算法特训营

❶ md服装布料总是很僵硬,不柔软怎么办

“ 感知CG · 感触创意 · 感受艺术 · 感悟心灵 ”
中国极具影响力CG领域自媒体
以前电影或者电视大部分是手K动画，技术就只有这么高，CG的镜头也并不多，CG角色的使用就更少了。

直到2004版的《金刚》播出后。金刚这个“非人”的数字CG角色开始走进大众的视野， 也是从那时候起，越来越多人开始注意到虚拟角色这种数字演员。
后来，卡神出的《阿凡达》让人看到CG角色的另一片新天地，打开的电影第八艺术的一扇大门。
CG角色结合动捕技术，让虚拟角色具备生物特性，看起来更加真实，逐渐成为国际电影制作的一种趋势！
战斗天使：阿丽塔

▼
猩球崛起
如今，数字角色技术和动捕技术已经不再是一个热门话题。只不过，知道这种技术，也知道这种趋势，但你能独立创作出一个属于你的数字角色吗？很扎心！
今天我们就来详细介绍一下这两项技术！

动捕技术

▼
现阶段，动捕技术已经相当普及了，但要效果好的话，需要专业的动捕设备进行数据采集，费用会比较高。

动捕过程中也会出现一些数据不符的情况，这时候就需要后期进行修饰。主要有以下几个问题：

1.动捕数据和动作不匹配：很多时候，人的动作难以达到影视需要的张力，所以动捕的数据大多需要进行后期调整。

2.动捕中出现抖动：设备毕竟不能完全还原真实，所以需要动画师后期修饰。

3.动捕数据之间的串联与衔接：有特殊的方法可以处理，是一种技术方法。

4.身体动捕数据与头部动捕数据之间的串联：这也对应了一些技术实现方法。

ZivaVFX全身肌肉动力学系统

▼
▲Ziva官方演示案例
Weta Digital在制作《阿凡达》时开发的 肌肉模拟系统ZivaVFX 来进行全身肌肉动力学绑定 ，实现真实的身体动画。
ZivaVFX动力学绑定技术，能根据真实人类和生物的自然肢体特征，创建基于物理原理的计算模型，然后运用基于生物力学和动画动作的物理仿真算法来处理这些模型。
当然，这两项技术要展开来讲就太多了，所以我们请到郭伟老师开设了 《虚拟角色MV“心之旋律”ZivaVFX&UE4动画制作特训营》 ，为大家详细讲解制作动画CG角色全流程。
识别下方二维了解更多详细▼
01
讲师介绍
郭 伟
自由CG艺术家、独立制作人
中国传媒大学动画培训部多年动画讲师
曾参与北京奥运VR场馆虚拟现实与福娃三维动画制作，在中央电视台动画部参与多项项目制作，之后在 中国传媒大学动画培训部担任多年动画教学讲师。

这是一位 “很专一” 的CG艺术家，从1999年开始学习CG制作，20年来一直在研究完整的CG角色动画制作流程和技术。
《数字主播》 以讲师自己为原型的CG虚拟角色▲
2018年10月，独立完成 《数字主播》 动画。详细讲解表情捕捉技术的运用，Faceshift表情捕捉软件，表情从数据获取、表情配置，表情表演技巧、联动Maya与分层渲染，到最后完整作品输出。
让CG工作室或个人，能够通过简单高效的表情捕捉技术来完成角色面部表情动画的制作。
讲师作品《数字主播》▲
继《数字主播》之后，郭老师推出又一部角色动画力作 《心之旋律》特训营。

根据商业项目的制作流程，从角色建模到最终渲全流程，涉及角色全身动力学绑定，虚拟IP角色制作、动捕技术、UE4实时渲染……让你能够运用zivaVFX结合UE4打造一部绚丽的作品。
02
Ziva全球首套中文特训营
放眼全球，独自完成一部CG角色动画，其涉及技术节点之复杂，核心技能之多，相信制作动画的人都知道。
就算是传统绑定，也不是很好做， 何况是运用 《阿凡达》的全身肌肉动力学系统ZivaVFX进行人物动作绑定。
训营案例《心之旋律》 ▲
训练营内容包括： 模型制作+动捕数据处理+Ziva绑定+头发/布料模拟+UE4实时渲染

模型制作
▼
Maya低模+zbrush高模+MD布料+Nhair头发+Mari贴图+Vray渲染
整个训练营都是围绕项目流程的，所以模型部分并不会一步一步教你创建。重点讲解的是角色开发的相关技术点以及难点。
动捕阶段
▼
动捕数据的获取+数据修饰+头部数据与身体数据整合+数据驱动Ziva骨骼

