- 博客(386)
- 资源 (40)
- 收藏
- 关注
RSS订阅原创 推荐业务多目标建模算法介绍：MMOE、OMOE、Shared-Bottom
在推荐业务中经常有“既要、也要、还要”的场景，比如做视频推荐业务的时候既要提升用户对于视频的点击率，也希望同时提升用户观看视频的时长。面对这样的诉求，通常需要在推荐系统中使用多目标建模算法。多目标建模目前业内有两种模式，一种叫Shared-Bottom模式，另一种叫MOE，MOE又包含MMOE和OMOE两种。MMOE也是Google提出的一套多目标学习算法结果，被应用到了Google的内部推荐系统中，接下来分别介绍下这些多目标算法的结构。算法结构介绍上图基本能把Shared-Bottom、O
2020-11-23 17:29:55
5160
原创 浅谈字节最新开源联邦机器学习平台Fedlearner
最近联邦机器学习越来越火，字节也正式对外宣讲开源了联邦机器学习平台Fedlearner。这次头条开源的Fedlearner与我之前分析过得华为、微众的联邦机器学习平台有什么不同呢？主要体现在以下几个方面： 产品化：Fedlearner的代码里有大量的js、Html模块，也是第一次让我们可以直观的看到联邦机器学习平台大概是什么样的，如果做成产品需要长成什么样。 业务多样化：之前华为、微众更多地强调联邦机器学习在风控业务的落地。头条开始强调联邦学习在推荐、广告等业务中的落地，并且给了很明确的数据
2020-11-09 19:14:00
1876
1
原创 通过AI技术研究网红对其粉丝的消费品牌意识的影响
网红伴随着现在各种自媒体、直播平台的兴起已经越来越多的开始影响我们的生活。网红经济同时也成为一种新的商家品牌曝光的平台，像我平时也会买李子柒螺蛳粉这样的网红带货产品。但是网红究竟是如何影响粉丝的呢？最近看到一篇论文，通过AI技术详细介绍了网红是怎么对粉丝的消费品牌意识产生影响的。这篇论文叫做<The effects of visual congruence on increasing consumers’ brand engagement: An empirical investigation of
2020-11-04 21:17:03
454
1
原创 浅析神经协同过滤NCF在推荐系统的应用
NCF在推荐领域应用背景CF，也就是协同过滤，在推荐领域有极其广泛的应用，应该没有谁的智能推荐系统是没用到过CF的。CF其实就是挖掘user和item的交互关系，然后生成I2I或者U2I表示向量。传统的CF从数学角度上还是偏行为统计计算的，没有用到很复杂的网络。因为深度学习很火，也是有一些关于Neural Collaborative Filtering的工作。今天介绍一下最近看的叫《Neural Collaborative Filtering》这篇论文。也有一个对应的开源项目，地址：https://
2020-10-17 21:47:02
890
原创 利用TensorFlow2.0为胆固醇、血脂、血压数据构建时序深度学习模型(python完整源代码)
背景数据描述胆固醇、高血脂、高血压是压在广大中年男性头上的三座大山，如何有效的监控他们，做到早发现、早预防、早治疗尤为关键，趁着这个假期我就利用TF2.0构建了一套时序预测模型，一来是可以帮我预发疾病，二来也可以体验下TF2.0的特性。先来看下数据结构： date表示的是测量日期 cholesterol代表胆固醇数值 blood_fat代表血脂 blood_pressure代表血压 整个的建模思路就是将这三个数值一起构建时序模型，因为这三个指标不能独.
2020-10-07 12:16:06
2494
6
原创 2020互联网校招薪资列表及谈薪注意事项
（以上列表来自网友收录，仅供参考）校招生谈薪要注意以下几点：1.公司是否提供五险一金，以及缴纳比例很多小公司是不交五险一金的大家一定要注意，另外缴纳比例一定要问，12%是最上限，有些公司只给缴纳6%左右，这样里外里会少很多保障2.不要光看月薪，要看薪资月份一般工资包含月薪和年终奖，年终奖的月份数是很关键的，一般公司都会提供2个月以上的薪资作为年终，所以年终奖的月数是要考虑的3.期权是否是废纸有的公司会提供期权来充当部分年薪，这种公司一定要小心。有的公司的期权...
