Mosaic

孤舟遠盡

电视剧基本尊重了原著，刚开始还抓得住眼球，但是后来有点模糊，让人看不懂，有些内在的东西不是一般人能看得懂的，所以这部剧观看者受限。

中国生猛大叔

“感情是人们内脏的活动，像人们四肢的活动一般，若是从小就不给他操练，是会麻木不仁的。”

许颖

最后一集911创伤待拉片

何老实

一本面向从事计算机行业相关人员的科普书，用深入浅出的语言介绍了一些耳熟能详的应用的基础实现，包含搜索引擎、公钥加密、纠错码、图像识别、数据压缩、数据库、数字签名等。即便是2011年创作完的书，在10年后仍然值得一看

康师傅饮品李晋

这部剧特别特别温柔。 她是一种妈妈的爱和宝宝的可爱传递出来的温暖在心头。回荡回荡～ 我也想给予我的孩子无限的爱，但是在我成为一个母亲之前，我要坚持做一个真实的正直的人。这样才能让我的孩子知道，他的自我本身就是非常美好的。

PaleBlueDot

2020年读完的第八本剧 感谢栗子 老师的精彩讲解，让我觉得财务报表分析不再是可怕而是有趣 坚持看完每一本专业书总能有所收获。

Crepitar(考研版)

E-MARK20191124：         人云有明一朝，衰起于嘉靖，实亡于万历。由书中所记史实看，明王朝走向衰亡非哪位帝王个人的意志的所能左右，张居正励精图治的改革十年为明王朝创造了最后的繁荣，但申时行之流及讪君沽名钓誉之辈让心怀大志的万历心恢意冷，体制破败、人心涣散，王朝已从内部衰败，改朝换代那是必然。         “以铜为镜，可以正衣冠；以古为镜，可以知兴替；以人为镜，可以明得失。”愿今人今朝不再重蹈覆辙！

木子林夕

做一个多模型思考者，做更明智的决策。 一、总结联想 1、概述 模型是什么 分类：简化模型、类比模型、探索性模型； 特征：简化、形式化、所有模型都是错误的； 结果：均衡、周期、随机、复杂； 模型怎么用 7大用途：推理、解释、设计、沟通、行动、预测、探索； 构建方法：具身法、类比法、另类现实法； 数学方法：确定变量、变量关系、归纳性探索； 例：搬家：装箱问题，“大石头优先”原则，首次适应算法； 为什么需要多模型 多模型：思考 VS 单一正确模型：解题； 孔多塞陪审团定理：模型越多，准确率越高； 多样性预测定理：群体误差=个体平均误差-多样性； 模型过多：边际效用递减、过度拟合（例：1比1的地图）：避免使用高阶项（放大误差）； 人类建模困难 人有多样性、易受社会影响、容易出错、有目的、有适应能力； 人有主体性：采取行动、改变行为、学习能力； 2、模型 01 正态分布 正态分布：变量相加，中心极限定理；例：身高分布、学生成绩； 对数正态分布：变量相乘，不确定性高；例：大多数国家的收入分布； 六西格玛：1sigma=68%，2sigma=95%，3sigma=99.75%；例：金属零件尺寸管控； 例：加薪；等额加薪、百分比加薪（扩大差异）； 例：小学校成绩好；小样本方差大，易出现极端情况； 02 幂律分布：长尾分布 例：城市人口分布、视频下载量、剧集销量、地震分布； 产生原因：正反馈、互相依赖性；马太效应、优先连接模型、社会效应； 例：销量高的产品更受欢迎，销量越来越高； 自组织临界模型：沙堆模型、森林火灾模型； 长尾分布意味着少数几个大“赢家”（大崩溃、大地震、大火灾、严重的交通拥堵）和很多的“输家”； 机会的增加可以创造风险激励； 03 线性模型 揭示变量间的相关关系，而不是因果关系； 实力-运气方程；成功 = a x 实力 + (1-a) x 运气，a属于； 大多数有趣的现象都不是线性的，可以线性拟合、用线性分段表示非线性； 分类模型（降低方差）：线性、非线性、决策树森林； 04 非线性模型 凸函数：指数增长模型（72法则），正反馈；例：摩尔定律； 凹函数：收益递减、负反馈；例：半衰期模型； 经济增长模型：投入=折旧时达到均衡；减少攫取和腐败、促进创新； 例：人口（指数增长）/粮食（线性增长）问题； 结论：涉及非线性，直觉就不够用了； 05 价值和权力模型 最后上车者价值：最后加入者的边际贡献（可替代性）；例：企业聘用多余的员工、分散购买； 夏普利值：遍历所有加入序列，边际贡献平均值；例：打麻将三缺一； 应用：合作博弈，投票博弈； 例：扩大联盟规模，使“最后上车着价值”趋向于0；只有微弱多数的政党，每个成员“最后上车者价值”很高； 06 网络模型 参数：度、路径长度、介数、聚类系数； 六度分隔理论，三度朋友很重要（新机会、新信息）； 友谊悖论：大多数人的朋友比他们自己更受欢迎； 关键节点（中心节点）有更多的连接，结构洞； 07 广播模型、扩散模型和传染模型 扩散概率 = 接触概率 x 分享概率； 例：社会现象，消息传播； 传染病SIR模型，超级传播者（关键节点）； 基本再生数R0，细小的差异，很大的改变；例：流行歌手Justin Bieber R0=24； 直接临界点（例：山顶上的球），与指数增长的转折点不同； 08 熵：对不确定性建模 信息熵：二元问题的数量； 4种结果的熵：均衡=0<周期性<复杂性<随机性； 随机使人崩溃，复杂性很有趣； 最大熵分布；例：艺术品价格（指数）； 09 随机游走 一些你以为的规律，可能只是随机事件，是暂时的；例：成功的