好诗相伴，千金不换。你好，我是天博。

在之前的课程中，我们主要讲了三步读诗法，讲了怎么从诗句、诗人、诗意三个方面来读诗词。从这一讲开始，我将分不同的主题，带你一起品读经典诗词，感受诗词的魅力。

你好，我是涵柏，欢迎你跟我继续学习写作。

前面我们花了 3 堂课的时间，讲了写作的一些基本原理。其中，我明确强调了阅读量对于写作的重要性，希望即便到了方法篇，你也依然能牢记这一点，优质的输入是输出的刚需！

除了是最早进入智能音箱领域的企业，或者说是智能音箱的发明者，亚马逊还是一家对市场反应非常灵敏的企业，因此自然会有自己的战略布局。无论是否有其他竞争对手进来，亚马逊都是需要发展智能音箱的。

073 | 推荐的Exploit和Explore算法之二：UCB算法

这周，我们来讨论 EE 策略，周一介绍了 EE 的综合情况。今天来看一种最基本的思路，叫作 UCB（Upper Confidence Bound）算法。

在谷歌入场一年以后，另外两大 IT 巨头苹果和微软也宣布进军智能音箱市场。

苹果的入场始于 2017 年 WWDC 全球开发者大会，它们发布了一款叫作 HomePod 的智能音箱，原计划年底交货，不过目前已经推迟。

074 | 推荐的Exploit和Explore算法之三：汤普森采样算法

周三的分享里，我们讨论了一种叫作 UCB（Upper Confidence Bound）的算法。这种算法的核心是使用均值和标准差组成对物品的估计，并且利用这种估计达到 EE 的效果。同时，我们也提到，UCB 的最大问题就是并没有真正达到随机的效果。

有关智能音箱的故事就暂时告一段落了。记得中国古代伟大的逻辑学家公孙龙提出过一个著名的逻辑问题，就是“白马非马”，这个说法特别适用于智能音箱领域，即“智能音箱非音箱”。

075 | 推荐系统评测之一：传统线下评测

上周我们讨论了 EE 算法，介绍了 UCB（Upper Confidence Bound）算法和“汤普森采样”（Thompson Sampling）。

有的时候，分析企业如果只看一家通常会有局限。如果联合多家企业一起分析，那么在对比这些企业的过程中，很可能产生有价值的新发现。

但是，如果我们不对被分析的企业们做一定的限制，联合多家企业进行的分析又可能变成泛泛而谈，因为即使都是互联网企业，企业和企业之间做的东西也会不一样。

076 | 推荐系统评测之二：线上评测

周一，我们聊了推荐系统的线下评测。线下评测是任何系统能够不断演化的最直接的要求。在线下的环境中，我们能够开发出系统的种种改进，并且希望能够通过这些线下评测的手段来选择下一个更好的版本。