“信任该设备”只是新的说辞，以前说的是“免登录”“自动登录”有点歧义
开一个浏览器，登入并信任设备，换个浏览器或者 profile 照样要验一次

丧假属于本人要去操办仪式和身后事的，一般不止一天，参加丧礼一般一天或半天，则是事假，两者不同
要证明估计是要存档？

#93 理应买方负责 -> 理应卖方负责

@wanwaneryide #81
表象是精打细算，实际是社会信任度低，价格模糊默认不信任，默认逢商必奸

我觉得最终应该就是这样，你说分摊了别人的费用，我现在就是已经分摊了，十多年来我连真实地址都不写，本来就不打算送上门，一直在分摊
送货也是交易服务的一部分，理应买方负责，除非买家指定物流或者自提(算是买方自定交讫方式)，我觉得正常流程需要有个买家签收的手续，只是社会走向是人人都嫌这个手续麻烦，多方默认省略了
最大打击可能还是小商家，几块钱一条线，可能显示价格翻倍了

事情本来不该这样，其实钱货交讫完毕才算完成交易，说到底仅有买卖双方的协议，纠纷也应该仅限于此
无奈事情变得越来越魔幻，买方开始介入快递费，可选快递公司……逐步入坑
说到底，买方跟物流公司有任何协议么？买方跟快递员有任何，附带违约条款的协议么？好像都没有

但社会选择这个走向，我也无力吐槽了

OP 实际上无法离开本地化的功能，nfc, bank, shopping...这些都不是仅仅上个汉字就能解决的，这就不要想外版有足够的支持了
如果此文没有提及墙外应用，那完全没必要折腾，如果墙外应用也是刚需，那适合 OP 的解决方案是双机
只有那些不需本地特别功能，如上述 nfc, bank...等等的人，才适合刷机

你说的是“赚了”的时候，还是“亏了”的时候向内归因呢？

@testonly #14
对啊，我就是觉得农行的业务逻辑很破，只想着自己方便，不管用户如何，根本就不是服务业的思维，只觉得自己是大爷，别人都要顺着它

老妈几个银行的账户，只有农行 app 转账时要人脸识别，其他只需要 sms
因为她年纪比较大了，样貌不如当年，人脸试了很多次过不了，她每次都要自己跑银行柜台，后来嫌麻烦就销户了

如果没有最后一句，那是玄学
不过有最后一句，表明已经到达电信了，那就应该是电信做了处理屏蔽了

和国企、事业单位、政府打交道，一定要厘清“谁说了算”，然后走足够流程找准这个人
并不是说走关系，而是说这个人批准了，其他人无法反驳，但走流程是让他也无法被人质疑

OP 此题，虽然明面上主任>副主任，但实际副主任应该是主管业务的，他才是说了算的人，主任大多数情况是不理这事的，不经副主任的话，他想什么你就无法控制了，事情自然就难办了，另一个隐藏变量是主任没有对副主任的人事权

@shizhibuyu2023 #3
主任>副主任>科长，其实应该是主任 or 副主任，科长不够格
其中副主任和科长都是业务相关，主任不管这事，所以先要科长确认业务上有没有问题
应该是这个逻辑

以前会，现在不会

安卓+安卓+安卓(功能机)+安卓(功能机)

好多模型人家都弄好了，写个程序其实不难，不怕见笑，我只会抄
例如 sklearn AgglomerativeClustering 聚类核心代码就两行
agglomerative = AgglomerativeClustering(n_clusters=n_clusters)
clusters = agglomerative.fit_predict(scaled_weighted_features)
但是大量的工作是怎么整理数据符合 fit_predict 的要求，还有就是跑一次可能很耗时，如果结果不理想，就要重新组织数据再一次，再一次，再一次……

更多的工作在查错，因为数据量太大，你搞不清是哪一个样本出错的，或者是怎样的错误
例如跑着跑着断了，报错是维度不一致，想维度问题其实是想不通的，一般数据都是批量处理的，不会出现单个数据维度异常，其实更大可能是某个数据为空或者 np.nan ，模型优先“检查维度”导致报错是维度不一致
原始数据不为空，但一些转换处理会导致部分变为空，例如 rolling 移动窗口首尾有窗口不够的问题，diff 左右值求差必然少一个，过滤数据后忘了“补齐”或“对齐”……诸如此类

还有前面说的 float 类型的事，数据没错，程序逻辑也没错，就是跑起来就报错，因为 pytorch 默认 float32 ，但 numpy 默认 float64……破，搞了我几个小时，一直以为数据错了
如果用到 numba 加速的话，类型也是大问题

个人建议 numpy/pandas 还是要熟，有批量转换和查找的能力，“查找”就是定位，找到哪一行哪一列的数据

我近半年写的代码，写出来都是很快，随机模拟生成数据都能跑，就是用实际数据就断，估计近半时间都是在花类型的查“错”上

我是从人脸识别开始的……
机器学习可以不看，但 numpy ，pandas 还是要懂，无论什么学习，整理数据还是必须的，你不能靠 for 来完成数据处理
机器学习可以不看，但 sklearn 文档还是该知道怎么查，sklearn 的文档比较有用

ps: python 的类型问题烦死人，float32 和 float64 没指定好，都能导致 pytorch 跑不起来