动捕的数据采集比较复杂，所以特训营中讲师并不会详细的介绍。
但是讲师会讲解数据的获取方法，以及找到合适的数据后要如何修饰动捕数据，然后将脸部动捕数据与身体动捕数据整合到一起，以及将动捕数据匹配到Ziva的骨骼，驱动模型运动的全过程。
Ziva绑定
▼
人体解剖学肌肉基础+Ziva软件基础+Ziva“ 三次模拟 ”
本部分讲师将会从解剖学开始讲解人体肌肉，然后把肌肉模型匹配到Ziva的骨骼，骨骼带动肌肉-肌肉驱动皮肤，以及皮肤的处理和优化，最终得到正确的动画数据。当然，Ziva的软件基础是必不可少的部分。
Ziva“三次模拟”▲
头发/布料模拟
▼
Qualoth软件基础+布料解算优化+Nhair头发模拟

本部分包括Qualoth软件基础知识，MD服装制作后的模型优化，布料解算的技巧，以及Nhair头发模拟的技巧。
UE4实时渲染
▼
实时头发+实时布料+实时渲染MV动画

本部分包括UE4地编制作，UE4三种头发处理方法，UE4三种布料处理方法，UE4实时渲染技巧以及将动画处理数据导入UE4渲染成MV的全过程。

三种头发方法： ① 毛发实例化： 适合于中近景及特写镜头的高质量渲染需要
② 面片+贴图+骨骼： 适合于动画及游戏制作的需要 ③ 面片+贴图+UE4实时布料： 适合于常规动画项目的需要
三种布料方法： ① ABC缓存： 适合于CG高品质项目及特写镜头的需要
② 骨骼绑定： 适合于游戏项目及动画项目的需要 ③ UE4实时布料动力学模拟： 适合于高品质动画项目的需要
更多详细内容里就不再一一介绍。想了解特训营
向上滑动预览训练营课时表
▼
第一周： 课程前的准备
课时1：教程宣传片
课时2：教程内容概述
课时3：动画项目的制作流程
课时4：模型布线及动画规则讲解
第二周：解剖模型制作
课时5：解剖基础
课时6：骨骼模型
课时7：肌肉模型
课时8：布线与优化
第三周：人体模型制作
课时9：头部模型
课时10：身体模型
课时11：手臂模型
课时12：脚部模型
第四周：服装模型制作
课时13：MD服装模拟
课时14：MD模型转Maya项目可用模型
课时15：服装模型的厚度与优化技巧
第五周：毛发制作
课时16：XGen制作睫毛
课时17：XGen制作眉毛
课时18：XGen制作头发
第六周：材质灯光渲染
课时19：身体材质讲解
课时20：身体其它材质讲解
课时21：服装材质讲解
课时22：灯光与渲染
第七周：骨骼搭建
课时23：动画数据用骨骼搭建
课时24：解剖模型控制骨骼搭建
课时25：骨骼约束控制
第八周：动捕数据应用
课时26：动捕数据基础讲解
课时27：HIK系统讲解
课时28：动捕数据导入与调整
课时29：最终动画烘焙
第九周：ZivaVFX插件讲解
课时30：Ziva基础讲解
课时31：Bone&Tissue
课时32：Attachment
课时33：MuscleFiber&ActionLine
第十周：ZivaVFX动力学解算
课时34：肌肉与骨骼连接
课时35：肌肉模拟
课时36：筋膜与脂肪模拟
课时37：皮肤模拟
第十一周： 布料与毛发解算
课时38：Qualoth基础讲解
课时39：服装动力学解算
课时40：头发动力学解算
第十二周： UE4资产导入
课时41：UE4基础讲解
课时42：Alembic缓存导入流程
课时43：头发动画导入UE4的解决方案
课时44：游戏用角色导入方法
课时45：蓝图属性驱动讲解
第十三周： UE4材质与渲染输出
课时46：皮肤材质
课时47：眼睛材质
课时48：头发材质
课时49：其它材质
课时50：灯光讲解
课时51：场景搭建
课时52：抗锯齿与高质量动画输出
郭老师将20多年的动画人物制作技能与技巧，浓缩到本次特训营虚拟角色动画制作当中。

采用完整的商业项目制作流程， 加深你的对动画人物制作流程的整体把控，让你能够整体控制动画项目的制作。跻身主管及总监行列！
掌握动画制作的全流程和技术，制作出完整的人物动画作品，让别人“看见”你是实力，做下一个“饺子”拍另一部“哪咤”！
03
多种学习保障与福利
多元的学习方式
▼
特训营历时4个月，3个月学习培训，1个月学生项目制作，帮助学员在最短的时间内吸取丰富的知识。
实行小组学分制， 在这里，你不仅可以从讲师那汲取宝贵的知识和经验，还能够与助教、班主任、组长一同探讨学习上的问题。
在学习中有任何疑问，可以在直播中提问，或是在线咨询讲师或助教。

