗么，个人建议是不加，不同公司的HR喜好不一样，有的喜欢有的不喜欢。但是为了整体美观还是别加了。之前学设计的时候，教授说『加粗是对字体的整体美感破坏』&/p&&p&&br&&/p&&p&这部分完了。有同学问下一步是什么，下一步一般有两种写法。&/p&&p&1.有相关性很强的项目经历，一定要写出你做过什么大项目。比如你是商务，你在上一家跟过好几个大 case ，在这个地可以重点写。&/p&&p&2.没有的话，建议写一下你的相关性技能，根据你对岗位的理解、JD 里的黑话还有个人掌握的情况去描述。尤其是 初级的同学可能很多时候并不是很熟悉，但是还是可以续一下的。&/p&&p&&br&&/p&&p&案例：某同学投递的我司反作弊相关的实习岗位&/p&&p&
简历中有这么一块&/p&&p&行业研究 &/p&&p&&br&&/p&&ul&&li&?
1、初步时下部分公司反作弊系统的 v0、v1、v2 基本迭代逻辑，深谙反作弊 难度系数，有决心可以快速学习理解其中逻辑并运用到工作中; &br&&/li&&li&?
2、自学互联网反作弊产品经理工作，对作弊手法大致分类:产品滥推、 骚扰私信、内容刷赞、黄赌毒诈，并大致制定策略; &br&&/li&&li&?
3、通信工程专业偏 IT，略懂挂站、插件等作弊手段，略懂 IP 排重、频 度控制、归因时间差监控等反作弊数据分析手段，略懂模式识别算法; &br&&/li&&li&?
4、市场相关实习(平台+电商)经验居多，了解留存率分析、用户终端 &br&
刷量分析、异常数据黑名单监控等工作方法; &br&&/li&&li&?
5、希望能让公司以最低资金成本投入自己的同时，怀着一颗学习和进 &br& 步的心态为公司完成 100%的产出。 &br&&/li&&/ul&&p&没错，这个同学其实之前是做市场相关的工作，但是现在想来我们这里做反作弊的产品实习，那么他没有经验的入门砖是什么？&/p&&p&&br&&/p&&p&「研究和爱好」&/p&&p&虽然最后他面试的时候挂掉了，但是如果他单纯的给我投递一个只有市场经验的简历，我连实习的面试都不会让他进的。&/p&&p&&br&&/p&&p&其实这种都是在写简历时候的小技巧，同一句话，换个说法就不一样了。&/p&&p&然后一般，很多人喜欢在写能力的时候画个树状图、流程图、雷达图，其实也没啥用，我不看的。。。&/p&&p&你要写能力，就写你具体和这个岗位有关的，然后你会这个能完成什么工作。&/p&&p&比如一份 QA 相关的岗位中，&/p&&p&『熟练掌握自动化测试工具（如xx/xx），初步了解xx测试、xx测试，能较好的完成在 xx 端口的自动化测试工作。』&/p&&p&和&/p&&p&『较好的掌握 python 语言，能完成初级的测试工具开发工作』&/p&&p&这样的写法还是可以让我看一下的。&/p&&p&但是你要就写个，我会 python ，我懂工具。那你倒是写一下你会多少啊。。。&/p&&p&一般最后呢，就是自我评价了。建议给自己写出明确的职业规划和定位，因为面试官和 HR 都会喜欢要专注于/感兴趣于此岗位的同学。（哪怕你真的是海投的&/p&&p&&br&&/p&&p&同时，如果你是去一些很明显需要了解产品/公司文化的 公司/岗位，请记得写一下 「你对公司的了解」、「你对产品的了解」&/p&&p&比如你 去微博，你微博都没有？写一下你的微博账号好么？&/p&&p&比如你去知乎，你知乎都不知道有什么？写一下你的知乎账号好么？&/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&&b&最后补几句要点给初级的、应届的、在校实习的同学吧，社会人士直接退出就行。&/b&&/p&&p&1.应届生和刚毕业的还有找实习的同学，别把你高中、初中、小学的教育经验写给我，哪怕你读的北京四中、人大附中我也不会 care 的...&/p&&p&2.校园里的工作经验其实没啥要写的。除非你是做过微博校园、京东校园这种校园大使，而且应聘的又是相关的岗位还是可以写一下的，那么其他的还是算了。我看有人连自己暑假在肯德基送外卖的都写了。一般你不干销售其实没啥用...&/p&&p&3.学校里的当个社团副部长、班级生活委员这种就别写了。写学生干部要么别写，要写也是写一些有相关性或者有级别的职位吧，好歹得是个主席什么的。