有時候奮鬥着奮鬥着，總會忘記自己爲了什麼而奮鬥，有什麼意義呢？
從吳軍的新書，得知有一個37%幸福規則，是科學家經過大量數據分析總結而來的，大意如下：
如果你要買房，你需要先看房子，你決定用一個月的時間來買下一個房子，你就要先把這一個月的時間分成兩個階段。
在第一個階段你只看不買，就是根據自己的購買能力，瞭解一下市場上哪些房子你喜歡，哪些你不喜歡。記住在這個階段內你看到過的最滿意的那個房子。等到過了你1個月設定期的37%以後，你就進入到第二個階段。
如果預先設定的期限是一個月，那麼第二個階段就從第12天開始，從這天開始，你一旦遇到一個比第一階段那個最好的房子好，或者與它類似的房子，就要毫不猶豫的買下來。
37%規則，並不能保證你一定能買到最好的房子，但是在假定市場上的房子隨機出現的情況下，它是能讓你買到一個足夠好的房子的好辦法。
從概率的角度來說，如果你看了不到37%的房子就開始買，你將來很可能後悔買早了，如果你看了超過37%的房子開始買，你將來很可能後悔買晚了。
理性的人應該知道什麼時候停止。
你先估計一下自己做一件事兒，成功的概率有多大，然後又成功的概率，除以失敗的概率，就是你做這件事的最優次數。
比如搶劫，比如你的水平很高，得手的可能性是90%，失手的可能性是10%，那麼你就應該在搶劫九次以後收手，如果你成功和失敗的可能性都是50%，那麼這件事你就應該只做一次。
我們希望每一天都活在當下，可是從數學角度來說，你預計停留的時間越長，探索新事物的價值就越高，基廷斯指數也就越高。
如果我們把期限設定爲人的一生，這就意味着年輕人應該多探索，到了後期就要專注於收穫。
因此對理性的人來說，要想過好這一生意味着三件事：
第一，年輕時代要大膽探索。在年輕時代可以不斷的探索未知，積累各種經驗教訓，才能迅速理解這個世界，他的後期才能做出更好的選擇。
第二，隨着年齡增長，要慢慢學會，利用已有的知識，專注於收穫。一般的規律就是，人的年齡越大，社交的圈子越窄，老了以後經常交往的也就寥寥幾人，經常做的事情也就那麼幾件，去的地方也非常有限，吃飯只去一個餐館，就好像已經失去探索的動力了。
之前人們都認爲這是老年人的悲哀，可是斯坦福大學有個心理學家認爲，這其實是老年人的理性選擇，他們已經完成了探索，他們知道，自己最適合做的事情是什麼，和哪些人在一起最舒服，哪個餐館最符合自己的口味，他們已經沒有冒險探索的必要，只要享受人生就可以了。
第三，在慢慢變老的過程中，我們的生活其實是越來越好的。研究表明，隨着年齡的增長，人的精神狀態和生活狀態都會越來越好，如果你已經知道自己喜歡什麼，你就會很樂意被自己喜歡的事物所包圍。當你看到一位老人，每天見同一個人去同一個餐館，坐在同一個座位，點同樣的飯菜，你可能會以爲他的生活很無聊，殊不知，這纔是最浪漫的事，他是在享用自己用一輩子的時間所探索出來的成果。
身邊常有人對我們指手畫腳。
“你做這件事不會有結果的啊！”
“你這工作沒前途~”
“你就是瞎折騰。”
只有我們自己知道，自己從來不是瞎折騰。
996不是屈服，是堅持。
去北上廣深不是不知深淺，是想更多的激發潛能，證明自己的價值。
我們大膽探索，不斷突破自己的上限，爲的就是將來能夠安心的說：“這是我探索出的人生。跟你，不一樣。”
程序員愛學習，總有人拍到程序員加班看書，做地鐵看書，各種求電子書資料。這種看書，跟某些拍照曬朋友圈的行徑完全不是一個性質，程序員每一次學習，都是爲了解決目前的問題，爲了解決未知的問題，甚至爲了改變自身現狀。
所以，那些不懂程序員的人，憑什麼指手畫腳的談論“程序員的前途”二字？人工智能是現在的大勢所趨，許多程序員認真學習、準備入行。這時候總有些“前輩”自己不願改變現狀，一邊做着焦慮的中層，一邊說：“你學這個太晚了，根本不行，別浪費時間了！”
這個圈子太大了，有些同學準備去做數據挖掘，計算機視覺，自然語言處理等各大領域，什麼都學，確實耗時，但是核心競爭力強。主做一個領域去深挖，在做橫向拓展，會更容易把自己培養成專才。
而這其中最核心的就是機器學習了，想要開始探索，要做的一切都離不開它。所以學習人工智能的第一個目標就是搞定機器學習各大算法，掌握其中各種應用案例。
機器學習能做什麼？舉一個小例子，我之前特別喜歡玩夢幻西遊手遊（是不是勾起了一段回憶……），一頓氪金。棄坑之後它們客服經理給我打電話，說您能不能回來接着玩耍（充錢）呀，幫派的小夥伴都是十分想念……
這時候我就想爲什麼會給我打電話呢？每天用戶流失的不下上萬人吧，那肯定得挑重點客戶來溝通了，其後臺肯定有我們的各種數據，比如遊戲時長，充值金額，戰鬥力等，通過這些指標就可以來建立一個模型，去預測哪些用戶最有可能返回來接着充錢了。
機器學習能做的遠不止這些，數據處理分析，圖像識別，文本挖掘，自然語言處理，語音識別……這些都是以其爲基礎的。現在各大公司也是越來越注重數據的價值，機器學習也就必不可缺了。
在這個和時間賽跑的世界裏，大膽探索、跑得更快的，永遠是最稀缺的人才。
如何成爲一個真正的機器學習工程師?
學習建議：
結合自身能力和經驗，用機器學習擴充自身能力和價值
積累領域知識，提高靈活解決問題和協作的能力
首先搞定機器學習各大算法，掌握多種案例