随堂作业打卡制，
合格学员-结业证书
▼
课堂出席率达 80% 以上的学员，即可获得由翼狐网颁发认证的 结业 证书。 专业设计师学习平台，品质保证。
班长报名资格和高额学费返还
▼
学分达到80分以上，优先获得下一期训练营 班主任、班长 的报名资格，获得再次巩固提升的机会。
学分前三名学员，根据名次，按照比例返还学费，第一名的返现额度非常非常高！

04
特训营报名须知
▍虚拟角色动画MV《心之 旋律》-ZivaVFX&UE4动画制作特训营介绍
特训方向：
涵盖：动画模型的建模要点、真实肌肉骨骼的Setup、Ziva动力学肌肉绑定、基于动捕数据的动画制作、表情与动作的同步、Qualoth布料动力学解算、毛发动力学解算、UE4材质与实时渲染输出、完成CG角色的动画全流程。
招生名额： 60个席位，不设旁听（单纯听课）小班制教学保证质量，先到先得！
课程时间： 本次特训营历时4个月，3个月学习培训+1个月项目制作。 课程售价4999元。 合格毕业生由翼狐网颁发的结业证书。
更多信息，请查看下表，或直接联系客服人员！
▼
05
常见问题
零距离解答你的疑惑
学员： 为什么选择ZivaVFX进行角色绑定？ 讲师： 传统的绑定方式缺乏真实的肌肉动态，而Ziva提供了全动力学解算肌肉系统，身体变形部位可以根据内部肌肉组织计算出正确的动态，能完全避免传统绑定的弊端。 国外特效公司全部都在用这套肌肉绑定系统，我想我们也应该在制作流程上有所改变了。
学员： 动捕数据处理和使用会详细讲 解吗？ 讲师： 动作捕捉的数据来源我们只是稍微带一下，但是动捕数据及表情数据的获取，修饰，运用这几块我们会详细的讲解，直至匹配到ziva并导入UE4渲染的全过程。
学员： 报名需要掌握哪些基础知识呢？ 学习这个训练营需要掌握哪些软件，对软件的使用要到什么程度？ 讲师： 这是一套动画流程课程，你需要掌握一定的美术基础，人体解剖及动画制作基础，当然，这些知识教程中也会讲解到，但是有的话就会更好。
本次特训营是从模型开始到MV输出结束，涉及软件及水平。
模型：Maya+MD+Zbrush+Xgen+Vray+UE4，只需要到角色制作程度就可以。 动画：Ziva+Qualoth+Nhar 会从基础开始讲解，你可以完全放心的学习。学员： 现在报名有什么福利吗？ 小编： 现在报名参加特训营还可以免费获得价值599元的 《数字主播》-Faceshift角色面部表情捕捉教程 一套。 注意：这个福利仅限CG世界粉丝才能参加，数量有限，详情请咨询客服。

▼

❷ 计算机培训多长时间要多少学费

目前市面上的计算机培训大都是6个月内短期速成，市场价位在2万左右。

❸ 机器学习算法和深度学习的区别

一、指代不同

1、机器学习算法：是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。

2、深度学习：是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标人工智能。

二、学习过程不同

1、机器学习算法：学习系统的基本结构。环境向系统的学习部分提供某些信息，学习部分利用这些信息修改知识库，以增进系统执行部分完成任务的效能，执行部分根据知识库完成任务，同时把获得的信息反馈给学习部分。

2、深度学习：通过设计建立适量的神经元计算节点和多层运算层次结构，选择合适的输人层和输出层，通过网络的学习和调优，建立起从输入到输出的函数关系，虽然不能100%找到输入与输出的函数关系，但是可以尽可能的逼近现实的关联关系。

三、应用不同

1、机器学习算法：：数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、DNA序列测序、语音和手写识别、战略游戏和机器人运用。

2、深度学习：计算机视觉、语音识别、自然语言处理等其他领域。

❹ 人生算法A计划

初见《老喻的人生算法》是在去年七八月份

当时我内心的感受:卧槽，这写的啥鬼东西，一脸懵逼，完全看不懂在说啥。

现看《老喻的人生算法》，我内心的感受:天哪，写的实在是太好了，我怎么没早点遇见它。

emmm...真香

《老喻的人生算法》主要由两个模块构成：

A计划，针对的是你内心世界的不确定性；

B计划，针对的是外部世界的不确定性。

A计划的目标，是把你打造成一辆赛车；B计划是要让你这辆赛车，在正确的赛道上获胜。

这就是人生算法的主要目的。

以前我一直认为人只要不停地学习，努力学习，提升自己就好了，迟早有一天会出人头地。

现在我才知道自己成了井底之蛙，接触越来越多的人后，我越发现我身边的人都很努力。

万千世界，我只是其中一只蝼蚁，渺小若一粒尘埃，努力上进的人不计其数，那既然都很努力，凭什么出人头地的是我？凭什么！

我也曾想去了解那些牛人的成功路径，了解他们的思维方式，对比一下我们普通人的思维方式，到底有何不同？但是苦于找不到渠道，后来就不了了之，幸好遇见了人生算法这门课程。

