针对附言，没有直接打第几针这个概念，疫苗起效是累积效应，建三层楼必须要从地基开始，直接建第三层那叫太空站
换种说法，即使你现在去打第一针疫苗，也不会用 2020 年技术生产的疫苗，而是 2022 或 2023 年技术改进生产的疫苗

如上所说，累积效应以及每个人不同，没有人敢打包票说哪一针起效，反正普遍宣传（含国外）是打满三针，之后按需或定期补充加强

这个问题……
一般模型就是针对具体应用的，至少目前是这样

例如一张人像风景照片，问这是谁什么时候在哪拍的？
实际上从问题就已经分隔出三个子问题处理了：谁、年龄、地点，对应人脸识别、年龄识别、风景点识别三个模型

有些很难分割的问题，它直接对应的就是一个模型
例如 A 、B 、C 哪个好？要么按一些特定标准分割打分，要么将所有人的回答一起训练学习。前者是标准很清晰的时候，按机器学习方式进行，后者是标准很模糊甚至权重不同影响答案较大的，按深度学习进行

然后，你的问题还有另一个层面，不知道你是否指这个？
就是数据采集，巨头可以采集一亿人的身份证做一个模型，但能不能十万个小单位各自采集一千人的身份证做模型，这十万个小模型合起来用？
答案是很难，还是要元数据合起来做模型，而不是一堆模型合起来
模型已经是半成品，不能还原原始数据

补充，智飞国外好像不认，去那些 必须 提供疫苗注射证明的国家的话，要留意这点

一直没打？广州是本人持身份证直接去接种点就能打，无需预约，其他地方都应该差不多吧，现在都没多少人打了
安徽智飞是每针相隔一个月共三针（完成需两月），其他疫苗的相隔时间更长
阳康一次可以看成是一针，刚刚阳康不久医生也是不建议注射的（香港亲戚如是说）
选智飞的话建议第四针再混打，其实你已经杨过一次了，按流感疫苗的概念去看待就是了

我个人理解，当然没科学根据，我不是医生或病理学家
打针和得病，如果没有加重的前提，可以看作一样，都会带出抗体，区别是疫苗抹平了一些风险因素，以较为安全的方式实施。就像正弦曲线，得病的峰谷大一些，疫苗的峰谷会平一些
这样的话，不代表疫苗就是零风险或者 100%有效，只是得病属于自然被动产生 event ，注射属于人为主动产生一个 event ，最后还是自身生成抗体的能力；就如有人打了流感疫苗依然会得重症流感，有人不打得了流感也没什么反应，性质一样

注射前真是反应激烈也担心，没反应也担心，前者担心产生抗体激烈身体受不住，后者担心自己“没有”产生抗体的能力
反正我 9 月完成三针后 12 月还是阳了，只是症状很轻，仅轻微发烧一天，咳嗽一周；我老妈也算轻微，仅发烧咳嗽，期间高血压、心脏病都没有发，平稳度过一波

家中有古稀长者的话，建议买一台较好的制氧机（看看文章，推荐找从电机厂家分出来的公司），约 3K ，当然也有更高级过万的，有些店可以用医保卡购买（广州是医保卡不能取款，所以应用尽用）

之前好像欧洲有一例为了帮别人取得注射证明，冒名打了十几针的，啥事没有，😛
当然这是超级奇葩的例子

粗看了一下文档，似乎学习成本不低，方法虽然接近，但不少参数区别较大，熟悉了 pandas 的人脑子转弯不容易，不熟悉 pandas 的从 0 开始反而可能好一些

文档前面几页就没找到和 pandas 直接互换的方法，只有新建或者文档读取

你的标题或者论点应该这样表述：
作为普通投资理财者，不应该被通货膨胀挡住了视线
或者
作为普通投资理财者，不应该单单听到“抗通货膨胀”就盲目投入

附言 1 否定
你口中的“普通人”其实已经收敛到收入中上的人，其实中下的占比更多
普通人更应该关心通货膨胀，至少应该知道为什么房产涨价会引起白菜涨价

这几年欧美各种集体上街举牌是因为他们不会投资么？还是他们连“普通人”都不如？

应用 AI 很简单，很多成熟模块，成品代码也有，也没多少行，改很少就能用
难点是在于建库，尤其是私人项目，如果分配 100 天的话，从采集到训练要调试 95 天，最后应用调试只需 5 天

