新工具：从可有可无到不可或缺（2026版）
十年前写过一篇同名文章，列了一堆当年觉得改变了自己工作方式的工具。翻出来看，Shadowsocks、Jekyll、双拼……有些还在用，有些早已退场。 生活就是一场安利和被安利的赛跑——这句话放到今天，依然成立。只不过这几年，安利的速度肉眼可见地加快了，工具的迭代周期从「年」压缩到了「月」，甚至「周」。 但真正沉淀下来、能融入日常、让人离不开的，还是那几样。写 …
Read article →Blair's Journal
Blog
Practical notes on recommendation systems, NLP, AI agents, forecasting, and engineering decisions in production.
Featured Article
All Articles
22 posts《实习医生格蕾S2》：当代码遇见西雅图的雨
三月春深，窗外是淅淅沥沥的春雨，屋内是键盘敲击带来的阵阵节奏声。在这个适合沉淀思绪的午后，泡了一杯热茶，决定填上这个酝酿已久的坑——用数据的方式，重新解读这部让我们又哭又笑的医学神剧：《实习医生格蕾》第二季。 15年，受 David …
Q&A 日常小结之 2018：数据工程师实战手册
2018 Data Engineering Q&A Handbook 前言 在数据工程的一线战场上，我们往往不是被宏大的架构设计难住，而是被各种琐碎却致命的“小坑”阻塞流程：从换行符引发的脚本崩溃，到 Hive 倾斜导致的任务挂起， …
R vs Python Data Science Cheatsheet
前言：本文不定期更新，旨在为同时使用 R (Tidyverse) 和 Python (Pandas/NumPy) 的数据分析师提供快速语法对照。 注：R 示例主要基于 tidyverse 风格；Python 示例主要基于 pandas …
R for functional programming
面向函数范式编程(Functional programming) 模拟简单的随机过程 模拟一个简单的随机过程：从$N~(0,1)$标准正态分布中产生100个随机值，反复5次得到一个list，再以每个list的初始值作为起点后一个的值作为过程 …
Case Study - Sales Transaction Fraud Detection
1. Introduction (引言) 欺诈行为（Fraud）是当今商业环境中各行业的顽疾，直接威胁企业的运营安全与营收底线。在汉语语境中，“欺诈”意指以狡猾奸诈之手段蒙骗他人。古籍《战国策·燕策二》记载：“齐田单欺诈骑劫，卒败燕军，复收 …
Case Study - Predicting Lung Cancer with 3D CNNs
1. Problem Definition: The Cancer Moonshot Challenge (问题定义：癌症登月计划) 1.1 严峻的全球健康挑战 肺癌是全球范围内发病率和死亡率增长最快的恶性肿瘤之一，对人类健康和生命构成巨大 …
Case Study - Predicting Repeat Buyers with Online Learning
1. Problem Definition (问题定义) 在零售与电商行业，**客户留存（Customer Retention）**是衡量业务健康度的核心指标之一。对于商家而言，提前识别潜在的“回头客”不仅是提升销量的手段，更是优化资源配置 …
MLbyZB 之 Topic model
词分布和主题分布 梗概：假设有20个主题， k=20，m份文档，训练词料中v=10000，我们能得到每个文档下的主题分布，每个主题下的词分布。 这里用到的是dirichili分布，主要涉及到alpha和beta系数的确定。从公式里可以看出 …
Case Study - Predicting future sales
最近小小参与了一场比赛，出题方是沃尔玛，题目是对其下45家零售店的销售进行预测。所提供的数据分为两部分，一部分是by store by department by week的销售数据，可以看作是时间序列数据，另一部分是markdown数据， …
Proust Questionnaire-WD
关于普鲁斯特问卷 普鲁斯特问卷（Proust Questionnaire）。照维基的介绍是：一种用来调查被提问者个人生活方式、价值观、人生经验等问题的问卷调查。 因普鲁斯特曾做过并给予出知名解答而得名。但他并非是最初的问卷创造者。 中文互联 …
[Blog] Part4: Blog with RStudio, R, RMarkdown, Jekyll and Github
一直以来都想构建一个比较完整又自动化的个人博客站。这里有两个关键字，即完整和自动。怎么说呢，如果我只是一个单纯的文字工作者，写博文用简书足够，简洁的排版，你只需负责创作。但是如果又需要代码，可以考虑CSDN，专注技术博文。看回我的需求，希望 …
R与Database
数据准备 加载R包，负责链接数据库工作和data manipulation的dplyr、绘图工作的ggplot2，以及我平常不太用的data.table，其中的数据读取与整合函数(fread/rbindlist)非常高效。 …
[Blog] Part3: GitHub 博客简明使用指南
GitHub Pages 是 GitHub 所提供的一个博客系统。现在使用这一服务的用户随着 GitHub 网站的壮大而益发普及开来。 让我们忽略 GitHub 被国内网友戏称为「世界上最大的同性（程序猿们）社交网站…」这样的 …
[Blog] Part2: 打造你的 GitHub Pages 专属博客
Build Your First Jekyll Blog GitHub 以当前世界最大、也是最流行的代码托管平台和程序员的社交平台闻名遐迩。在代码托管平台的构建之外，GitHub 也开放出 GitHub Pages 服务，方便程序员们发布项 …
An Analysis and Visualization of a Holiday Classic: Grey's Anatomy Season 2
数据挖掘视角下的《实习医生格蕾》：第二季剧本分析 大年初一，合家团聚。耳边传来小岳岳欢快的歌声，手下敲打着键盘，想着花点时间将这个酝酿已久的“坑”填上。 在数据挖掘领域，文本挖掘 (Text Mining) 一直是我觉得极具魅力的主题。 …
[Blog] Part1: 技术札记-写个创站小结吧
创站绝对是一个大坑 我当初真有勇气。。 嗯 这个站主要就是 Github+Jekyll+markdown 基本上还是现在能用的比较习惯的模式 基本流程概述 域名 -> 修改DNS -> github建个仓库github.io …
远程协同的当下与未来
Remote 远程工作的关键是：独处以进行深度地思考。 一家熟悉并且善于使用远程办公的公司，甚至不需要固定的上班时间。这点对于从事创造性相关工作的人们来说是非常重要的。 我们真正需要关心的是所完成工作的质量，而不是完成这些工作的地点或者时间 …
新工具：从可有可无到不可或缺
生活就是一场安利和被安利的赛跑。一年到头，回头来看，接触到的并融入到日常的工具真的不在少数。乃至于说，但到现在为止，没有一年会把这么多东西从陌生转化为自己日常频繁使用的工具的一部分。 顺手的工具带来的是更高的效率，或者我更在意，寻常时日里那 …
多维度账户体系与密码保护策略
也许在未来，所谓的传承也只是一个账户一个密码的交接而已。 是时候大致梳理一下，在这个无时无刻不与网络连接的时代中，我们该如何去使用密码的问题了。 多维度保护 关于密码保护，比较好的方式是根据用途、重要程度以及日常使用场景进行区分，并有针对性 …