人生算法总结了，地球上最厉害的那些人的底层思考方法和行为方式，让你成为解决“不确定问题”的高手。

接下来，就进入到正题。

按照老喻的说法就是 算法指的就是可复制的、解决问题的一系列步骤。

举个栗子

你按照一个精确的食谱烤面包时，食谱上写着加入20克白砂糖，放入180度的烤箱里，烤30分钟等等，这些步骤就是一个算法。

如果一个红烧肉的菜谱里面说放盐少许，葱花少许，这可能就称不上算法。因为没有量化，它就不能复制。

所以这门课讨论的算法包含以下几个关键词： 解决问题、步骤、量化、可复制。

A计划是一个自我发现、自我塑造的过程，塑造你自己，有点儿像制造一辆汽车。那这辆汽车应该怎么造呢？

首先要理解一下造车四大法则: 使命 环境 行动 反馈

这里的使命指的是就是 打造好自己这辆车， 财富和成就只不过是这辆车经过和到达的地方而已，

当你为了某种使命而生活时，你未必一定要中大奖，也能从每天的生活中找到幸福的感觉，

使命不知道哪一天到来，但在此之前你需要为了你的使命，虔诚地准备着。

现实是一片烂泥地，法拉利未必比拖拉机跑得更好。

现实世界，不是一个比拼设备的赛车场。高配不一定是赢家，低配版本同样有很多机会。

再每个伟大的事物，都有一个微不足道的开始。iPhone刚出来的时候，也不比诺基亚好用多少。

所以你现在的环境无论有多糟糕，请从现在开始打造你自己这辆车，行动比不行动要好。

你应该一边装配，一边驾驶，别搞火箭发射。

什么叫火箭发射？就是假设现实高度可控，未来可以被预测。通过聪明的计划和高效的执行，你就能取得好的结果。

可惜真实世界是不可预测的，根本不存在准备好的那一天。现在公认可行的是“精益创业”模式，我们必须在行动中去学习。

反馈是冠军的早餐。 我们在造自己这辆赛车时，要从全局性和动力机制出发，建立反馈系统，不断纠错、更新、迭代。

用放大镜来拆分认知行为，一个完整的闭环有“感知-认知-决策-行动”这四个动作，四个动作头尾相连形成圆圈。

我们来拆解一下大脑工作的慢动作。我们把“从获取信息到采取行动”这个过程，当做一个认知行为的最小闭环，它特别像一个四人接力赛：

当一件事情发生的时候，你首先要从外界去获取信息，这时你要充满好奇心。

你要把各种可能性都罗列出来，评估每种可能性发生的概率。这时你要能保持灰度，接受各种不同的观点，哪怕是你不喜欢的。

你必须作出黑白分明的选择。即使你没有把握，你也要发出清晰的指令。

你就变成了一个坚定的执行者，就像闯进了瓷器店的大象，要勇往直前地完成任务。

所以，这个接力赛是由这四个人完成的，他们分别叫 “好奇感知”、“灰度认知”、“黑白决策”和“疯子行动”。

这一个接力赛就是人生中的一个个小切片，每一个切片里，我们完成了一次从认知到行动的完整闭环。一个个小闭环，随着时间不断叠加起来，就构成了我们整个人生。

人与人之间，一个小闭环差别不大，但一个个闭环不断串起来，就会形成巨大的区别。

所谓初段的闭环，就是指我们要积极去做这四个动作，把闭环完成。 闭环是为了形成一个反馈系统，给自己的未来按下启动按钮。

我们通常认为，闭环是为了给别人一个交代。其实不是，它甚至也不是为了给自己一个交代，而是要给未来一个交代。

只有迈出行为的第一步，你才能和未来有了链接。这样你就能理解了，为什么闭环是人生算法A计划整个九段的基石。

所以当遇到问题时，我们与其去闷着头想，憋大招，不如迈出双腿，先完成一个闭环再说。勇于尝试，不停修正，最终你自然会一步步逼近问题的最优解。

大脑有两种套运行系统，“自动驾驶模式”和“主动控制模式”，也就是《思考快与慢》当中的系统1和系统2

自动驾驶模式的特点是很快，例如你驾驶汽车遇到突发事件时猛踩刹车，这是个自动处理的动作，包含了反射、本能、直觉、冲动。

主动控制模式则显得有点儿慢，但它需要深思熟虑，你需要调用经验、记忆、分析、理性。

这两个模式也经常发生错位，该自动驾驶的时候控制太多，而该主动控制的时候却自动驾驶。

高手把一件事做好的秘密就是，最开始交由“主动控制系统”来管理、训练，达到一定熟练程度，就由“自动驾驶系统”来接管。

那怎么同时完成多项任务呢？

行为学和电生物学的综合研究告诉我们，先将第一项任务自动化，你就能够有更多的心智资源投入到第二项任务中。

怎么才能打造，在两种模式之间自如切换的能力呢？