2020-10-07 11:20:51
17251
20
原创 解析：IEEE批准首个联邦机器学习框架标准
最近1个多月内出现了一个可能对后续人工智能行业有着深远影响的事件，现在这件事件还没有发酵起来，是因为联邦学习还没有真正步入企业生产行列。这个事件就是IEEE批准了国际首个联邦机器学习框架标准。《IEEE Approved Draft Guide for Architectural Framework and Application of Federated Machine Learning》这个标准的介绍文档大家可以在这里去买：https://www.techstreet.com/ieee/stan
2020-09-29 20:21:01
1380
原创 浅谈湖仓一体化对上层机器学习业务的促进
背景概述最近湖仓一体化的概念在大数据圈子突然蹿红，知乎上很多大神已经分析了湖仓一体化主要的革新点，今天主要介绍下湖仓一体化对机器学习业务的影响。还是简单讲下“湖”和“仓”的区别。湖有点像一个开放的储物空间，可以存放结构化数据、非结构化数据、半结构化数据，存储成本很低，很灵活。仓更像是一个有无数小格子的储物间，所有数据需要按照要求放到小格子里。湖的优势是很灵活，什么样的数据直接扔进去就好了，但是如果想查某个结构化数据，甚至做ETL工作，就会效果很差，因为所有数据都是随机摆放的。仓的优.
2020-09-19 22:08:38
511
原创 解析KDTCN：知识图谱和深度学习模型联合实现股票预测
背景概述今天看了一篇论文我觉得挺有意思，一方面是讲的股票预测相关，另一方面是把深度学习和知识图谱相结合解决一个问题。通常知识图谱和深度学习很少有交集，一般是独立发展的两个人工智能领域解决问题的手段，两者如何一起解决问题呢？这个也引发了我的好奇心，因为一直对知识图谱这个领域念念不忘，在《机器学习实践应用》最后一章还要特意加入知识图谱的内容。论文的名字叫：<Knowledge-Driven Stock Trend Prediction and Explanation via Temporal Co
2020-09-12 16:51:10
2611
1
原创 黄金价格预测：如何将时序数据处理成监督学习数据
背景概述今天介绍下如何将时序数据处理成监督学习可用的训练样本。比较典型的场景是黄金的原始数据，一般黄金走势数据是由两个字段组成，分别是时间字段和价格字段。走势图如下：顺便安利一个黄金数据的下载网址：https://fred.stlouisfed.org/series/GOLDAMGBD228NLBM数据滑动窗口原理那这种时序数据如何转换成包含特征和目标列的监督学习训练样本呢？今天介绍一个叫“数据滑动窗口”的方法。在数据滑动窗口这个方法中，把当前日期叫做t，前一天是t-1，后一
2020-09-08 10:55:58
1676
原创 微信公众号文章质量评分算法详解
作为一个多年的微信公众号作者，了解微信公众号文章打分的机制是十分有必要的。微信在后台其实有一整套的打分机制，今天基于腾讯的这篇Paper《Cognitive Representation Learning of Self-Media Online Ariticle Quality》为大家介绍下文章质量打分背后的算法理论。在这篇paper中其实重点分享了两个方面，一方面是文章质量分的深度学习模型设计方法，另一方面是训练数据的构造法。1 文章质量分模型架构设计方法整个模型的设计分为两层，第一层是
2020-08-25 17:16:21
4815
3
原创 开源在线机器学习Online Learning/Incremental Learning库-creme介绍
最近在学习实时机器学习或者说增量学习相关的内容，目前中文资料相关的介绍非常少，今天借着creme这个库介绍下Online Learning的原理，以及Online Learning和Batch Learning的一些区别。1 Online Learning和Batch Learning的区别Batch就是目前常用的计算模式，需要离线数据，离线训练，离线评估，然后上线。离线的好处就是比较稳定，可以用大的数据量去训练和评估，如果模型效果不好也方便替换。OnlineLearning更多地是一个实时
2020-08-13 19:51:29
2015
原创 详解下一代神经网络-无监督对比学习框架SimCLR
背景今天介绍下SimCLR，也是Hinton老爷子在今年提出的工作。首先介绍下为什么下一代神经网络需要无监督对比学习。目前整个人工智能行业的落地，其实都依赖于监督学习模式，无论是OCR、ASR、TTS、ImageDetection，如果没有大量的标注，是很难训练出商业化程度的模型的。这个模式需要被打破，因为世界上存在太多的未知场景，完全依赖人肉标注是不行的。所以未来无监督学习大势所趋。其实在这方面之前已经有了一些工作，比如Bert模型，就可以基于大量的unlabeled数据训练，然后在小...
