#我已经很勇敢了 我也不遗憾#
2023年的最后一天
我的年末小作文又来啦
新的一年
感觉我的反骨会继续蓬勃的生长
借用一句话就是世界是个巨大的草台班子
又是偶尔努力装大人辛辛苦苦过去的一年
可以试着偶尔发点疯
你会发现世界突然变得无比正常
只要我仍旧是自由的
就没人可以真的束缚我
一再失望就会彻底远离
主打的就是踢掉别人也绝不内耗自己
甚至都不愿让自己被困在已经过去的关系里
三月因为参加婚礼感染甲流
高烧晕眩上吐下泻咳嗽了整整一个多月
难受到让我此生不想再重复一次这种感受
十月我养的小狗生病
非常非常努力才让它又开始活蹦乱跳
真的真的希望我的小狗永远不要生病
远方的朋友当了妈妈迈入了新的阶段
而我还在天天抱着小狗玛卡巴卡笑死
出去玩去见了好多年不见的初中同学
他竟然说看我还像十几年前的屁孩这我不服
回程路上聊的太嗨又因为他热情地送了我二十斤大米以至于我完美卡点误了高铁但又成功改签
最后我还是拖着二十斤大米平安回到了晋城
一定要着重说下我朋友送的二十斤大米很好吃
我真的是那种明明自己一个人什么都可以做
但别人一说你必须要做就瞬间没兴趣了的大犟种
今年尝试了很多新的领域
有失误有收获也有挫败感
但一想到我就算那么万能
别人也不会给我多加钱就觉得也就那样
就算真的犯了错也没什么关系我也没那么重要啦
主打的就是一个知情识趣还会安慰自己的小能手
也会耿耿于怀某些人某些事
但仔细回想一下当初那人对我真的很好也就释怀了
我从很久之前的梦想就是
当这世上最快乐的普通人
现在人生进度算是实现了32%也蛮欣慰的
总算记得在某朋友生日时祝他生日快乐
和好久没见的大学同学通过QQ又搭上了线
提前收到了我最好朋友超实用的生日礼物我超喜欢
对陪伴我度过少年时光那些人的境遇无限唏嘘
又庆幸那批人里至少还有一些人现在过着平凡但幸福安稳的生活
马上又要长大一岁
也试着逐渐理解了一些当初死活都不能理解的人
我想这也许就是一直不断长大的好处之一吧
平凡很好
健康很好
快乐很好
普通也很好
希望新的一年
所有人,健康快乐,平安顺遂,还要赚大钱。
2023年的最后一天
我的年末小作文又来啦
新的一年
感觉我的反骨会继续蓬勃的生长
借用一句话就是世界是个巨大的草台班子
又是偶尔努力装大人辛辛苦苦过去的一年
可以试着偶尔发点疯
你会发现世界突然变得无比正常
只要我仍旧是自由的
就没人可以真的束缚我
一再失望就会彻底远离
主打的就是踢掉别人也绝不内耗自己
甚至都不愿让自己被困在已经过去的关系里
三月因为参加婚礼感染甲流
高烧晕眩上吐下泻咳嗽了整整一个多月
难受到让我此生不想再重复一次这种感受
十月我养的小狗生病
非常非常努力才让它又开始活蹦乱跳
真的真的希望我的小狗永远不要生病
远方的朋友当了妈妈迈入了新的阶段
而我还在天天抱着小狗玛卡巴卡笑死
出去玩去见了好多年不见的初中同学
他竟然说看我还像十几年前的屁孩这我不服
回程路上聊的太嗨又因为他热情地送了我二十斤大米以至于我完美卡点误了高铁但又成功改签
最后我还是拖着二十斤大米平安回到了晋城
一定要着重说下我朋友送的二十斤大米很好吃
我真的是那种明明自己一个人什么都可以做
但别人一说你必须要做就瞬间没兴趣了的大犟种
今年尝试了很多新的领域
有失误有收获也有挫败感
但一想到我就算那么万能
别人也不会给我多加钱就觉得也就那样
就算真的犯了错也没什么关系我也没那么重要啦
主打的就是一个知情识趣还会安慰自己的小能手
也会耿耿于怀某些人某些事
但仔细回想一下当初那人对我真的很好也就释怀了
我从很久之前的梦想就是
当这世上最快乐的普通人
现在人生进度算是实现了32%也蛮欣慰的
总算记得在某朋友生日时祝他生日快乐
和好久没见的大学同学通过QQ又搭上了线
提前收到了我最好朋友超实用的生日礼物我超喜欢
对陪伴我度过少年时光那些人的境遇无限唏嘘
又庆幸那批人里至少还有一些人现在过着平凡但幸福安稳的生活
马上又要长大一岁
也试着逐渐理解了一些当初死活都不能理解的人
我想这也许就是一直不断长大的好处之一吧
平凡很好
健康很好
快乐很好
普通也很好
希望新的一年
所有人,健康快乐,平安顺遂,还要赚大钱。