把不那么重要的事情交给“自动驾驶系统”。

在使用“自动驾驶系统”后，积极用“主动控制系统”复盘。

在大脑中用“主动控制系统”去模拟“自动驾驶系统”。

一切脑力活动，最后拼的都是体力；一切体力活动，当然只是那些看起来以体力为主的活动，最后拼的都是脑力。

如果你能同时掌握两个系统，并且在中间自由切换，那你就可以成为“人生算法”的二段高手。

在三段内控这个阶段，你需要知道，一次完整地认知行为，实际上是由4个最为关键的控制点组成的。

“认知飞轮”由感知 、认知、决策以及行动这四个节点构成：

在感知环节，你像个情报员，获取外部信息，所以你需要很敏感；

在认知环节，你像个分析师，你需要特别理性，考虑各种变量，并且给予公平的估值；

在决策环节，你像个指挥官，你必须根据分析师的评估计算，作出一个决定，而且这个决定必然是有取舍的，你需要十分果断；

在行动环节，你像个战士，需要不畏艰险，勇往直前，执行任务。

一个完整的认知飞轮，就像一场4乘100米的接力赛，是由4个人共同来完成的，他们分别叫感知、认知、决策和行动。

“感知”跑完了把接力棒交给“认知”，“认知”跑完了交给“决策”，最后由“行动”来跑最后一棒。

这四个人彼此交棒的那一刻，就是“内控点”要介入的时候。

史蒂芬.柯维曾说过一句话， “在外界刺激和回应之间，存在着一个空间，我们的回应就存在于这个空间之中，我们的成长和幸福蕴含在我们的回应中。”

其实这就是介入了“内控点”。我们的认知出现问题，也经常发生在这些点上。

例如，“感知”作为侦察兵获取了某个信息，结果到了内控点他不交棒，拖到认知环节。你知道一个人如果太敏感，就会有些情绪化，也很难客观地评价各种可能的情况。

又比方说“认知”这个人，更像一名军师，优点是特别智慧，考虑问题周到，但让他拍板，可能就会因为想法太多而优柔寡断。所以到了“决策”这个内控点，他必须把接力棒交给一名将军气质的人。

把握内控点，说起来简单，做起来不容易。那如何更好的操作内控点呢？巴菲特有一种内控法。

巴菲特说自己如果不在一张纸上写下自己的理由，就绝不交易。这个交易可能是错的，但自己必须有一个“交易答案”。

比方说，在纸上写：“我今天要花500亿美金来买苹果公司，因为……”

如果你不能回答这个问题，你就不要买。

写在纸上能有什么用呢？其实，就是建立了一个节点，人为制造了一个“内控点”，防止爱欺骗自己的大脑过于冲动。

“人生算法”A计划的三段，内控。不仅一个认知飞轮里有四个内控点，两个认知飞轮之间也有内控点。而且在两个认知飞轮之间，你需要装上一个重启键。

当我们完成一个认知飞轮，需要重启下一个认知飞轮。在这个控制点上，往往会有两个挑战：

第一，舍不得去掉旧的；

第二，无法开始新的。

比如说看电影，付钱后发现电影不好看，你面临两种选择：

第一种，不好看，但忍着看完；

第二种，退场去干别的事情。

你应该如何选择呢？这时候你应该假设：如果这张票是免费的，我看还是不看呢？

那你当然应该退场，还能省出时间干点儿别的更有意义的事，来降低未来的机会成本。而硬撑着看，你还要继续受罪，时间也浪费了。

理性的决策，告诉我们要放弃沉没成本，除非放弃所带来的新问题，造成的成本更高。但是，恋旧本质上其实还是因为不自信。不相信自己放弃现有局面后，可以创造更好的东西。

人类不光有“损失厌恶症”，也特别不喜欢不确定性。

但现实中不可能什么都准备得好好的，很多时候其实是“只有东风，万事都缺”。即使条件不充分，你也要能“扣动行动的扳机”。

那有什么办法可以解决这两大难题呢？

有两个“精神装置”，可以帮助你构建自己的“重启系统”。他们分别是两个角色，你遇到问题的时候，可以把自己代入这两个角色的视角中。

第一个，“外星人”视角。

假设有个外星人，突然飞到地球，接管了你的生活，你应该忽视那些让你纠结的沉没成本，面对问题，提出理性的解决方案。

第二个，“阿尔法狗”视角。

阿尔法狗会把所有的事实，当作已知条件，然后像一个解题高手一样，重新配置资源，积极计算，寻求最佳答案。

不要沉迷自己的思路和假设，每一步都把当前的局面当做已知条件，作出当前情况的最佳选择

一个人不是靠一次的击球，而是靠整个系统、靠概率来获得胜利的。一个球打得好坏，一件事情的得失，并不影响全局。关键在于，一个球打完了，一件事情结束了，你能够马上复原，重启下一个全新的“自我”。