2020-08-09 20:09:11
3111
2
原创 浅析人类最贵、最大的机器学习模型GPT-3及背后隐含的商业逻辑
GPT-3一诞生就成了业内议论的焦点，因为这个模型大概是目前人类历史上最大且最贵的机器学习模型。究竟有多大呢，这个模型有1750亿余个参数，虽然OpenAI没有开源这个pre-train的模型，但是可以预估模型体积在700G左右。这是什么概念，就是假设OpenAI把这个模型放出来开放下载，也很少有机构有能力让这个模型serving起来。那这个模型有多贵呢，训练它用了3640petaflops-day，相当于每秒钟做千万亿次浮点运算，计算了3640天。约等于500个A100卡算1个月，实际消耗的计算资
2020-08-05 17:37:06
2555
1
原创 浅谈最广泛应用的金融风控算法-评分卡
背景信用是一切社会金融体系的根本，有了每个人的信用我们才可以进行放贷、共享充电宝、共享单车等业务。如果可以准确的给每个社会成员的信用做一个打分，将对金融业务的推进有很大作用，很多相关业务的企业也在探索如何实现信用分。目前业内最通用的方案是评分卡算法，这个算法底层其实就是简单地二分类模型，将逻辑回归或者xgboost进行封装。但是为什么不能直接使用xgboost甚至深度学习算法做信用评估呢？因为金融业务有自己的特殊性，要求模型需要有强解释性，所以评分卡解决方案经常包含分箱和评分两个模块。就是.
2020-08-03 20:26:57
7436
3
原创 详解TF-Ranking：Google开源的排序框架，应用于邮件检索、推荐系统等场景
今天分享的是一个有关LTR框架的介绍，LTR是Learning-To-Rank，解决的是排序问题。排序问题在人工智能领域应用很广，比如在Gmail里搜索一个关键词，返回最匹配的邮件。再比如进入Google Drive后的一些文章推荐。傲海的分享主要参考Google2019年发布的一篇论文《TF-Ranking：Scalable TensorFlow Library for Learning-to-Rank》，蛮长的，看了小一周才学习完。这个库已经开源了，大家可以在下方地址访问并使用：https://
2020-07-26 11:24:16
1615
原创 Google AutoML最新技术解析：AutoML-Zero，从0构建模型
AutoML是我一直很关注的领域，也实际设计过相关的很多功能，但是目前AutoML在商业化层面落地的还不多。一个关键因素是AutoML现在在Feature生成或者调参方面有一些应用，但是这些应用更多地是建模的辅助。目前的AutoML技术很难实现从0构建一个算法。如果AutoML希望大规模的应用，一定要在NAS，也就是网络探索上有建树。这也是Google最新发表的这篇文章的原因，他提出AutoML-Zero，从零起步去构建算法。接下来作者会给大家分享下一些看法。定义算法生成的流程这篇论文比较有意思的一
2020-07-17 17:25:30
1013
原创 最全推荐系统Embedding召回算法总结
最近特别忙，工作日几乎没什么时间学习。平时攒了一堆推荐相关的文章，趁周末整体学习了一下。主要是参考了网上的一篇技术文章（迄今为止我看到的比较好的推荐Embedding总结）以及我自己的一些理解。Embedding概念首先一些概念性的内容要科普下。推荐系统分召回和排序，召回为将每个用户找出他可能喜欢的物品的候选集，排序是对候选集按照用户的喜爱程度进行排序，最终得出给用户推荐的结果。在推荐系统的召回阶段，需要对每个用户和每个被推荐物品做数学层面的表示，目前比较主流的方法是通过向量，也就是Em.
