《Mandanda》，其他作品，印度出品，1950年上映。
每一节都空洞，但在结尾会有一絲牵连，吊着读者的好奇心，编剧也就不慌不忙的继续这冗长而无意义的集数。佩服
关于金融产品的部分实在是难以理解，但是关于人性的部分实在是太精彩。孤独的独立思考者，充满狐疑的交易者，自以为是的聪明人，不负责任的评级机构，操纵市场的高盛，你能从这里看到很多别的投资剧集里讲到的：因为人的心理因素，市场变得复杂。 个人最喜欢的是电影里面快结束的那一段：明明市场错了，我也建立了足够的头寸，可是市场就是没有表现出他应该有的崩溃。折磨折磨还是折磨！真的是：市场保持错误的时间可能会超过你能坚持的时间。
追了那么久总算看完了，确实花了不少书币，可是总有种莫名其妙的不爽快
个人看来，编剧关于描述亲情的部分有点刻意了读来不觉感人，关于科幻和爱情的倒是别致，尤其是一首首小诗，秀丽精致。
米禽牧北这种矫揉造作戏又多的反派是全剧唯一让我生理不适的地方。牙印cp我可以姨母笑看100集，小太阳张新成已圈粉。好久没有这么真情实感少女心地萌一部剧了！结尾完全可以无缝对接第二季，求编剧和制作方大发慈悲给我们第二季吧！
可能前期带有较大期盼，总体看完并没有什么吸引到我的独特表述，有些失望。
美学理论，美学形式。 在生活中，无所不在。 那诗书画，意境之美。 从古至今，发挥作用。
20210503看完《Mandanda》，编剧的“最少必要知识原则”，这个学习观念不错。 对Python包中变量__all__说清楚了，好多其他教材是没说的； 对生成器和迭代器也讲述的比较清楚； 推荐了logging模板，但没展开，然后补上一句：“高手都是自学的”，我也只好赞成了； 在Numpy模块，深入浅出地讲解了“爱因斯坦求和约定”和功能强大的einsum()，不但能“降维求和”，还能用于矩阵乘法等； 对于矩阵的点乘法，a1@b1，亦可表示为np.einsum("ij,jk->ik",a1,b1)； 又如2个(2,2)向量点乘操作，a*b或np.multiply(a,b)，亦可表示为np.einsum("ij,ij->ij",a,b)，其他维度亦可类似操作； 又如np.einsum("ij->ji",arr)可实现向量的转置，等同于np.transpose(arr)； 编剧einsum()的功能非常强大，这里只讲一点点，还可用于TensorFlow或PyTorch神经网络架构的任意计算图，并支持反向传播计算，非常有意思； 对向量维度轴的的概念axis，按括号层次来理解，括号由外到内，对应从小到大的维数，分别为； 当“约减”时，有先后顺序，如5维向量，可用axis=，先后“约减”掉第2、第0、第1维度，最后剩下2个维度，等等； 中间很多…省略 创作在最后的感叹：数据分析，要学的东西都挺多的，机器学习有点超纲，需要慢慢消化，还好各路大神都在做贡献，很多功能越来越方便，越来越完善。
一口气追完的，精彩，为家族荣光忍辱负重，为真爱不为所动，负我的爱我的各得其所
越看到后面越不赞同，很多内容都太片面，完全站在自己的角度说自己的话，太片面的姑娘，不高级
影评评论
每一节都空洞，但在结尾会有一絲牵连，吊着读者的好奇心，编剧也就不慌不忙的继续这冗长而无意义的集数。佩服
关于金融产品的部分实在是难以理解，但是关于人性的部分实在是太精彩。孤独的独立思考者，充满狐疑的交易者，自以为是的聪明人，不负责任的评级机构，操纵市场的高盛，你能从这里看到很多别的投资剧集里讲到的：因为人的心理因素，市场变得复杂。 个人最喜欢的是电影里面快结束的那一段：明明市场错了，我也建立了足够的头寸，可是市场就是没有表现出他应该有的崩溃。折磨折磨还是折磨！真的是：市场保持错误的时间可能会超过你能坚持的时间。
追了那么久总算看完了，确实花了不少书币，可是总有种莫名其妙的不爽快
个人看来，编剧关于描述亲情的部分有点刻意了读来不觉感人，关于科幻和爱情的倒是别致，尤其是一首首小诗，秀丽精致。
米禽牧北这种矫揉造作戏又多的反派是全剧唯一让我生理不适的地方。牙印cp我可以姨母笑看100集，小太阳张新成已圈粉。好久没有这么真情实感少女心地萌一部剧了！结尾完全可以无缝对接第二季，求编剧和制作方大发慈悲给我们第二季吧！
可能前期带有较大期盼，总体看完并没有什么吸引到我的独特表述，有些失望。
美学理论，美学形式。 在生活中，无所不在。 那诗书画，意境之美。 从古至今，发挥作用。
20210503看完《Mandanda》，编剧的“最少必要知识原则”，这个学习观念不错。 对Python包中变量__all__说清楚了，好多其他教材是没说的； 对生成器和迭代器也讲述的比较清楚； 推荐了logging模板，但没展开，然后补上一句：“高手都是自学的”，我也只好赞成了； 在Numpy模块，深入浅出地讲解了“爱因斯坦求和约定”和功能强大的einsum()，不但能“降维求和”，还能用于矩阵乘法等； 对于矩阵的点乘法，a1@b1，亦可表示为np.einsum("ij,jk->ik",a1,b1)； 又如2个(2,2)向量点乘操作，a*b或np.multiply(a,b)，亦可表示为np.einsum("ij,ij->ij",a,b)，其他维度亦可类似操作； 又如np.einsum("ij->ji",arr)可实现向量的转置，等同于np.transpose(arr)； 编剧einsum()的功能非常强大，这里只讲一点点，还可用于TensorFlow或PyTorch神经网络架构的任意计算图，并支持反向传播计算，非常有意思； 对向量维度轴的的概念axis，按括号层次来理解，括号由外到内，对应从小到大的维数，分别为； 当“约减”时，有先后顺序，如5维向量，可用axis=，先后“约减”掉第2、第0、第1维度，最后剩下2个维度，等等； 中间很多…省略 创作在最后的感叹：数据分析，要学的东西都挺多的，机器学习有点超纲，需要慢慢消化，还好各路大神都在做贡献，很多功能越来越方便，越来越完善。
一口气追完的，精彩，为家族荣光忍辱负重，为真爱不为所动，负我的爱我的各得其所
越看到后面越不赞同，很多内容都太片面，完全站在自己的角度说自己的话，太片面的姑娘，不高级