我们学会了如何开启下一个闭环。但一个新闭环对上一个闭环，只是复制还不够，闭环和闭环之间，还需要增长。

那怎样才能实现增长呢？

有效的增长，分为三个阶段：1.增长假设；2.增长验证；3.大规模增长。

怎么理解？打个比方，首先你要有种子，才有增长的可能。因为没法确认种子一定能发芽，所以叫“增长假设”。这是第一阶段。

然后呢，我们要开始做“育苗实验”，看看哪些种子真的可以发芽，对前面的假设进行验证。这是第二个阶段“增长验证”。

只有完成了前两个阶段，才可以进行大规模种植。这是第三个阶段，真正的“大规模增长”。

在现实中，不管是公司还是个人，在“增长思维”上容易陷入两个误区：

一个误区是——有内核，没增长。产品好，服务好，但没法做大。结果，要么维持着手工作坊的状态，要么就慢慢地消失了。

还有一个误区是——没内核，乱增长。种子不对，也没进行育苗实验，就开始大规模种植。前段时间有家公司叫星空琴行，地推能力很厉害，迅速开了很多家连锁店，但是因为商业模式根本行不通，很快就倒闭了。

对于个人来说也是一样，即使你再有能力，你没有增长思维，成长就会受到限制；假如没有基本能力，只谈增长，到头来也是一场空。

概括而言，对于个体来说， 增长思维有一个清晰的主线，分为三个阶段。 在输得起的时候快速试错，积极探索，目的是找到可持续的、可规模化的增长公式，也就是你的个人算法。