2020-07-05 12:14:36
4807
原创 互联网男士穿搭推荐-2020年新版
本文仅限互联网行业。因为根据我混迹本行业多年的经验，大部分同学的穿搭都有待提升，特别是程序员。另外，因为互联网行业对于着装没有什么要求，所以本文以休闲服饰为主。所有介绍的品牌都是作者自己平时经常穿的牌子。不能帮大家变成潮男，可以让大家穿的稍微阳光点1 开篇首先，挑衣服就跟选基金一样，要先挑基金经理，然后买这个对应基金经理的基金就ok了。穿搭一定要先选品牌，选好自己喜欢的牌子，再挑这些牌子下的各种款式的衣服。另外，轻易不要网购，最好实体店购买。这样可以搭配同一家店的多件衣服，挑上身效果比较好的。而
2020-06-24 23:08:28
3915
3
原创 实操将TensorFlow模型部署成Docker服务化
背景深度学习模型如何服务化是一个机器学习领域工程方面的热点，现在业内一个比较主流的做法是将模型和模型的服务环境做成docker image。这样做的一个好处是屏蔽了模型对环境的依赖，因为深度学习模型在服务的时候可能对各种框架版本和依赖库有要求，解决运行环境问题一直是个令人头痛的事情。将模型通过docker服务化后意味着深度学习模型可以在各种环境使用，比如云端直接通过k8s调度拉起，或者在一些IOT领域，比方说一些智能摄像头也可以通过拉起镜像服务的方式使用模型。看来一些网上的资料，发现大.
2020-06-19 17:49:22
1644
1
原创 浅谈主动学习（Active Learning）
1背景概述在机器学习领域有很多学习模式，比方说监督学习、半监督学习、强化学习、无监督学习等。平时大家接触比较多的一般都是监督学习，在监督学习里面，比方说要做个人和鱼的图像分类模型，假设有200张图片，那就需要把这200张样本都打好标记再训练。监督学习存在很多问题，比如最直接的一点，当样本打标成本很高的时候，比如要标记一个人脸，可能需要在图片上打上百个点，用监督学习很消耗资源。主动学习（Active Learning）很好地解决了这个问题，主动学习的本质是让训练样本的利用率最大化，今天就来介.
2020-06-18 17:25:08
2166
原创 开源机器学习模型管理工具DVC介绍
算法工程师往往在使用算法的过程中要不断地调整参数去找到最好的效果，俗称“调参民工”。在不断的调参过程中，会产生各种各样的模型，如何记录好这些参数与模型效果对应的关系，往往另算法工程师很头疼。所以大家都在呼唤一款实用的模型管理工具，因为有了版本管理机制才能更好的做效果比对，甚至多人协同开发。今天就介绍一款开源的模型管理工具-DVC：https://dvc.org/doc/tutorials/get-started/experiments1模型版本控制的误区在设计模型版本管理功能的时候有一个误区，.
2020-06-05 18:23:41
3928
原创 支付宝扫一下就能体验的深度学习模型
背景我们最近跟支付宝合作做了一款应用，挺有意思的分享给大家。这个产品好玩的一点就是把ToB产品赋予了ToC的属性，任何没有算法背景的同学，只要做简单的标记就可以生成一个图像相关的模型，拿支付宝扫下二维码就可以体验效果。不信拿出你的支付宝扫下这个二维码打开应用，然后在应用中扫下下面这个图你会发现图像模型自动的识别出了名为BANGO的小吃，并且在画面中框了出来，像下图这样，是不是很好玩。自己动手搞一个制作这样的一个模型只需要10分钟，最近公测免费，并且不需要任何算法背景.
2020-05-22 17:01:36
894
原创 独家解析英伟达最新GPU-A100对AI行业带来的影响
最近英伟达发布了最新GPU-A100，当我们先后经历了K系列、M系列、P系列、V系列之后，这一次的A系列发布又会带来哪些影响，未来行业的走势如何，新入行的同学究竟选择哪个领域入门比较合适。今天我将从3个方向为大家一一剖析， 计算力变强了，会给行业带来什么影响 计算力变便宜了，会给行业带来什么影响 英伟达的野心在哪里，对行业有什么影响 1 计算力变强的影响这次新的GPU在算力方面变强的幅度是比较夸张的，根据官方数据显示，在Bert模型的场景下，训练和预测都有大幅度的提升。
2020-05-16 17:42:41
2727
1
原创 运筹学vs机器学习
在西方一些国家，运筹学是非常热门的一个领域，很多公司都会保留大量的运筹学专家。但是在国内，运筹学理论除了在考研中有一些声音，在企业的业务中的应用还不算多，特别是相比于算法工程师的数量，运筹学专业的从业者相对较少，后续随着工业数字化的提升，运筹学一定会成为热点业务交叉度运筹学研究的问题可以归纳为：“依照给定条件和目标，从众多方案中选择最佳方案。”所以也有人称之为最优化技术。机器学习研究的问题是如何从历史的经验数据，通过数据建模的方式生成经验模型。从业务角度来看，运筹学和机器学习有很大的交.
