豆瓣评分 7.3

商业模式画布由9个板块构成。

• 客户细分(customer segments)：企业所服务的一个或多个客户分类群体，可以是企业组织、最终用户等。
• 价值主张(value propositions)：通过价值主张来解决客户难题和满足客户需求，为客户提供有价值的服务。
• 渠道通路(channels)：通过沟通、分销和销售渠道向客户传递价值主张，即企业将销售的商品或服务交付给客户的方式。
• 客户关系(customer relationships)：在每一个客户细分市场建立和维护企...

豆瓣评分 8.4

一种能够支撑限界上下文的架构是六边形（Hexagonal）架构，它可以辅助其他架构风格，比如面向服务（Service-Oriented）架构、REST和事件驱动（Event-Driven）等。六边形架构如图G.3所示

在领域模型中，有些业务操作并不能自然地放在实体或值对象上，此时我们可以使用无状态的领域服务（Domain Service，7），如图G.5所示。

就个人来讲，我时刻都在准备着学习，但是我并不喜欢被人教。

“准确传达业务规则”的意思是说，此时的软件就...

https://book.douban.com/subject/35470134/

Domain-driven design (DDD) proposes to attack the root cause for failed software projects from a different angle. Effective communication is the central theme of the domain-driven design tools and practices ...

豆瓣评分 8.7

无论你处于职业生涯的哪个阶段，这本书都非常实用。请保持开放的心态，好学深思，渴望提高，不惧破旧习，不惧提问题。

本书第1～2章讲解当你在公司开启你的职业生涯时会发生什么；

第3～11章会扩展你的工作技能，教你如何使用现有代码库、解决和防止技术债、编写生产级软件、管理依赖关系、有效地测试、评审代码、交付软件、处理On-Call时的事故和构建可演进的架构等；

剩余章节涵盖管理能力和职业阶梯的提升等相关内容，例如敏捷计划、与管理者合作以及成长为资深工程师的必经之路。

本书中非...

豆瓣评分 8.4

老师不同于咨询师的一个地方就是，老师用讲解模式，而咨询师用倾听模式。

如果我能成功教会你理解‘儿童自我状态’，你就能用这些概念来探索自我和你个人的经验了。记住，能实践的理论才是好的理论！

我们的某些基本情感是与生俱来的，就好像红黄蓝三原色，对所有婴儿来说都是类似的。然而当我们作为个体开始发展的时候，我们的情绪和反应都变得越来越个人化，就好像几种原色混合在一起就变出各式各样微妙的色调和色差来。

从呱呱落地起，我们的生命里只有两个人陪伴，有时候甚至只有一个人。和我们...

豆瓣评分 7.8

计划的制订应该仿效消防部门。谁也不能预料下一次火灾将在何处发生，因而要做的事就是组建一支精力充沛、效率很高的队伍，使之能够像处理普通事件一样处理意外事件。

既然回顾往事的时候还不能说清何时出现了战略转折点，那么身处其中的时候又怎么能回答这个问题呢？经历转折点的人感觉到转折点的时间并不一致，就像队伍中的人感觉到迷路的时刻有先有后。

计算机产业内这种更新换代一直让我想起人的“变脸”（Morphing）。不知不觉中一张脸消失了，与此同时，一副新面孔显现了，你无法准确...

https://book.douban.com/subject/36350632/ 8.4

我们整天说创新，殊不知谈创新不谈风险、不谈颠覆的，都是伪创新。

中国台湾地区的芯片每年提供全球37%的新计算能力。两家韩国公司生产的存储芯片占全球的44%。荷兰公司阿斯麦制造了全世界100%的EUV光刻机

如果不是因为飞蛾的话，这就是计算领域的一次飞跃。因为真空管像灯泡一样发光，会吸引昆虫，需要工程师定期“清理昆虫”(debugging)。

肖克利半导体公司的八名叛逆者被普遍认为是硅谷的创...

1.2 为什么使用机器学习

使用机器学习方法挖掘大量数据来帮助发现不太明显的规律。这称作数据挖掘。

1.4 机器学习系统的类型

根据训练期间接受的监督数量和监督类型，可以将机器学习系统分为以下四个主要类别：有监督学习、无监督学习、半监督学习和强化学习。

在机器学习里，属性是一种数据类型（例如“里程”），而特征取决于上下文，可能有多个含义，但是通常状况下，特征意味着一个属性加上其值（例如，“里程=15 000”）。尽管如此，许多人还是在使用属性和特征这两个名词时不做区分。

降维的目的是在...

更多又去的问题是没有一个简单的数学公式将输出和输入关联起来的。这就是我们需要诸如神经网络这样相对成熟而复杂的方法的原因。

关键点

• 当我哦们不能精确知道一些事情如何运作时，我们可以尝试使用模型来估计其运作方式，在模型中，包括了我们可以调整的参数。
• 改进这些模型的一种好方法是，基于模型和已知真实示例之间的比较，得到模型偏移的误差值，调整参数。

关键点

• 使用朴素的调整方法会出现一个问题，即改进后的模型只与最后一次训练样本最匹配，“有效地”忽略了所有以前的训练样本。解决这个问题的一种好方法是...