物联网专业女生学起来会很难吗？

也不是
女生学理科也有优势
在传统观念中，女生擅长学文科，而理科则是男生的天下。不过，在采访中，不少理科老师向记者肯定了女生学理科的优势。
广州市真光中学数学老师林小健认为，相对于男生，女生贵在能够沉下心来，记忆力好，虽然反应可能不及男生快，但是只要将勤补拙，学习理科不会比男生差，尤其在准确率方面女生会高过男生。
老师在出题的时候会把反应时间都考虑进去，只要平时多做多练，就不用担心考试时间不够。所以综合起来，男生女生学习理科，是站在同一“起跑线”上的，女生大可不必对理科心存恐惧。
摆正心态培养兴趣
广州市第十六中学化学老师王勇认为，高中新生尤其是女生会存在心理落差，从低年级到高年级，可能会有自卑、兴奋等不同的情绪，造成在学习上有所松懈。在这种情况下，女生不要自我封闭，应该用开放的心态接纳各类事物。
华南师范大学附属中学高三物理老师赵建辉认为，一些女生每次考试会更多地关注分数的高低，而不是其中暴露的问题，这种为分数而学习的心态是不可取的。高中是个新起点，女生应该培养学习理科的兴趣，多参加科技活动和相关社团活动，打好基础。
勿靠题海战术死攻
赵建辉认为，女生学理科的短处在于理科思维能力不如男生活跃，要通过多做习题训练提高思考能力，而在这过程中女生的细心与耐心也可以更大地发挥优势。不过应注意的是，普遍勤奋的女生可能会陷入题海战术的误区，一味追求做题量但缺乏思考和总结的时间。在这种情况下，应多听老师的指导，精做老师布置的题目，不要盲目选择额外的题。
林小健还建议，女生在做理科习题时应增强多样性，多做不同类型的题目，对同一类型的题进行小结，效果更佳。
另外，有些女生学习的开放性不如男生，影响了理科的学习。赵建辉认为，不少女生主动发现问题和解决问题的能力稍弱，有问题不敢提出来，从而背上心理包袱。其实应该积极与老师和同学交流，寻求解决方法。王勇也指出，女生要善于发问，不要光顾着自己去钻去学。有些内容尽管老师已经站在学生的角度去讲课了，但是思维还是会有差距，因此与同学交流讨论是女生学好理科的有效方法。
女生攻理科有五招
1主动去学那些自己不喜欢或有点害怕的功课。在安排预习、复习各门功课的顺序时，应该把数理化等学科放在前边，以留出充裕的时间。
2要懂得读理科课本的重要性。许多同学写作业，拿起练习本就解题，这是一个很不好的习惯。动笔之前先把教科书翻一遍，理一理教师讲课的思路，理清楚了，再解题。而解题时，一定要把每一步运算的根据说清楚，这样有助于锻炼逻辑思维能力。
3对已知的结论多问一个为什么，经常和别人讨论，有助于形成批判性的思维习惯。
4多阅读一些理科的课外书籍，有利于提高学习兴趣，培养自学的能力。
理科女尖子生经验谈
广州市执信中学高三的向芯，不但是女生中难得的理科尖子生，还身兼数职，曾是公关部副部长、WDES社团的社长，活动多多。她觉得，当“小领导”对自己最大的帮助是训练了理性分析能力。很多女生遇到数理化难题，最缺乏的就是理性分析和耐心冷静，这个问题其实可以通过工作来锻炼。
今年被保送至清华大学，曾获广东省物理竞赛一等奖的华南师范大学附属中学毕业生李宇博认为，梳理知识很重要。“其他学文科的女生的脑袋可能是海洋般的一大片，但我就是卡片式的系统化的一张张，在脑子里做好分类，哪些是必须重点掌握的要点，哪些要背得一字不漏，哪些侧重于具体运用。”

