@Morriaty 数据分析的岗位很可能需要爬虫。比如，做量化投资。。。

啥老师考研这种。。。莫不是接的私活

父母可能就是希望子女在身边 <-- 主要是寂寞

普通公司：不行，不能让员工用自己电脑，泄露了公司产品代码怎么办？

2B 公司：我们不提供电脑，员工请自己带。

@abersheeran 确实如此。一些普通前端程序员，写代码就是糊表匠的那种，C++ 项目分分钟 segmentation fault 还调试不了。

@encro C++ 的碎片化更严重一点。。。

用 C++ 的话，团队得严格规定写法和用的类库，而且团队成员素质要求很高，要不然就肯定推进不下去。但是如果是大神组成的小团队，C++ 真的是人挡杀人，佛挡杀佛，Java 根本难望其项背。

合同呢？合同不就是干这事的？

@coldear 你没理解我的潜台词。“尚未有论文发表” = 尚未发现好的算法，或有人发现了但是不声张。

从理论角度看，我认为现有的深度学习框架足以支撑任何不需要创造力和深度推理的任务，而且可以比人做的更好。和有些网友的感觉可能不同，所谓的“经验”其实正好是深度学习最擅长的地方，而“知识”和“推理”反而是深度学习目前为止进展最差的方向。目前而言，所有什么技术面分析、技术指标的经验谈，反而是深度学习看上去比人更有可信度。

如果你们认可技术面分析，那么就可以认可机器学习在这方面的应用——当然，我本人是认为所有股票技术面分析都是 bull of shit 。

"而且，如果有这样的算法，用编程的方式，遍历，穷举，最终 只要算力足够，很多人都可以找到这个 神奇的算法"
----

这么说吧，你这句话本来就是错的。（鄙人深度学习，PhD ）

机器学习的艺术永远是在**过拟合**（敲重点，过拟合）和**欠拟合**之间寻找平衡点。算力堆上去了，欠拟合是不会了，但是极易过拟合。而跨越这道坎，需要人的智慧。

P.S. 之所以 CNN 在图像领域大杀四方，而在 CNN 出来之前神经网络毛用没有，就是因为 MLP 在图片极易过拟合，模型的泛化性能根本不行。CNN 通过引入自然图片的结构特征（领域相关、权重共享），才在图片上一骑绝尘。

很遗憾，在投资领域还没有这么牛逼的论文能够跨越过拟合这道坎——当然，我觉得有了也不会发论文就是了。

@zxCoder 自信点，裸指针 T* 在 C++ 大项目里面本来就是大忌。

我前几个月写了个 3 万行的 C++ 项目，多线程的，actor-model 。这么大的、牵扯到并行的项目，如果指针满天飞我早就崩溃了。

老子不管什么引用计数引入了一点点开销，老子牵扯到多线程的传递对象都是 shared_ptr<T>。性能不够？多线程频繁申请内存的时候用 malloc 有可能有锁？用 tcmalloc 啊？大不了过段时间老子仿 boost::flyweight 写个智能指针池不就行了。

python 要找工作，得就着工作内容学习相关的方向。

需要加密就不要考虑便捷性了，还是直接全盘 BitLocker / luks crypt / FileVault 靠谱。

需要便捷就不要考虑加密了，顶多就是换个 iPhone 确保应用数据不能互相被扫描。

@zxCoder 。。。其实加不加空格分号是语言习惯最容易改的部分。

真正的部分是怎么组织项目、怎么做接口和类设计…… 这些才是不同语言不同习惯最重要的地方。违逆这些 best practice 写东西会越写越别扭，写不动几万行代码的项目。

@marcong95 前段时间买了个 453Dmini 。结论：

1 、AppCenter 比起 Synology 就是狗屎。
2 、但是 Docker-Compose 香。

所以如果不会用 Docker-Compose 的，出门左转用 Synology 吧。