2020-05-14 19:48:08
2801
原创 浅析Faiss在推荐系统中的应用及原理
之前在业务中应用了许多Faiss，也看了几篇关于Faiss的论文，简单记录下Faiss的一些属性和应用。Faiss是Facebook的AI团队开源的一套用于做聚类或者相似性搜索的软件库，底层是用C++实现。Faiss因为超级优越的性能，被广泛应用于推荐相关的业务当中。接下来分Faiss在推荐业务应用和Faiss的基本原理两部分进行介绍。1Faiss在推荐业务中的应用在我的认知里，基本上5...
2020-05-05 19:47:37
1647
原创 如何用深度学习模型为自己做个漫画画像（含代码流程）
最近看到一个特别有意思的开源项目，能把照片自动转化成漫画效果，经过半个小时的调试，终于跑通了。正先给大家看下实际效果，我在网上的随便搜了一张帅哥的证件照片试了下。基本上会把脑袋切出来，然后放大眼睛。原照：漫画效果后：使用的是开源项目：https://github.com/minivision-ai/photo2cartoon具体原理直接摘录read.me的一段描述：人像...
2020-04-23 19:28:55
6163
2
原创 在阿里工作四周年记
一转眼来阿里已经四年，也是我工作的第四年。四年是一个关键的节点，本科生需要学习四年才可以去研究生阶段深造，意味着如果在一个领域做四年，应该已经具备了扎实的基础，剩下的是如何升华。在阿里这四年，整体下来，非常感谢阿里给我创造的环境，未来很长时间依然想继续在这家公司深造。网上有很多人会评判这家公司，有各种各样的言论，但是因为这是一家几十万人的公司，真的不能说某个人的观点就能概况公司的状态，对于个人...
2020-04-05 10:15:02
5625
11
原创 华为开源深度学习框架MindSpore背后的商业野心
最近华为开源了深度学习框架MindSpore，一时成为了热点。我之前也点评了很多微软、Google、腾讯等厂商的框架，有些点评文章还被官方社区收录，今天为大家解析下MindSpore。首先阐明下我个人的观点，华为开源深度学习框架，从技术角度没有太大新意，从生态角度已经初显华为的庞大商业野心。01 生态>商业模式>技术首先在今天这个人工智能商业竞争的格局下，单谈任何一个技术的...
2020-03-30 18:30:35
11358
原创 布隆过滤器原理及在推荐业务的应用
提到布隆过滤器总想起上大学时候学习的什么切比雪夫滤波器之类的东西（博主是学通信的），布隆过滤器是一种布尔型判断器，可以非常高效的判断一个物品是否在某个列表里。有人说判断一个item是否在一个item列表里，只要将所有item存在数据库，或者做一层缓存存在redis里，再遍历的查一次不就得了？这么做没问题，但是当item量巨大的时候，会出现缓存击穿等问题。布隆过滤器很好地解决了这个问题，接下来会具体...
2020-03-23 22:07:34
729
原创 浅谈百度新一代query-ad 推荐引擎如何提升广告收益率
今天看了一篇论文，是某顶会的被推荐为最值得阅读的论文之一。题目是《MOBIUS: Towards the Next Generation of Query-Ad Matching in Baidu's Sponsored Search》，里面有几个观点挺新颖的，跟大家分享下。首先query-ad指的就是搜一个信息然后展示一个广告，用户点击广告会付费，向百度这样的体量，单纯这样的广告营收转化每天...
2020-03-19 20:51:07
824
原创 关于联邦学习What、How、Who的灵魂三问
最近沉迷于学习政治经济学无法自拔，听了很多资本论相关的课程。今天也尝试通过what how who的方式介绍下联邦学习，（感谢这个领域的专家，老同学Dr Liu给我的输入）灵魂三问指的是：1.联邦学习解决了什么问题2.联邦学习怎么解决的问题3.具备什么样条件可以实现联邦学习商业化联邦学习解决了什么问题？联邦学习最早是Google在差不多两年前提出的，当时我还兴奋地发了一...
2020-03-14 22:35:20
2256
原创 浅谈“知识蒸馏”技术在机器学习领域的应用
什么是知识蒸馏技术？知识蒸馏技术首次出现是在Hinton几年前的一篇论文《Distilling the Knowledge in a Neural Network》。老大爷这么大岁数了还孜孜不倦的发明各种人工智能领域新名词，让我这种小白有很多可以去学习了解的内容，给个赞。那什么是知识蒸馏技术呢？知识蒸馏技术的前提是将模型看作一个黑盒，数据进入后经过处理得到输出。通常意义上，复杂的模型的输出...