面对未来人生中的艰难困惑为什么要看孙子兵法三十六计这类的书呢？
如果是想增加一些城府和谋略的话，个人认为《三国演义》比孙子兵法之类的好。三国演义可以直观的看到在重重困难中，我们的先人是怎样做的。而孙子兵法的运用需要一定的解读才对于生活有借鉴意义。如果是作者的误读的话就更加糟糕。
如果是想看立志类的书可以看卡耐基或者李开复的，但是个人实在不建议看励志类的书，只要你有这种意识就说明你志气尚存，既然如此又何必听别人在励志上进行说教。
如果是为了走上工作岗位后可以迅速适应顶窢侈喝侬估畴台川郡，近期就有使用价值的话，有公共关系方面的书，如《公共关系学》或《人际交流学》；有些演讲方面的书，如《现代演讲学》，或者名人的演讲稿；谈判方面的书，如《优势谈判》等等。
如果是为了丰富自己的知识结构，历史方面的建议看斯塔夫里阿诺斯的《全球通史》，政治方面的建议看麦克里兰的《西方政治思想史》，哲学方面的建议看《苏菲的世界》。
要受益一生的话一定要看经典，即使现在的人生经历不足以让你理解其中的深刻含义，但是对未来来说，也只有这些是对你可能有帮助的，是你可能记住的。最后建议你看《沉思录》，《培根论人生》，《歌德谈话录》，《潜规则》，《幸福之路》等。
可能是由于本人所学为管理方向，推荐书籍也有一定的指向，可能不符合你的初衷，但是仍希望对你有帮助。祝成功O(∩_∩)O~
对了，以上所列书籍一般都可以在电驴上找到。

总体来说，AI类产品可大体分为两类：

对于推荐算法产品经理而言，算法本身即是产品。产品经理的职责主要在于，通过挑选合适的数据、算法帮助用户更好地解决 个性化需求与海量信息之间的匹配问题 ，通过恰当的测评方法，帮助技术人员寻找优化特定场景下算法效能的方法。考虑到用户的需求相对单一，且参考指标明晰（如点击率、浏览率等），因此算法产品相对于其他产品而言，要对技术实现和底层算法逻辑拥有更清晰的认识，从而可以方便的配合技术人员完成转化率的提升。

对于终端类产品经理而言，如果产品形态仅仅是算法，那么需要考虑的内容应与推荐算法产品大同小异。随着家居物联网产品的兴起，越多越多的企业开始提供硬件类产品，常见的包括：AI智能音箱、安防摄像头以及疫情期间的测温仪等等。由于硬件产品对物流供应链的要求高、产品集成度也更高， 产品经理除却需要考虑算法是否能够适配当前的场景之外，更应当专注于产品的集成测试和竞品分析（尤其需要掌握潜在进入者的动向），来确保产品的整体可用性和市场竞争力。

非个性化推荐算法关注的是一群人的共性 。

典型应用场景包括，“音乐热曲排行榜”、初期谷歌的“搜索引擎”等等。

由于非个性化推荐的结果依赖于大众的点击，因此易呈现强者越强、弱者越弱的马太效应。对于内容生产者而言，推荐引擎如果始终维持这样的策略，将对新产生的内容不公平。为了兼顾冷启动的问题，可以考虑采用“最近时间窗口”策略，维护内容的新鲜度的同时兼顾大众偏好。

个性化推荐算法关注的是少数人的个性 。

适用于非个性化推荐算法的场景主要具有以下两个特征：

1海量数据；

2拥有收集用户信息的渠道。

其中用户信息的收集方法又可分为以下两种：

1来源于网页Cookie信息、访问地址信息;

2来源于用户登录账户期间的 *** 作日志记录。

个性化推荐中有两类重要的算法设计思路，分别是（1）基于向量相似度的推荐算法，以及（2）基于用户的协同过滤推荐算法。前者偏重于推荐标的物与用户兴趣之间的相似度评估，通过在预先设定的维度上获取用户的兴趣向量作为基向量，而后用同一坐标系对标的物进行标注，获取到用户兴趣与潜在标的物之间的相似度（具体示意如图1所示）。后者则偏重于用户间相似度的衡量，假设认为，拥有较高兴趣相似度的用户，针对某个具体标的物将具有相似的偏好（具体示意如图2所示）。

产品发展到一定的DAU数量之后，为了进一步提高这部分DAU人群的使用效率，需要通过精细化的推荐来辅助运营实现更高层次的目标。

尽管同为推荐产品大类，但由于推荐场景略有不同，因此电商推荐类产品与内容推荐类产品在业务指标的关注点上也略有不同。 电商推荐类产品更关注用户的营收， 因此通常将 转化率 设定为推荐指标； 内容推荐类产品则更关注用户的留存和使用粘性， 因此通常将 推荐准确度、用户体验 设定为推荐评估指标 。 以京东和头条为例，由于前者是面向”大明型“用户群体的产品，更关注推荐系统产生的效果为及时转化贡献了怎样的力量；而后者则是面向”小闲型“的用户群体，因此更关注推荐系统在用户体验与产品依赖层面贡献了怎样的力量。

