因为身边太多阿里的同事，我在写这篇文章的时候慢脑子都是打法、战略这类词，我尽量避免使用这些词。

刚来公司的时候，leader 和我聊一职业规划的事情，其中提到最重要的是多问为什么，过了几个月回过头来看，确实是非常有道理。无论是技术，还是业务，多问一个为什么，可以避免很多潜在的问题，同时对于自己也是隐性的提升。

对于作家，我有一种说不清的情感，也是最近才发现，我从出生到现在，似乎从未实际见过什么作家，未能有机会当面请教一些一直以来的疑惑，也许有一天我应该找几位专业人士，仔细请教。大学读了计算机，跟这类文科专业更是背道而驰，也没能接触到相关的内容。

对于写东西这件事，我的热情从未削减过，总是断断续续在写，但是我有一个坏毛病，喜欢删东西，写完的东西隔一阵子就会删掉，好在现在克服了这个问题。人做任何事情，都需要激励，没有外部或内在的激励，很难坚持，也很难真正有所成，而我又一向羞于向人提起这件事，如果有人当面问到，更是要急忙扯几句有的没的糊弄过去，避免尴尬，所以一直当作一个隐秘的爱好。

那一年我八岁，成了别人口中的“留守儿童”。

写在最前面，本人以惨痛教训告诉你，工作机不要乱升级，尤其是 10.15 这种级别的大更新。

如果是自己的日用机并且你喜欢折腾，欢迎体验新的 macos Catalina。

之前一篇文章也提到：iOS 13 和 macOS Catalina 初体验，新版本的 macOS 有很多很棒的地方，但是同样存在很多坑，虽然有些我并不认为是系统本身的问题。

其中最重要的是，macOS 10.15 中根目录变成了只读，原来很多喜欢往根目录 / 下面写东西的软件都会失效，对我来说，可能问题更严重一些。

背景故事：

我遇到了同样的问题……

一开始我是认可这种改动的，而且认为毕竟大家都是最终要升级的，总归要改的对吧？抱着这种念头用 Windows 开发了一周，最后顶不住了开始找解救方案。

解决方案：

1.关闭SIP

2.执行 sudo mount -uw /

3.根目录下新建文件夹并赋权 sudo mkdir /xxx，sudo chmod 777 /xxx

所以这种东西为什么要写死在代码呢？感谢 v 站。

参考链接

• 升级 macOS 10.15 之后根目录只读，公司项目打不开了，求助 555
• mac os 升级 catalina 之后，没有办法在根目录新建文件，导致依赖 Cat 的 Java 项目无法启动
• Mac开启关闭SIP 系统完整性保护

今天，10月19号，来公司加了一会班，首先对于加班我的态度是可耻，代表效率低，做事上面出了一些问题。当然，这次事出有因，老大催着要上线，我对上线向来谨慎，更何况是刚刚接手新场景，担心有一些坑没有理清楚。

• 不要被打断，不要自己打断自己，也不要让别人打断自己。
• 遇到bug、不太好解的事情，尤其比较复杂的时候，试试先画一个数据流图 or 思维导图，列出关键节点，排查问题，这个过程可以参考小黄鸭 debug 方法。
• 工作的研究的区别，也许你可以研究半年然后发一篇 paper 全年不愁吃喝，当然这是我的猜测，但是我们工作党不同，尤其一个月评一次绩效的公司，每个月都要有产出，不然，绩效就要难看了。与之对应的，就是压力所在了。
• 遇事不决写 wiki，梳理思路，整理进度。

之前的公众号一时博客断断续续写了几篇文章，今天上去看，关注人数刚好到了 500 人，公众号后台偶尔也会有人留言交流，但是因为不经常上线，往往看到的时候消息已经过期无法回复，所以想到启用这个很早就申请的公众号，方便读者大大留言交流，今后也会在这里记录一些推荐算法相关的问题。

从开始实习到现在，总是会遇到组织架构调整，已经习以为常。

人总是会趋于稳定的，不希望走出自己的舒适圈，我也不例外。

最近也一直在思考，什么东西是最重要的，什么能力对我们算法同学来说最为核心。

leader说了一句“工程同学解决确定的事情，算法同学解决不确定的事情”，某种程度上，很有道理。

对于算法的同学来说，对业务的把握能力，工程能力，数据分析能力等等，都很重要，很多情况下问题没有清楚的定义出来，需要自己去发掘。

先埋坑，慢慢填。

1.特征的种类

从数据格式来讲，一般有以下三种：

• 类别特征：例如用户的操作系统类型，[iOS, Android, other ]
• 数值特征：商品的价格：1000
• 序列特征：用户的点击序列，例如商品 item_id 的点击序列： [12212, 2323232, 2323232]

从场景划分角度来讲，一般可以分为：

• context feature：用户和场景进行交互产生的一些特征
• user feature ：用户特征
• item feature：商品特征

从时效性角度来讲，也可以划分为：

• 长期特征：相对长期的固定属性，例如用户的性别
• 短期特征：
• 实时特征：用户几分钟内点击的商品序列

2.特征预处理

• 如何对特征进行处理？
• 是否需要进行归一化？
• 特征如何进行 embedding？

3.特征对应模型

• 如何根据特征的量级、种类和分布等选择合适的模型？