显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

阿当的博客

世界是个游乐场

 
 
 
 
 
 

复旦emba入学营 tech mark模拟商战课心得

2017-10-16 7:28:55 阅读45 评论0 162017/10 Oct16

复旦emba的第一堂课—techmark模拟商战,给了我一个巨大的惊喜。

模拟商战最大的威力在于,相同市场相同起点相同时间,不同的五个团队绝对平等地竞争,成功或失败找不到任何客观借口,只是单拼比拼战略,直观快速地看到所有团队的成绩与动作。简直就像在理想的真空中做实验一样,战略与执行,团队沟通与组织架构,就这么赤裸裸地展现着效果!太爱这门课了,简直就是用来做商业思维锻练与反思的绝佳神器!

我是非常喜欢读书学方法论的类型,过去学过的商业方法论让自己窃窃自喜。但在参加了第一堂模拟商战课之后,我深刻意识到了自己的两个问题:

1、没有理论,就没有方向,但不能盲目往理论上套,要看清局面和条件,切忌手里有锤子看什么都像钉子,看清是不是钉子再下手,否则容易硬往自己熟悉但实际上并不适用的理论上套,那反而会误事。套用理论前,切记反复审势,不可决策过快。

作者  | 2017-10-16 7:28:55 | 阅读(45) |评论(0) | 阅读全文>>

机器学习笔记(3)—— 朴素贝叶斯算法

2017-9-25 18:40:00 阅读54 评论0 252017/09 Sept25

朴素贝叶斯算法的核心是,根据概率猜测分类。

看代码吧:

from numpy import *

//准备数据
def loadDataSet():
    postingList = [
        ['my','dog','has','flea','problems','help','please'],
        ['maybe','not','take','him','to','dog','park','stupid'],
        ['my','dalmation','is','so','cute','I','love','him'],
        ['stop','posting','stupid','worthless','garbage'],

作者  | 2017-9-25 18:40:00 | 阅读(54) |评论(0) | 阅读全文>>

精益创业 VS 爆款策略

2017-9-9 0:32:21 阅读56 评论0 92017/09 Sept9

我真的怀疑精益创业的做法是错的,精益创业不过是迎合了屌丝穷创业人群,给了他们以穷也可能创业成功的希望,以及不敢冒风险的看似富创业人群,给了他们以不去冒险的借口。精益创业就是广撒网的博彩心态,看似回避风险,实则做着不可能有回报的消耗,温水煮青蛙式的消耗。

我以前曾是精益创业的信徒,但现在完全不相信了,我觉得当然会有精益创业成功的案例,但那是很小概率的事情。我们很可能需要用相反的玩法,高举高打来玩创新项目。也就是爆款策略。

爆款策略不是简单地选几个最热销的sku这么简单,爆款策略包含了好几个环节 -- 针对性和卖点上聚焦,招聘最好的人,做最好的营销推广,确保高盈利,高投入以确保事情的失败风险降至最低,高回报目标以确保能cover回成本并赚到大钱。

精益创业和爆款策略天然就是相对的,只能二选一。精益创业期望鸡蛋不要放在一个篮子里,相同的钱多投几个创新项目

作者  | 2017-9-9 0:32:21 | 阅读(56) |评论(0) | 阅读全文>>

机器学习笔记(2)—— 决策树ID3算法

2017-9-6 10:01:37 阅读52 评论0 62017/09 Sept6

决策树算法属于监督学习,用于分类。决策树的构造算法常见的有ID3、C4.5和CART三种算法。这里我们先讲ID3算法。

创建分支的伪代码函数createBranch()如下所示:

检测数据集中的每个子项是否属于同一分类:
if so 
return 类标签
else
寻找划分数据集的最好特征
划分数据集
创建分支节点
for 每个划分的子集

作者  | 2017-9-6 10:01:37 | 阅读(52) |评论(0) | 阅读全文>>

机器学习笔记(1)—— K近邻算法

2017-9-1 15:18:52 阅读48 评论0 12017/09 Sept1

K近邻算法属于监督学习,用于分类。

伪代码如下:
1)计算已知类别数据集中的点与当前点之间的距离;
2)按照距离递增次序排序;
3)选取与当前点距离最小的K个点;
4)确定前K个点所在类别的出现频率;
5)返回前K个点出现频率最高的类别作为当前点的预测分类。

下面是K近算法的python代码:

def classify0(inX, dataSet, labels, k):
    dataSetSize = dataSet.shape[0]
    diffMat = tile(inX,(dataSetSize,1)) - dataSet

作者  | 2017-9-1 15:18:52 | 阅读(48) |评论(0) | 阅读全文>>

查看所有日志>>

 
 
 
 
 
 
 
 

上海市 浦东新区 处女座

 发消息  写留言

 
博客等级加载中...
今日访问加载中...
总访问量加载中...
最后登录加载中...
 
 
 
 
 
 
 
心情随笔列表加载中...
 
 
 
 
 
 
 
博友列表加载中...
 
 
 
 
 

发现好博客

 
 
列表加载中...
 
 
 
 
 
 
 
列表加载中...
 
 
 
 
 
 我要留言
 
 
 
留言列表加载中...
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2018

注册 登录  
 加关注