你好，我是 LMOS。

你有没有想过，蜜蜂把劳动成果变成蜜糖存放在蜂巢中，人类把劳动成果量化成财富存放在银行，但一个进程的劳动成果放在哪里呢？

看到这里，你可能有疑问，进程有劳动成果吗？当然有，进程加工处理的数据就是进程的劳动成果，可是这个“劳动成果”，如何表示、如何组织，又放在哪里呢？这些问题都会在我们讲解文件系统的过程中一一得到解答。

31 | 产品分析的套路（下）：如何出解决方案？

“知到蓬莱难再访，问何方法得长生。”——（唐）唐求

我最近的两期分享，都在围绕着一句话，就是：“用什么方法，解决谁的什么问题”，前两次分享，我们分别介绍了如何找到利益相关者，以及从他们的角度抓出面临的问题，这一次，我们终于可以开始考虑解决的方案了。

在前面两讲，我给你讲了开发过程的自动化，将我们的程序打成发布包；然后讲了部署过程的自动化，通过各种工具将发布包部署起来。

有了这些基础，我们就可以考虑在每次开发完之后，将程序打包部署到环境中。开发完就自动打包，然后自动部署，听起来很像持续集成是不是？

31 | 导学：为什么业务和管理是晋升高级别的基石？

你好，我是华仔。

从今天开始，我们进入到课程的第六部分，专项提升。

很多技术人员在刚进职场的时候都有一个朴素的想法：

你好，我是黄申。

在概率统计这个模块中，我们讲了很多监督式机器学习相关的概念。你可能对朴素贝叶斯、决策树、线性回归这类监督式算法中的一些概念还是不太清楚。比如说，为什么要使用大量的文档集合或者语料库来训练一个朴素贝叶斯模型呢？这个过程最后得到的结果是什么？为什么训练后的结果可以用于预测新的数据？这里面其实涉及了很多模型拟合的知识。

数据分析是大数据应用的一个主要场景，通过数据分析指标监控企业运营状态，及时调整运营和产品策略，是大数据技术的关键价值之一。互联网企业大数据平台上运行的绝大多数大数据计算都是关于数据分析的，各种统计、关联分析、汇总报告，都需要大数据平台来完成。

软件系统与硬件和建筑系统最大的差异在于软件是可扩展的，一个硬件生产出来后就不会再进行改变、一个建筑完工后也不会再改变其整体结构。例如，一颗 CPU 生产出来后装到一台 PC 机上，不会再返回工厂进行加工以增加新的功能；金字塔矗立千年历经风吹雨打，但其现在的结构和当时建成完工时的结构并无两样。相比之下，软件系统就完全相反，如果一个软件系统开发出来后，再也没有任何更新和调整，反而说明了这套软件系统没有发展、没有生命力。真正有生命力的软件系统，都是在不断迭代和发展的，典型的如 Windows 操作系统，从 Windows 3.0 到 Windows 95 到 Windows XP，直到现在的 Windows 10，一直在跟着技术的发展而不断地发展。

老人摔倒了，扶不扶？这一直都是个不小的社会问题，也是不少人茶前饭后谈论的“八卦”。这类事情大规模引起注意，应该是因为 2014 年春晚上，一个叫《扶不扶》的小品。

24 | 离线评估：常用的推荐系统离线评估方法有哪些？

你好，我是王喆。今天我们要进入一个全新的章节，模型评估篇。

在推荐系统这个行业，所有人都在谈效果。就像我们在学习推荐模型篇的时候，你肯定也有过这样的疑问：

你好，我是刘津。

通过前几讲的案例，我想你已经对精益闭环的理念和实战有较深的理解了。

精益闭环里的四步：指标、假设、分解、实验，其实和前面的内容息息相关。比如“指标”对应的是北极星指标分解下来的指标，北极星指标是我们第一模块的内容；“假设”要通过洞察提出，这在第二模块、第三模块花了大量的篇幅重点讲解。最后的“实验”我们将在下一个模块重点学习。