2020-03-05 21:28:44
2348
原创 浅谈模型压缩之量化、剪枝、权重共享
之前陆陆续续看了许多模型压缩相关的文章，自己业务中也接触过一些相关的客户，今天周末没事做，把模型压缩相关的内容整理一下做个分享。可能更多地从科普的角度去介绍，因为我也不是专业做这方面技术的研究。首先明确下模型压缩的概念，就是在尽可能不改变模型效果的情况下，减少模型的体积，使得模型在使用的时候有更快的速度。业务视角去看模型压缩的意义模型压缩这个概念貌似是最近两年突然火了起来，究其原...
2020-03-01 13:40:47
4949
2
原创 算法工程师和算法框架开发，谁会代表未来？
算法和算法框架是机器学习非常重要的两个因素，算法就是诸如LR、GBDT、DNN、DeepFM这样的实际解决某个数学问题的公示实现。算法框架指的是计算框架，计算框架可以让算法执行更高效，比如最早玩深度学习的人都用过Theano，基于Theano去开发算法很困难，后来有了PyTorch和TensorFlow，让基于深度学习的算法开发更方便。最近看了很多文章也参加了很多讨论，分享下我的看法。目前看上...
2020-02-07 16:45:06
1742
原创 写给用我的“新闻推荐项目”做毕设的同学们
故事的背景是这样滴14年的时候，我还在读研究生，那时候机器学习还算不上是一个重要的计算机学科，如果能顺嘴说一说TF-IDF、Collaborative Filtering这种算法（虽然现在听起来很naive），在当时基本上就是技术潮男一般的存在，在五道口咖啡厅能横着“骗项目”、“骗钱”。我因为当时正好在微创业，当时准备做一个智能猎头的项目，用算法去给每个程序员的能力打分，再把程序员推送给合...
2020-01-28 10:31:03
2632
原创 详解云原生机器学习平台的优势
概述最近看了很多关于云原生的文章，大体意思是机器学习服务这个行业将迎来一次巨大的变革。从13年我刚入行以来，机器学习在15年左右经历了模型深度的变革，从浅层学习逐步发展到了深度学习。到了20年这个节点，机器学习的整体服务架构会开始变革，逐渐会从Apache Yarn体系向Docker+Kubeflow这种云原生体系变革。为什么会出现这种迁移？许多技术同学都在网上发表了他们的看法，我认为比较...
2020-01-22 21:41:13
1612
原创 Hash特征编码在推荐系统的应用
本文来之不易，学习hash的起源是我在客户交流现场被问到hash冲突。其实这个是我的知识短板，但是因为我隐约记得有个murmurhash的东西，然后蒙混过去了。然后今天抓紧找各位大牛学习了hash在推荐系统中的作用，总结了这篇笔记。感觉自己还是太文盲了，另外也感谢客户老师以及公司内的大牛老师的指导。01 推荐系统中数据如何转成稀疏数据先来一句话概括下，Hash解决的是一个空间匹配的效...
2020-01-17 17:19:30
4813
1
原创 微软NNI-业内最亲民的AutoML工具学习笔记（1）：AutoFeatureENG
01 AutoML概述记得若干年前的某次周会上，我说“AutoML不光是调参，应该包含自动特征工程。”当时得到了大佬们的嘲讽，说我不懂技术瞎说。今天回过头来看AutoML是一个系统化的体系，包含3个要素： 自动特征工程AutoFeatureEng 自动调参AutoTuning 自动神经网络探索NAS 02 NNI概述NNI（NerualNetworkIntel...
2020-01-06 19:29:33
2133
2
原创 马云酒吧揭秘
一直想去马总开的酒吧逛逛，听说已经成了杭州著名景区，之前总是来也匆匆去也匆匆，这次终于要在杭州过周末了，就来看看。门面不是特别大，在接近余杭这边，其实不是特别繁华的地段。本来常规是8点可以入场，今天因为场地一直在办脱口秀，拖延到9点才能入场，也还ok。所以就一直在店里看看马总相关的书，你别说这书还挺好看，是马总的好友描述马总的生活和工作相关的历史，有兴趣的同学强烈推荐，挺有意思的。...
2019-12-22 23:40:06
11619
5
百度应用统计功能sdk使用文档
2013-08-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人