&/p&&p&比如我现在招 HR 实习生，你写「曾在校学生会人力资源部工作，负责校会的整体纳新，宣讲」其实还是可以的，但是你要是写些奇怪的…嗯哼？&/p&&p&4.写兴趣爱好，在不影响整个版面的时候，有相关性的多写两句可以，比如，你是数据相关的岗位，你说你爱好数学建模、喜欢计算都 OK ，你是运营，你说你爱好写作，看书，可以。你是 HR ，你说你喜欢和人沟通交流，可以。但是不要写一些很莫名其妙的爱好好么？&/p&&p&5.拿过的奖什么的，写校级以上吧最低，别连个班级优秀寝室都能往上写很多句，那就没用了。绩点排名什么的，不是前几名也不用写上。我见过写的专业排名最低的一个，「36/60」&/p&&p&同学你确定是推销自己？&/p&&p&&br&&/p&&p&而且如果你应聘的不是专业相关的岗位，真没必要把自己学的课写的特别详细。&/p&&p&比如你是应聘开发，你写你学过 python、JAVA、php 都可以啊。但是你写你学过「西方经济学」、「电机拖动」、「新闻学概论」？&/p&&p&这个地方写你的学过的课是为了证明你在没有经验的情况下能证明自己能力可以胜任这份工作的，不是汇报学习成果的..&/p&&p&&br&&/p&&p&看了下评论很多都是在校生、应届或者偏向 junior 一点的同学，说一些 HR 都知道但是大家未必知道的信息&/p&&p&1.拉勾、实习僧等产品虽然被大家饱受吐槽，但是无非就是「万年不匹配」。其实真不是拉勾的锅。因为大部分的互联网公司都有自己的 「人力系统」，这些平台进来的简历都是进我们的系统做人才库&/p&&p&「毕竟投递简历是我们的财富，肯定在我们的人才库里，放这种app 端口太危险了」&/p&&p&我们一般不是邮箱也是在系统看简历，所以你们的简历在拉勾没回应很正常。我们不在那处理啊....&/p&&p&2.大部分互联网公司都不发拒信，所以你们也别傻等着一家公司的面试消息，真的。&/p&&p&一般好点的 HR 都是给你个DDL 比如 24 小时、48 小时或者 3 天？&/p&&p&『如果我没联系你在这个时间后，就是挂了』&/p&&p&差不多是这个意思，那么如果你不死心或者觉得不甘心，可以去问。&/p&&p&问的时间是 DDL 结束的当天或者第二天，或者 DDL 前一天&/p&&p&语气得当态度好就行，千万别怕 HR ，我们不吃人。&/p&&p&3.关于简历，很多在校生问，『如果我什么都不会，也没经验。那要怎么写』&/p&&p&先反思一下， 你说这个问题的时候，有没有想过：「你在投递前研究了这个岗位的 JD、岗位详情、公司文化」了么？&/p&&p&尤其是，我见过很多来应聘我们家产品实习生的在校生，来了我问『你用我们家产品多么』&/p&&p&『抱歉我平时上的很少』&/p&&p&WTF？&/p&&p&那么，你的简历上如果什么都没有，是不是该写一下你对这个岗位这行业必备的一些技能的掌握情况、学习程度、个人理解？&/p&&p&还是我下面举出来的那个「反作弊产品」例子，不知道的可以翻下面的内容，不提了。&/p&&p&&b&所以，做一个好简历其实就是推销自己&/b&&/p&&p&&b&你想一下怎么把自己最合适这个职位的地方写出来，基本就知道怎么写了其实。&/b&&/p&
泻药，某互联网公司 HR 。其实我也不是特别拿手这方面的事情，但是和大家简单说一下简历中的几个误区吧。（考虑到很多简历的反面教材案例发图会暴露候选人信息，纯文字给大家讲吧） 首先，我不同意某高赞答案里，过分强调简历模板、样式的回答。说老实话，…
&p&&b&以下主要是书单以及视频的推荐&/b&&/p&&p&本人是即将毕业的计算机专业本科生，从大二开始学习数据挖掘，到目前算是初窥门径，由于身边很多同学考上研究生并决定选择机器学习/深度学习等相关方向，向我询问如何学习机器学习，特地来写此答案，本人并非老司机，两年多的学习也只是使自己初窥门径，希望自己的经验能够帮助新手少走弯路。&/p&&p&————————————————&/p&&p&&b&数学基础：&/b&&/p&&p&大部分的人说，学机器学习，只要掌握大学三门课（数学分析、线性代数、概率论与数理统计），但这很不客观，有很多数学知识是这三门课中没有讲到的，这就会成为学习的瓶颈。