大数据(二)
常见AI术语浅谈(2)
接上期。
(二)、大数据的意义和价值:
1. 大数据的前瞻性:
大数据是洞察一切的互联网之眸,单纯的大数据不能发挥太大作用,只有利用大数据分析工具,大数据经过各种处理,各种数据交叉、归类……,才会产生意想不到的效果。
大数据通过展现与应用技术将隐藏在海量数据中的信息和知识挖掘出来,为人类的社会经济活动……提供依据,提高各个领域的运行效率,达到人力难以企及的高度。
如大数据经过BI(多种叫法:商业智能、商业智慧、商务智能)现代数据仓库技术、线上分析处理技术、数据挖掘、数据展现技术,进行数据分析,实现商业价值。
拥有大数据,有了现代分析处理技术和工具,可以洞察世界的动向。
2,大数据的决策性:
过去,一个GJ、一个部门、一个单位、一个企业……的各项决策,大多数是靠感觉,靠个人经验……。战争中局部战役指挥员的决策,也都是这样,具有很大的不确定性。
只有很少部分决策是依据客观数据分析决策的。
如果有一个神器,显著提高决策正确率,它具有的价值是巨大的。
这个神器就是大数据,大数据的海量数据,为决策带来了可靠的依据。数据的主要用途之一就是提供决策依据。
我们这个星球拥有75亿以上的人,几百个国家,千万个组织,几千万公司,每时每刻都会决策。利用大数据决策,减少了因决策失误带来的损失,大数据的价值无可估量。
大数据对于我们的经济发展、国防军事……都有巨大的作用和前景。
四、大数据核心关键技术:
大数据本质就是不同结构、不同形式的数据,大数据技术是IT领域新一代的技术与架构。核心关键技术有四项:
(一)、大数据采集和预处理技术:
大数据技术的意义不在于掌握规模庞大的数据信息,而在于对这些数据进行智能处理,从中分析和挖掘出有价值的信息。
1,大数据采集:
大数据采集即对各种来源的结构化和非结构化海量数据,所进行的采集。
大数据采集一般通过传感器、通信网络、智能识别系统及软硬件资源接入系统,实现对各种类型海量数据的智能化识别、定位……,传输、信号转换。
2,大数据采集的主要技术:
Sqoop(在结构化数据和分布式系统基础架构之间进行批量数据迁移的工具。);
ETL(是数据应用过程中的一个数据流的控制技术,把原始的数据经过一定的处理,放入数据仓库里。ETL包含开源的Kettle和Talend开源无代码数据准备工具);
MySQL(一个关系型数据库管理系统);
Oracle(甲骨文关系型数据库管理系统);
HDFS(文件存储系统);
HBASE(分布式数据库);
Nosq(泛指非关系型的数据库);
Flume(分布式、可靠性海量日志聚合系统);
应用程序编程接口和数据采集的生命周期技术。
谁掌握了数据,谁就可能掌握未来,现在的数据采集就是积累将来的流动资产。
3,大数据预处理:
预处理技术对多种类型的原始数据进行抽取、清洗、填补、平滑、合并、规格化、转换……操作,将这些复杂的数据转化为有效的、单一的或者便于处理的数据类型,为后期分析工作奠定基础。
4,大数据预处理四个部分:
(1),数据清理:利用ETL等清洗工具,不完整、遗漏数据要找回,填补。对错误数据(噪音数据)使用相应技术检测和清理数据。对重复数据合并及清除。不一致性数据(数据源内部及数据源之间)从语义冲突,完整性、不一致性……分析数据,处理数据保持一致。
(2),数据集成:将不同数据源的数据,结合在一起,形成一个统一数据集合,放到统一数据库,以便为数据处理工作,提供完整的数据基础。着重解决三个问题:模式匹配、数据冗余、数据值冲突检测与处理。
(3),数据转换:
数据转换就是将数据进行转换或归并,对抽取出来的数据中存在的不一致,进行处理的过程,从而构成一个适合数据处理的描述形式。
数据转换包含以下处理内容:平滑、合计、数据泛化、规格化、属性构造处理。在已有属性集构造新的属性,与现有属性集合,提高挖掘准确性,挖掘更深层次的模式知识。
(4),数据规约:
尽可能保持数据原貌的前提下,最大限度地精简数据量。通过属性选择和数据采样两个途径,得到较小数据集的操作。
待续。
2023年12月30日