具体如何执行呢？

第一步，假设：建立最小化闭环。

第二步，验证：找到北极星指标。

验证，其实是确认两件事：第一，获取一个正向反馈；第二，找到单一指标的关键要素。

第三步，执行：设计增长策略。

对个人来说，你只有找到可学习可复制的增长模式，你的努力才有可能转化为收获，就像滚雪球一样，越滚越大。

内核，就是要找到核心算法，发现你自己的商业模式的种子。每一个成功的人，都要经历找到自己内核这一步。

内核有两个特点：

第一，要简单，这样才可以大规模复制；

第二，要有构建系统的潜力，这样才能防止被别人复制。

先看第一个特征，是简单。但“简单”这个词可不简单，它要满足三个关键指标：大概率事件、可复制、大规模。

首先，内核得是大概率事件，它是生活中大概率会重复发生的事。

好吃的火锅会有很多顾客，这件事已经被重复验证过了，是可以重复实现的大概率事件，而不是拍脑袋，靠热情、梦想或者运气。

其次，内核要可复制。

其实世界上排在前面的餐饮品牌，例如星巴克、麦当劳、肯德基、必胜客，差不多都有一个特点：容易复制。

这就回到了开头的那个问题：人和人之间的差别没多大，最后差别在哪？就是你有没有复制自己的能力。别人开一家店，我能开1000家店，那差距可就大了。

我们的难题不在于做好一件大事，而在于找到一堆可重复的小事。

怎么样实现这一点呢？你需要做到三点：一、把握时机；二、依靠禀赋；三、形成专业。

第一，把握时机。 你可以选择你在哪，但你不能选择时代。所以在对的时间，做对的事，把握时代的机遇非常重要。

第二，依靠禀赋。 什么叫禀赋呢？就是指天赋，以及你已经拥有的资源。比方说海底捞的张勇，他的禀赋就是“懂服务”，从而才能构建文化系统。

第三，形成专业。 光有上面这些还不行，你需要不断完善，不断打磨，进而形成自己的专业护城河。

求解出自己的内核，就是在为复利作准备。有了种子之后，我们就要开始大面积种植森林。只有当前面的六段都准备好了，七段复利才会释放出“几何级数增长”的力量。

传统意义上，真正靠谱的复利也就两种，要么是资金固定收益的利滚利，比如储蓄；要么是不动产的持续增值，就是在正确的区位买房。

而很多人忽略了，其他领域的复利有一个问题，那就是会停，它不是无限复利下去的。

那怎么样才能克服复利停止的风险呢？硅谷着名投资人彼得·蒂尔的观点，特别简单粗暴：垄断。

对个人而言，什么叫垄断呢？

举个例子

不管你觉得自己内心有多么丰富，你在其他大部分人心目中，可能就是一个标签。比如，那个特别能聊天的，那个做PPT的家伙，那个搞投资的，那个卖房子的等等。

其实，这个标签就是你独一无二的价值，意味着你占据住了一个赛道。别人有相关的需求，也许第一个想起来的就是你。

所以说，你在一个公司里面地位是否牢靠，不取决于你有多厉害，或者是有多么勤奋，而是取决于你是不是占据了一个心智，是不是“不可或缺”。这就是个人意义的“垄断”。

除此之外，你还要学会延迟满足与持续学习，

诺贝尔奖得主约瑟夫·斯蒂格利茨认为：学习，是持续增长与发展的关键动力。

简而言之， 你需要洞悉时间的机制，用持续学习来构建自己的“垄断”优势，致力于获得长期收益，从而创造复利效应的奇迹。

在前面的7个段位中，我们不断地探寻真理，直逼内核，像滚雪球一样收获复利。滚雪球这个动作听起来很轻松，但要实现没那么简单。

人生长路漫漫，你会遇到挫折，你可能在不确定的现实森林里迷路……这个艰难的过程很像希腊神话里受惩罚的西西弗斯，他每天必须将一块巨石推上山顶，等石头滚下来又推上去。

这时候，我们需要愿景，需要抬头仰望星空，找到指引方向的北极星。越伟大的企业和个人，越会强调愿景。

愿景由两大要素组成，核心理念和未来蓝图。核心理念就是你努力要变成一个什么样的人；未来蓝图就是你努力要做成什么样的事。 比方说，迪士尼的愿景是：成为全球的超级娱乐公司，使人们过得快乐。

那我们该如何找寻自己的愿景呢？贝佐斯有3个秘密武器，值得学习。

秘密武器1：发现有什么是未来十年不会变化的。

我们都喜欢关注变化，但对于找到愿景来说，不变更重要。因为你需要将你的战略建立在不变的事物上。什么东西是不变的？其实就是常识，以及人们一直追求的美好事物。

秘密武器2：最小化后悔表。

“假设自己80岁高龄时回看自己的人生，现在没有创业，到时候会不会后悔？”如果后悔那就果断去做。当你作人生重大选择的时候，你也可以这么去问自己。

秘密武器3：“以始为终”战略。

什么叫“以始为终”战略？贝佐斯认为在零售业，客户永远不变的就是想要更低的价格，更快捷的配送和更多样的选择，也就是多快好省。他的做法是，先想明白终极问题，再进行逆向操作。

什么是涌现呢？

涌现来自对“复杂系统”的研究，是复杂系统中最显着也是最重要的一种特征。

在系统科学中它说的是，大量微观的个体在一起相互作用之后，就会有一些全新的属性、规律或模式自发地冒出来，这种现象就称为涌现，而且最后的效果是“整体大于部分之和”。

1. 成功的要素可能很简单。

想要成就非凡的荣耀，并不需要每一个基本要素都非凡。就像能够找到最佳路线的蚂蚁，单个儿并不需要有很厉害的大脑。

2. 重要的是系统。

一个妈妈拍自己的孩子，拍了17年。这是一件可持续、有机会由量变跃升到质变的事情。但大多数事情并不是简单重复就可以形成系统的。例如一个人再勤奋，大概率也很难成为诺奖得主。这里面的差别在哪？如果你没有系统，努力是无法叠加的。

如何构建自己的系统？

一个人也可以构建自己的系统，怎么才能做到呢？

你需要切换另一个角度来看待自己，我们引入“时间”这个变量。

在一个个时间切片里的我们，就像一只只蚂蚁和蜜蜂。此时此刻的你，和下一秒的你，就是两只蚂蚁。作决策的你是一只蚂蚁，行动的你是另一只蚂蚁。无数个不同时刻的你，叠加在一起，就像蚂蚁社会一样，构建了一个智能系统。所以，你自己就是一个超级智能系统。

蚂蚁之间的传输控制协议，是这个智能系统的算法。 不同时刻的你之间的关系、反馈、奖赏和连续性，就是你的算法。

通过这样的比喻，我们就能理解，人和人之间看起来差别不大，为什么差距会那么大。

差距就在于，有些人是有系统的，有些人根本就没有系统。

有系统的人，就是有算法的智能系统。这样的系统能够不断进化，可以创造整体大于部分之和的奇迹。这就是“涌现”。

那怎么搭建自己的系统呢？

其实就是《人生算法》A计划的九个段位。这就是一个自我发现的过程，找到自己系统的过程。我们可以把它叫做“人生定位”和“个人战略”。

我们再回顾一下《人生算法》的造车计划，四个轮子是“感知-认知-决策-行动”，发动机就是我们每个人的内核，导航系统是愿景。

这辆车就是你我的个人系统，通过它，我们才能长途跋涉，去坚持做长期且有复利的事情。

从初段到九段，正是一个形成个体的人生算法的过程，你应该把自己当作一个有算法的系统来经营。

一个人成功的最大秘诀是：找到可大规模复制的、具有连续性的“大概率事件”作为内核，这样才能像一辆车一样跑起来，进而收获人生的复利。

❺ 如何从普通JAVA程序员向机器学习算法工程师转变

建议先看两类书：（1）计算机原理；（2）数据结构和算法。（看数据结构之前先看C语言）。 第二． Java、.net、C++、PB、VB、Delphi、汇编到底应该学哪个？哪个最简单就先学哪个、公司用哪个就学哪个、哪个和有缘（比如刚好认识一个愿意