想深入学习机器学习的人，很有必要学习以下数学课程：&/p&&p&1.&b&《矩阵分析》&/b&：机器学习很多算法需要使用计算机来计算，就需要转换成计算机所接受的格式，而且很多矩阵相关的内容在线性代数中并没有涉及，所以学习《矩阵分析》是很有必要的。&/p&&p&书籍：推荐 Horn的《矩阵分析》&/p&&figure&&img src=&https://pic3.zhimg.com/v2-9abcf0f69e_b.png& data-rawwidth=&264& data-rawheight=&328& class=&content_image& width=&264&&&/figure&&p&&br&&/p&&p&2.&b&《统计学》&/b&：大学期间开的概率统计的主要部分在于概率，而统计部分则是浅尝即止，就算包含了大数定律、抽样分布还是参数估计，也只涉及了很浅显的一部分（是以考研数学一的标准来衡量，而并非是课本，因为答主考的就是数学一，虽然浙大那本书里甚至包含了Markov Chain，但内容真的看不下去）。这些统计知识可以说是机器学习算法的基础组成，而且在实际项目中，掌握很多统计学方法会如虎添翼。&/p&&p&书籍：推荐 &b&门登霍尔的《统计学》&/b&&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-819f286d3e4a48122638_b.png& data-rawwidth=&320& data-rawheight=&420& class=&content_image& width=&320&&&/figure&&p&&br&&/p&&p&（以上两门课程，可以在学习机器学习算法的同时进行学习，毕竟的确很多机器学习算法只需要大学数学的水平就够了，但学习这两门课是很必要的）&/p&&p&&b&3.《最优化》&/b&&/p&&p&optimization是大部分机器学习算法都会遇到的问题，因为很多机器学习算法都会被变成目标函数，最优化就是用来对目标函数参数求解的工具。&/p&&p&推荐：鼎鼎大名的&b&《凸优化》&/b&&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-6ab5c41ab86fafcb1759284_b.png& data-rawwidth=&366& data-rawheight=&554& class=&content_image& width=&366&&&/figure&&p&此书算是一本大部头，但并不难，本人当初只有大学工科数学基础就能比较流畅地通读一遍。&/p&&p&&br&&/p&&p&以及一位朋友在评论中推荐的 &b&《最优化导论》&/b&（答主未读过，暂不评价）&/p&&figure&&img src=&https://pic4.zhimg.com/v2-2dc8a12af9c1b2e3cc71c783_b.png& data-rawwidth=&369& data-rawheight=&539& class=&content_image& width=&369&&&/figure&&p&&br&&/p&&p&————————————————&/p&&p&&b&入门书单与视频：&/b&&/p&&p&&b&《数据挖掘导论》&/b&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-995a130e7e0f5bc8c4d9_b.png& data-rawwidth=&311& data-rawheight=&425& class=&content_image& width=&311&&&/figure&&p&&br&&/p&&p&学习数据挖掘，要先了解其到底是什么，这本书作为入门书非常好。这本书以实际应用为主，对算法的分析只触及到一点点，通过这本书说明的主要是算法的运行过程和意义，而非算法本身的数学推理。这本书上的内容，高中生都能读懂，但答主读了不只三遍，而且在不同的阶段阶段，读这本书都有很大的体悟和收获。