常见AI术语浅谈(2)
接上期。
(二)、大数据的意义和价值:
1. 大数据的前瞻性:
大数据是洞察一切的互联网之眸,单纯的大数据不能发挥太大作用,只有利用大数据分析工具,大数据经过各种处理,各种数据交叉、归类……,才会产生意想不到的效果。
大数据通过展现与应用技术将隐藏在海量数据中的信息和知识挖掘出来,为人类的社会经济活动……提供依据,提高各个领域的运行效率,达到人力难以企及的高度。
如大数据经过BI(多种叫法:商业智能、商业智慧、商务智能)现代数据仓库技术、线上分析处理技术、数据挖掘、数据展现技术,进行数据分析,实现商业价值。
拥有大数据,有了现代分析处理技术和工具,可以洞察世界的动向。
2,大数据的决策性:
过去,一个GJ、一个部门、一个单位、一个企业……的各项决策,大多数是靠感觉,靠个人经验……。战争中局部战役指挥员的决策,也都是这样,具有很大的不确定性。
只有很少部分决策是依据客观数据分析决策的。
如果有一个神器,显著提高决策正确率,它具有的价值是巨大的。
这个神器就是大数据,大数据的海量数据,为决策带来了可靠的依据。数据的主要用途之一就是提供决策依据。
我们这个星球拥有75亿以上的人,几百个国家,千万个组织,几千万公司,每时每刻都会决策。利用大数据决策,减少了因决策失误带来的损失,大数据的价值无可估量。
大数据对于我们的经济发展、国防军事……都有巨大的作用和前景。
四、大数据核心关键技术:
大数据本质就是不同结构、不同形式的数据,大数据技术是IT领域新一代的技术与架构。核心关键技术有四项:
(一)、大数据采集和预处理技术:
大数据技术的意义不在于掌握规模庞大的数据信息,而在于对这些数据进行智能处理,从中分析和挖掘出有价值的信息。
1,大数据采集:
大数据采集即对各种来源的结构化和非结构化海量数据,所进行的采集。
大数据采集一般通过传感器、通信网络、智能识别系统及软硬件资源接入系统,实现对各种类型海量数据的智能化识别、定位……,传输、信号转换。
2,大数据采集的主要技术:
Sqoop(在结构化数据和分布式系统基础架构之间进行批量数据迁移的工具。);
ETL(是数据应用过程中的一个数据流的控制技术,把原始的数据经过一定的处理,放入数据仓库里。ETL包含开源的Kettle和Talend开源无代码数据准备工具);
MySQL(一个关系型数据库管理系统);
Oracle(甲骨文关系型数据库管理系统);
HDFS(文件存储系统);
HBASE(分布式数据库);
Nosq(泛指非关系型的数据库);
Flume(分布式、可靠性海量日志聚合系统);
应用程序编程接口和数据采集的生命周期技术。
谁掌握了数据,谁就可能掌握未来,现在的数据采集就是积累将来的流动资产。
3,大数据预处理:
预处理技术对多种类型的原始数据进行抽取、清洗、填补、平滑、合并、规格化、转换……操作,将这些复杂的数据转化为有效的、单一的或者便于处理的数据类型,为后期分析工作奠定基础。
4,大数据预处理四个部分:
(1),数据清理:利用ETL等清洗工具,不完整、遗漏数据要找回,填补。对错误数据(噪音数据)使用相应技术检测和清理数据。对重复数据合并及清除。不一致性数据(数据源内部及数据源之间)从语义冲突,完整性、不一致性……分析数据,处理数据保持一致。
(2),数据集成:将不同数据源的数据,结合在一起,形成一个统一数据集合,放到统一数据库,以便为数据处理工作,提供完整的数据基础。着重解决三个问题:模式匹配、数据冗余、数据值冲突检测与处理。
(3),数据转换:
数据转换就是将数据进行转换或归并,对抽取出来的数据中存在的不一致,进行处理的过程,从而构成一个适合数据处理的描述形式。
数据转换包含以下处理内容:平滑、合计、数据泛化、规格化、属性构造处理。在已有属性集构造新的属性,与现有属性集合,提高挖掘准确性,挖掘更深层次的模式知识。
(4),数据规约:
尽可能保持数据原貌的前提下,最大限度地精简数据量。通过属性选择和数据采样两个途径,得到较小数据集的操作。
待续。
2023年12月30日
即使测听正常,也可能存在听力损失?
