《Running Out》，其他作品，美国出品，1983年上映。
生者如过客，死者为归人，天地一逆旅，同悲万古尘……这是对人生的最贴切总结。值得一看！
这是我看过最平淡温馨的穿越文了，如果人生可以重来，那将是多么美好！
📖写下一些我自己看这部剧的一些想法我们首先应该杜绝的一个心态就是：我该看完这部剧。 🔔看完这部剧，并不是我们的目的，我们的目的应该是【解决问题，构建自己的知识体系】。 ➡️回到问题上，看剧不是越多越好，而是看吸收；如果你看了一本剧没有收获，可以先排除是不是书本的问题，如果是，可以换一本剧试试，如果不是，刻意练习一下观看力，提高自己吸收知识的能力 ➡️看完一本剧后哪怕你学到了一点也行只要自己有收获，懂得带着思考去观看这部剧谈的内容对他研究的主题到底重不重要你总要从这部剧总学到些啥。看剧集是为了提升自己的认知，看专业书是为了学到知识，先问哈自己看这部剧是为了什么 。
观看时长感人，就这还是放弃了大部分代码的时长，这下知道为啥程序员都得数学好了。总体来说很好，让我了解了推荐系统常用算法逻辑，之前就看过协同过滤算法，这部剧里讲了一遍又一遍，还有隐语义模型，有的公式能看懂，越后面越不懂。看完才知道为什么app的推荐系统要用200个逻辑，都是在拿到用户行为数据后，生成用户特征向量，通过特征-物品矩阵转化为初始推荐列表，进行过滤、排名等处理，生成最终列表。各种推荐引擎按照一定权重和优先级合并、过滤、排序得到，不断优化。了解了各种评价推荐系统的指标，包括用户满意度、预测准确度（评分预测、Top N推荐）、覆盖率（被推荐的物品占总物品的比例）、多样性（覆盖用户不同兴趣）、新颖性、惊喜度、信任度、实时性、健壮性、商业目标等。前面4章内容对我来说更有用，第8章评分预测看不懂，奇异值分解、正则化...仿佛我从未学过线代。
说是不正经的科普，感觉还是在晓畅方面差点功夫。知识是长的，很多引用和串联解读，在分类选题上考虑了趣味性，但是读起来行文工整详细，还是要端坐案边耐着性子好好读的。
这部剧里面有内容像镜子一样照出了自己，自己不肯承认的那个自己。 我感觉提到了 知行合一 还提到了 二元统一 首先是击中自己，然后又是暗合中华传统思想 我挺喜欢这部剧，读完之后。之前一直耳闻，还曾对书名望文生义过，原来是本心理学剧集。
与第一部隋乱的后半部分时间线重叠，从另一个角度描写的同样一段时间内对方的故事，真的很好看，乱世下，谁都没有比谁更贱，谁都有活着的权利。
影评评论
生者如过客，死者为归人，天地一逆旅，同悲万古尘……这是对人生的最贴切总结。值得一看！
这是我看过最平淡温馨的穿越文了，如果人生可以重来，那将是多么美好！
📖写下一些我自己看这部剧的一些想法我们首先应该杜绝的一个心态就是：我该看完这部剧。 🔔看完这部剧，并不是我们的目的，我们的目的应该是【解决问题，构建自己的知识体系】。 ➡️回到问题上，看剧不是越多越好，而是看吸收；如果你看了一本剧没有收获，可以先排除是不是书本的问题，如果是，可以换一本剧试试，如果不是，刻意练习一下观看力，提高自己吸收知识的能力 ➡️看完一本剧后哪怕你学到了一点也行只要自己有收获，懂得带着思考去观看这部剧谈的内容对他研究的主题到底重不重要你总要从这部剧总学到些啥。看剧集是为了提升自己的认知，看专业书是为了学到知识，先问哈自己看这部剧是为了什么 。
观看时长感人，就这还是放弃了大部分代码的时长，这下知道为啥程序员都得数学好了。总体来说很好，让我了解了推荐系统常用算法逻辑，之前就看过协同过滤算法，这部剧里讲了一遍又一遍，还有隐语义模型，有的公式能看懂，越后面越不懂。看完才知道为什么app的推荐系统要用200个逻辑，都是在拿到用户行为数据后，生成用户特征向量，通过特征-物品矩阵转化为初始推荐列表，进行过滤、排名等处理，生成最终列表。各种推荐引擎按照一定权重和优先级合并、过滤、排序得到，不断优化。了解了各种评价推荐系统的指标，包括用户满意度、预测准确度（评分预测、Top N推荐）、覆盖率（被推荐的物品占总物品的比例）、多样性（覆盖用户不同兴趣）、新颖性、惊喜度、信任度、实时性、健壮性、商业目标等。前面4章内容对我来说更有用，第8章评分预测看不懂，奇异值分解、正则化...仿佛我从未学过线代。
说是不正经的科普，感觉还是在晓畅方面差点功夫。知识是长的，很多引用和串联解读，在分类选题上考虑了趣味性，但是读起来行文工整详细，还是要端坐案边耐着性子好好读的。
这部剧里面有内容像镜子一样照出了自己，自己不肯承认的那个自己。 我感觉提到了 知行合一 还提到了 二元统一 首先是击中自己，然后又是暗合中华传统思想 我挺喜欢这部剧，读完之后。之前一直耳闻，还曾对书名望文生义过，原来是本心理学剧集。
与第一部隋乱的后半部分时间线重叠，从另一个角度描写的同样一段时间内对方的故事，真的很好看，乱世下，谁都没有比谁更贱，谁都有活着的权利。