关于广告推荐的几个共识：

1、产品的价值交换：为用户创造使用价值、并获取交换价值的过程。

2、几乎所有的广告需求都是对体验有负向影响的反向需求。

广告形态主要分为（1）横幅；（2）插屏；（3）原生。其中横幅广告效果较差，且对体验有一定影响；插屏广告由于以整屏形式出现，会吸引用户的全部注意力，尽管降低了产品的体验，但一定程度上提高了广告的展示效率；原生广告以一种仿似真实展示结果的形式嵌入到用户产品使用过程中，用户体验最好，但转化率相对插屏而言较低。一般情况下， 更推荐使用插屏和原生广告，尽量避免使用横幅广告 。

由于广告具有一定的商业性质，只有尽可能保障广告推荐的高效性，才有机会获取到足够的广告营收费用。通常而言，广告是否有效需要从以下两个角度进行衡量：

1曝光频次高；

2展示效率高，其中展示效率可从以下三个方面去衡量：（1）展示时机；（2）用户状态及（3）可见区域。

通常情况下，在产品刚进入市场的阶段，应当重点考虑DAU，只有把用户基数做大，后续的流量变现规模才足够可观。当产品DAU开始逐渐稳定时，则可以开始考虑MTR，产品也随之进入商业化变现的成熟阶段。Avglmps指数一方面展示出广告曝光率与广告收入之间的正线性关系，一方面也暗示着广告的曝光率与用户体验之间的反比关系，需要产品在不同场景下进行适当的权衡与取舍。广告点击率的大小，更多情况下取决于交互数据的应用和推荐算法的构建。当广告推荐的准确度日趋成熟，产品的广告位也将逐步获得更好的议价能力，有望获得更多的营收收入。

除了产品开发者本身可以招揽广告位外，广告生态系统中还存在这样一类第三方，被称之为ad network。作为连通广告位和广告主之间的中间方，通过统筹并协调广告资源，制定相对普适化的广告算法，能够最大限度的保障广告主对于广告展示次数的要求，同时能够帮助产品提供方充分利用剩余的广告位资源。对于大厂而言，流量变现已成为最重要的营收手段，除非广告资源稀缺，通常不会交予第三方管理。但对于尚处于发展期的公司而言，将广告位外包给中间商，一方面获取源源不断的收入，一方面将更多的精力集中在产品的研发投入上，是一件一举两得的事情。

在进行广告分析时，通常会采用如上的5个指标对广告展示效率进行逐层次的分析，在自上而下的过程中每一层次都存在着流量的流失。下面将以两个场景为例，逐一分析场景二的潜在提升空间。

1 通常而言，广告请求率应尽量保证在100%，可以考虑优化用户访问时的请求率；

2 当用户端发出广告请求时，缺少与用户当前情境相匹配的广告时，易出现填充率的情形。可考虑适当增加广告源，进一步提高填充率；

3 广告展示率低，意味着广告匹配成功后，却由于网络带宽、用户停留时长、广告资源大小等原因没有得到合适的展示机会。需要具体分析，可采用prefetch等方法、挑选合适的展示时机等方法，提高展示成功率；

4 点击率与广告内容、展示时机和广告大小等等因素密切相关。通过选取与上下文情境相匹配的广告源、增加广告位的大小、筛选出高质量广告，可以进一步提升广告的点击期望。

5、然而，为了选取高质量的广告而为广告位设置了广告底价后，也意味着广告资源数目的降低（即填充率的降低）。需要产品制定出适用于当前产品的整体策略。

除了上述AI产品之外，还有一类特殊的AI产品，通常由AI头部公司创建。通过集成相关算法和数据，为开发者提供相对自由的基础训练模型，提供自然语言处理、图像识别、VR等相关领域的SDK开发包，为各行业定制专用解决方案。可参考的AI平台类产品主要包括：

1 百度大脑 —— AI开放平台（ >