&/p&&p&&br&&/p&&p&&b&李航老师的《统计学习方法》、周志华老师的《机器学习》（西瓜书）、Mitchell的《机器学习》&/b&&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-16f68ce09c70ecb102acd9_b.png& data-rawwidth=&258& data-rawheight=&424& class=&content_image& width=&258&&&/figure&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-9c1690ff7cbea92d80d5af2d65bae67f_b.png& data-rawwidth=&298& data-rawheight=&334& class=&content_image& width=&298&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-fd9d48ae6fcdb02_b.png& data-rawwidth=&295& data-rawheight=&432& class=&content_image& width=&295&&&/figure&&p&&br&&/p&&p&这三本书都是机器学习入门的经典书籍，之所以同时推荐三本，不是为了从这三本书中选一个，而是全部买下来对照着看：《统计学习方法》对公式的推理相对详细；周志华的书内容更加广泛，但推理不太详细；Mitchell的书重在算法的思路，对公式的推理很浅显，但易懂。建议学习的时候以李航老师的书为基础，对周志华老师的书进行系统的学习。&/p&&p&&b&视频：台大的《机器学习基石》与《机器学习技法》&/b&&/p&&p&一直以来，很多人推荐的入门视频都是Andrew NG的课程，但本人更加倾向于台大这两门课，这两门课从最基础的理论到各种典型的机器学习算法都包括，非常注重公式的推导，相比NG的课难度更高，但收获也更多。当完整的学习完整个课程，将会对机器学习的知识体系有很好的理解。&/p&&p&————————————————&/p&&p&&b&实战：&/b&&/p&&p&&b&《集体智慧编程》&/b&&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-c5931bad75d988c6d7280_b.png& data-rawwidth=&405& data-rawheight=&526& class=&content_image& width=&405&&&/figure&&p&此书无公式推导，只告诉我们哪个算法能做什么，需要做什么。虽然浅显，但真正的涉及到了数据挖掘存在的意义：数据挖掘真正的目的就是对数据进行分析挖掘，得到有用的信息。数据挖掘最基础的当然是数学和统计学，但如果只会对数学公式进行推导确不知道如何使用这些数学公式，那应该是一个假的数据科学家。答主大一时学习的是Java，当时主要搞的是JavaEE开发，也很喜欢数据结构以及ACM，自然对于编程算是比较擅长的，答主是以一个程序员的身份开始学习的数据挖掘，所以对这本以Coding来对数据挖掘进行介绍的书很有好感。&/p&&p&&b&《机器学习实战》[选修]&/b&&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-f4fd1cc01bcf962baa9d524ca59a0dd9_b.png& data-rawwidth=&244& data-rawheight=&301& class=&content_image& width=&244&&&/figure&&p&&br&&/p&&p&这本书是真正的造轮子，将各种机器学习算法真正的用python实现了一边，虽然对于数值分析等方面考虑的并不周祥，但已经算是一本造轮子的书。学习了机器学习算法后，造着这本书实现一遍，是一件很有成就感的事情，但这本书并非必读，答主也只是实现了其中几个算法而已，因为这本书的很多算法写的并不是很好，而想对这本书的程序进行改善，通常会走弯路，所以行有余力，则读此书&/p&&p&&b&《利用Python进行数据分析》&/b&&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-a7ecfcfcff5accc_b.png& dat