❻ 做游戏开发需要学什么

学习游戏开发需要熟练掌握游戏编辑软件，熟练掌握好这些基础的游戏软件功能就可以了。
常用的编辑软件有以下6种。
1、3dsMAX：大多数游戏开发公司美工使用，效率较高，可以独立制作游戏中所有美术相关资源。
2、MAYA：跟3dsMAX差不多的软件，因个人喜好而定，MAYA在制作动作的方面较MAX稍差，不过在很多方面这两款软件都是可以兼容的。
3、Deeppaint3D:可以直接打开3维模型文件，在上面绘制贴图。
4、C++：程序使用，用来实现游戏中的各种功能，调试BUG等。
5、Photoshop与Panter：配合MAX或MAYA来绘制各种模型需要用的贴图。
6、ZBrush：美工制作超高模用的，然后可以生成法线贴图，在MAYA或MAX中使用。

❼ 算法工程师是做什么的真正做过的回答，怎么去做一个算法工程师与机器学习哪个好一些

算法工程师不是也有一种叫做机器学习算法工程师吗？怎么把算法工程师和机器学习两个分开了？

这是我上周听过的阿里的一位算法专家的直播课内容：

BAT企业的算法工程师是这样工作的：问题抽象、数据采集和处理、特征工程、建模训练调优、模型评估、上线部署。而一个算法工程师真正值钱的地方在于问题抽象和上线部署这两个。

他刚好讲到企业中的算法工程师的实际工作流程是怎样的？以及如何成为算法工程师，就是需要掌握哪些重要技能？

推荐给你看下咯：菜鸟窝人工智能特训营你只需要看第一章就好了，听完之后就能解答你的提问了。

❽ 四海公考速算训练营怎么样

四海公考速算训练营可以的。速算是指利用数与数之间的特殊关系进行较快的加减乘除运算。这种运算方法称为速算法，心算法。简化了笔算，加强了口算。简单，易学，趣味性强，通过短时间培训后，多位数加，减，乘，除，不列竖式。

❾ 深度学习和机器学习的区别是什么

1、机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。

2、深度学习本来并不是一种独立的学习方法，其本身也会用到有监督和无监督的学习方法来训练深度神经网络。但由于近几年该领域发展迅猛，一些特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。

3、机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。

拓展资料：

1、机器学习直接来源于早期的人工智能领域，传统的算法包括决策树、聚类、贝叶斯分类、支持向量机、EM、Adaboost等等。从学习方法上来分，机器学习算法可以分为监督学习（如分类问题）、无监督学习（如聚类问题）、半监督学习、集成学习、深度学习和强化学习。传统的机器学习算法在指纹识别、基于Haar的人脸检测、基于HoG特征的物体检测等领域的应用基本达到了商业化的要求或者特定场景的商业化水平，但每前进一步都异常艰难，直到深度学习算法的出现。

2、最初的深度学习是利用深度神经网络来解决特征表达的一种学习过程。深度神经网络本身并不是一个全新的概念，可大致理解为包含多个隐含层的神经网络结构。为了提高深层神经网络的训练效果，人们对神经元的连接方法和激活函数等方面做出相应的调整。其实有不少想法早年间也曾有过，但由于当时训练数据量不足、计算能力落后，因此最终的效果不尽如人意。深度学习摧枯拉朽般地实现了各种任务，使得似乎所有的机器辅助功能都变为可能。无人驾驶汽车，预防性医疗保健，甚至是更好的电影推荐，都近在眼前，或者即将实现。

❿ 粉笔特训营能重复闯关吗

可以。
粉笔公考是一款公务员考试学习APP，上课做题以及模考全搞定的一站式服务软件，包含十年真题，五大专项，提供十余年国考和省考真题。
十年真题，五大专项:提供十余年国考和省考真题，答案解析均由两位授权名师共同编辑审核。覆盖五大专项，分类158个考点，每个考点专项练习，各个击破 。个性出题，精准预测:根据目标考试的考点，考频，难度，用人工智能算法实现一对一智能出题;通过记录用户练习情况，生成能力评估报告，精准预测考分 。 新增直播课:粉笔公考在原有公务员行测的基础上播课，名师指导 。直播课离线下载:我的直播课在线观看耗流量少，高品质音质给您舒适的上课体验。错过直播也不怕，直播课所有课程任意缓存，随时随地想看就看 。