2018-07-27
大致分为六个步骤：
- 分析问题
分析问题的计算部分————想清楚
- 划分边界
划分问题的功能边界————规划IPO(Input,Processing,Output)
- 设计算法
设计问题的求解算法————关注算法
- 编写程序
编写问题的计算程序————编程序
- 调试测试
调试程序使正确运行————运行调试
- 升级维护
适应问题的升级维护————更新完善
昨天被三个Boss带去其他公司学习，也是感叹公司一个能带带我的人都没，全靠自己摸索，之前只接触过简单的Python爬虫，这次直接上手数据分析和机器学习了，吴恩达的课听了两节，讲到数学部分开始吃力，转战了其他课程，虽然涉及算法的东西跳过了，但是过一下知识点还是不错的，吴恩达那个课程翻译的的确有点难受。
昨晚开会大致有三波人：提出这个项目需求的公司，做这个项目的一个学校（某博士带领他们学校实验室的本科生），还有我们公司（不过这个项目也就我一个人在跟进）
这周前三天大致也学到无监督学习的聚类问题，昨晚另一个项目团队聊到他们这个项目已经进行的差不多，也是用聚类来分析这个项目（对新闻进行贴标签并分类），将每一个新闻看成一个节点，而且自身有多个属性，这样每个新闻在某一维（昨天他们排除了二维空间，并没有指明几维空间，我推测为三维）空间中就有个距离，通过度量这个距离就能发现一些什么。再往深处就没说了，可能涉及到他们攻克的技术难点。
中间那个导师聊到一个方法论挺有意思，跟我最开始写的大致差不多。拿到一个项目需求，首先要定义核心问题（即在什么样的过程中达到什么目标），然后分析问题，再求解目标（即影响问题的因素），之后选合适方法，也就是找算法。
之前做学校项目的时候，也被老师说过，当提出一个功能的时候，写代码不是最主要的，思考功能如何实现才是，毫无设计就开始写，就算功能实现了，代码也是一锅粥。
他们不仅有成果了，还有两套解决方案，一套是基于关键字，另一套是基于语义推理。
不得不说那个博士还是挺厉害的，能带本科生做这个，想想自己学校的老师，差距不是一点半点，连个像样的实验室都没，不过我在创业园有个工作室也算还行吧，就是渴望有大牛能带带。
今天跟同学聊到，好像学校有个数据挖掘实验室，那里还想有个博士生老师，只不过不教课所以基本没接触，下学期开学我要尝试联系下他，毕设想做这个相关的。
想想每年暑假实习其实都是每学年的承上启下，既能将去年一学年接触的领域用到实际的落地，也能给接下来一学年的学习提供方向，非常棒。