潍坊华东康语助听器验配中心昌邑店(0536-7222658)
你是否遇到过这样的案例,或是你自己正在身受其扰?
听力检测结果显示一切正常,在安静的环境下听得也很清晰,但换到嘈杂环境中就会听不清。
类似的现象早在1948 年就被Kopetzky 所注意, 在其相关的论述中将此现象定义为辨听能力损失 (loss of capacity for discriminative listening) 。直到1992年Hinchcliffe提出了King- Kopetzky 综合征( King- Kopetzky syndrome) 的概念用以描述患者“纯音听阈正常却在噪音环境中聆听困难”的现象。从听力学家收集到的案例来看,存在类似问题的人群其实占比并不算低。而还有更多不曾意识到自己有类似问题的人,从未就医,其数据也就未被记录。
1
如果有类似的问题
你需要注意什么?
如果你存在类似的困扰,在噪音环境下听不清楚,听不懂对方说什么,已经开始困扰你的日常生活,可以去医院就诊,并做好听力测试,以更全面地了解一下出现问题的原因。
同时,如果真的是所谓的隐性听力损失,或是King- Kopetzky 综合征( King- Kopetzky syndrome),还没有非常明确的诊断与治疗对策。但是这也提醒你需要着重注意在日常生活中的听力保护,注意预防噪音造成的伤害。在极端噪音环境下严格佩戴耳塞,或是及时离开。平时使用耳机时也要注意音量及使用时间的控制。这将有助于减缓听力损失进程。
Kujawa 在 2017 年对 American Speech-Language-Hearing Association 所解释的那样:「你可以在噪音暴露后的几分钟内失去 50% 的突触,但你本来可能一辈子才会失去这么多突触。」
1
你还可以做些什么?
如果你已经出现了这些症状,但又不至于到佩戴助听器的地步,可以尝试以下的方式来改善聆听效果:
1.在嘈杂的环境中,尽量让对方说话放慢速度,让对方重复、反复沟通未必效果会更好;
2.尽可能坐在对方的对面,这样你可以更好的结合对方的口型及身体姿态去了解她说的意思。
潍坊华东康语助听器验配中心昌邑店(0536-7222658)
你是否遇到过这样的案例,或是你自己正在身受其扰?
听力检测结果显示一切正常,在安静的环境下听得也很清晰,但换到嘈杂环境中就会听不清。
类似的现象早在1948 年就被Kopetzky 所注意, 在其相关的论述中将此现象定义为辨听能力损失 (loss of capacity for discriminative listening) 。直到1992年Hinchcliffe提出了King- Kopetzky 综合征( King- Kopetzky syndrome) 的概念用以描述患者“纯音听阈正常却在噪音环境中聆听困难”的现象。从听力学家收集到的案例来看,存在类似问题的人群其实占比并不算低。而还有更多不曾意识到自己有类似问题的人,从未就医,其数据也就未被记录。
1
如果有类似的问题
你需要注意什么?
如果你存在类似的困扰,在噪音环境下听不清楚,听不懂对方说什么,已经开始困扰你的日常生活,可以去医院就诊,并做好听力测试,以更全面地了解一下出现问题的原因。
同时,如果真的是所谓的隐性听力损失,或是King- Kopetzky 综合征( King- Kopetzky syndrome),还没有非常明确的诊断与治疗对策。但是这也提醒你需要着重注意在日常生活中的听力保护,注意预防噪音造成的伤害。在极端噪音环境下严格佩戴耳塞,或是及时离开。平时使用耳机时也要注意音量及使用时间的控制。这将有助于减缓听力损失进程。
Kujawa 在 2017 年对 American Speech-Language-Hearing Association 所解释的那样:「你可以在噪音暴露后的几分钟内失去 50% 的突触,但你本来可能一辈子才会失去这么多突触。」
1
你还可以做些什么?
如果你已经出现了这些症状,但又不至于到佩戴助听器的地步,可以尝试以下的方式来改善聆听效果:
1.在嘈杂的环境中,尽量让对方说话放慢速度,让对方重复、反复沟通未必效果会更好;
2.尽可能坐在对方的对面,这样你可以更好的结合对方的口型及身体姿态去了解她说的意思。
✋热门推荐