Abstract：一些产品研发过程中的硬件基础知识。注：由于有道云笔记突然bug，所以丢失了很多内容。

Abstract：pm需要了解的产品研发过程中设计到的数据处理的基础知识。

Abstract:基础篇，关于PM怎样愉快地跟程序员沟通。哪些话会惹恼程序员？提需求的正确姿势是什么？

Abstract：本文讲在给定训练集下为神经网络拟合参数的学习算法。反向传播算法——让代价函数J(theta)最小化的算法。即，我们从输出层开始计算δ项，然后我们返回到上一层计算第三隐藏层的δ项，接着我们再往前一步来计算δ(2)。类似于把输出层的误差反向传播给了第3层，然后再传到第二层。这就是反向传播的意思。 反向传播其实就是计算所有δ项， δ是每层的激励值的误差项，δ = 这个单元的激励值 - 训练样本里的真实值。反向传播和前向传播很相似，只不过计算方向不同。反向传播的计算结果其实是δ值的加权和。权值是这些对应边的强度。

实现将参数从矩阵展开成向量，以便我们在高级最优化步骤中的使用需要。矩阵向量化：thetaVec；向量矩阵化：reshape命令。 而当使用反向传播时，易遇到很多细小的错误，梯度检验方法会帮助确定实现的向前传播和反向传播或者其他的什么算法是100%正确的。梯度检验的原理是双侧差分法求导数。随机初始化theta。以上方法都是训练神经网络的过程中需要用到的。本文后半段详细介绍了训练神经网络的步骤和方法。

Abstract：最近在新媒体界很火的“新媒体掐架定律 ”，由南大新闻院院长杜骏飞老师提出。这25条定律从新媒体掐架的起端、过程、结果和掐架双方、掐架话题等维度，清晰阐释了掐架事件背后的一些普适性的定律。

Abstract：神经网络产生的原因是人们想尝试设计出模仿大脑的算法。

Abstract：本书主要讲互联网、注意力和人工智能三大方面。从长尾理论到注意力经济、计算广告学、体验经济，从注意力到占意理论；从众包和人类计算到游戏改变世界；最后阐述了占意与人工智能的关系。书还是不错的，适合对互联网、人工智能形成宏观的了解。其中占意理论是核心，以占意为核心去阐述各种概念。而占意的定义是人的外在注意力和内在意愿的集合。

Abstract：传统媒体标题以简洁直白明确为要，而新媒体时代的标题则以吸引人眼球为特征。尤其以咪蒙为代表的自媒体写作者常篇篇文案动不动10万+，且引起大规模转发，其中很重要的原因是其标题拟得精彩、戳中人心。一个好的标题可获取极高的点击率，价值千金。那么“标题党：究竟是怎样炼成的呢？

Abstract：集合覆盖问题是集合论里的一个知识点，这里做简要的概念解释。集合覆盖问题是要找到S的一个最小子集，使得其并集等于全集。

Abstract：算法分析包括事后统计和事前分析估算。事后统计由于依赖于计算机软硬件环境等因素故不太好。事前分析估算是以估算算法的时间复杂度的方式来衡量算法优劣。时间复杂度T(n) = O(f(n))，计算结果只需关注n的最高次幂的数量级即可。而算法的空间复杂度则是对算法在运行过程中临时占用存储空间大小的量度。

摘要：本文是第二章线性表的笔记。线性表是最基本、最简单、也是最常用的一种数据结构。

摘要：关于社交媒体中的情感分析的关键技术、发展趋势和历史（btw：整理自糖姐姐的blog）

摘要：AI的大数据训练与应试教育的“题海战术”在训练模式上具有高度的相似性，但AI由于具有更为强大的计算能力和数据处理能力，故具有人脑无法企及的天然优势。AI正将一步步替代高流程化和重复性的工作岗位，并将从就业市场倒逼教育转型。传统应试教育的固有弊端在AI时代下将会愈发凸显，转型势在必行。

摘要：《小王子》中狐狸说，“（仪式）它就是使某一天与其他日子不同，使某一时刻与其他时刻不同。”仪式感是用庄重认真的态度去对待生活里看似无趣的事情，设计关键是承载文化内涵。好的仪式设计具备专属性、独特性
象征性，仪式传播需要给人带来卓越的体验、情感的共鸣，以及延续品牌价值。

摘要：今天《数据结构》开课，本文是第一章绪论的笔记。