个人基本很难做 chatGPT 这种项目的，因为数据庞大，别说单机跑不了，单说数据采集就已经是“入门到放弃”

你看美国起诉哪家就在哪呗

优惠如果是分开给的就不是直接续的，例如通过翼支付给的，就是在翼支付那边续
如果是营业厅那边给的，直接减话费的，最好电话咨询一下
如果是代办点（看上去是营业厅，但不是官方的）开的，也是要咨询官方，而不是去办理的代办点问
有时间跑地面营业厅问大堂经理，没时间打 10000 ，但最好多打几次认真确认，我试过不同客服答案不同

接到电话给“优惠”的，一律谨慎对待，绝大部分是代办的，只是电信官方也认罢了，我接到无数次，吃了两次亏才明白的

广州电信的销售渠道挺复杂的，网上营业厅，官方营业厅，代办营业厅混杂，全都写着“电信”，开通时问题不大，都认，但更改、停机、注销等等操作就不同，特别是锁定期之类；最离谱是我曾见过同一个套餐在网厅和地厅报价不同

我第二次吃亏去正式的地面营业厅办更改，结果不能，只能注销重新办，当然违约金少不了，搞了足足两小时，后面排队的各种埋怨，我感觉就网、固话、手机而已，但办事的说有二十多项逐个注销……我晕，虽然那些多余项以优惠方式基本不计费，但在合约内。期间居然还要咨询代办点，可能怕我闹，在我签了同意支付违约金才继续

@nizoukai #13
看谁用吧，速度也很重要的，开始到收市只有只有四小时，自动操盘的计算时间极短

@panggmai #19
混合类型其实不止这个库，很多并发的库也处理不好
例如 np.nan 是浮点型，但很多时候其他类型需要表示“无”也会用到，批量计算尤其涉及相互比较的移动计算 /groupby 等就很麻烦

我记得一则逸事：
《电车男》电视剧里面的手办道具大多都是实物（非仿制，由玩家借出），伊藤淳史不小心把放在桌面的一个手办碰坏了，当他听说价值 40w¥，吓坏了，幸好物主说很容易复原，不需要赔偿，剧组和伊藤淳史才松了口气

道听途说（约十多年前，现在估计也差不多，因为市场模式早已成熟）
来源：当时国内动漫相关工作者，主要是组织活动的人士，在日行业相关华人写的文章

仅漫画，小说不知道
1. 漫画本身收益仅能维持生计，当然知名的就多一些
没有名气的作家是单干，有名气的作家有团队，但收益自然也要分给团队，反正单靠出版挣钱不多
2. 大头是周边
作品不红，自然没有周边投入，就更别说周边市场了；红了才有周边市场，周边的分成比例更大
作品不红但周边大火的例子好像也有，但极其稀少
反过来，也有作品红了，但因为眼光不足，周边投入很少或零，错过了最佳周边市场机遇的例子，但忘了是哪个作品
3. 版权扩展（影视化或其他）本身收益也是不大，其实道理很简单，人家二次创作后也是要赚钱的
但是版权扩展后，会助推周边市场扩大，如前面所说，这部份收益作家得益很大

机器学习节点 https://www.v2ex.com/go/ml
Torch https://www.v2ex.com/go/torch
Keras https://www.v2ex.com/go/keras
……

还是没搞清这个 90%是怎么来的，有对照数据？还是有其他参考标准？

chatGPT 让柯南制作委员会很尴尬，一个推理桥段用了很多次，🐶

日经回答：我不会唉
不久就可以绝经了

@Lrony #7
看样子是，你说的是采集+统计，其中采集为主

搞数据分析的人，两者是分开的，统计分析的人大部分不懂采集的规矩，只判断源数据格式是否规范