日记时间戳
记录一个感受，学英语要系统的学
2024年12月24日21:22:00
学英语 在 helloTalk 上，需要有一定的积累了之后去那里输出
每次都 hello ，只是在浪费自己的时间，前期的积累要自己有。
21:42，自己看语法书也没有意思。
自己看语法书，一行行的文字还需要先去理解文字再说什么，
然后还要去理解他这个文字的含义，也看着很没有意思。
犯困了，那就去睡觉吧。
冥想练习
2024年12月25日07:44:14
15 分钟的闭眼练习，时间过得很快。
让自己从睡意中完全醒了过来。
如果一次冥想能够让自己体验很多，都是自己开始幻想的。
不想那么多，刚才的 10 分钟的宁静，就是宁静，over。
早起成功
现在是早上 8:20，我在家踱步。已做了两组腹肌轮，休息片刻，录一段音频。
接着再做一组，就准备出门。今天公司要求 9 点到公司，所以得早点出门。
昨天晚上 10 点左右就躺在床上睡觉了。
今天早上 6 点自然醒，我其实定的 6 点半的闹钟，自然醒后看了下手机。
没起来，在床上清醒地思考了一些事。
7 点左右起床，起床后先进行了将近 20 分钟的冥想，然后洗漱、洗头、穿衣服。
接着坐在这里看了将近 20 分钟的英语视频，觉得没意思，因为不是在学习，方式不对。
持续一段时间也不会有完整提升，所以要去找完整的课程学习。
这是我在家的生活状态。
今天起床后，眼睛没有困意，首先是睡够了，其次也是睡够了，只有这一个原因让自己不困。
休息 3 分钟，做一组腹肌轮，8 点半出门，9 点到公司，能吃完饭。很好的打算。
今天给手表充电，带着手表上班。中午或者什么时候可以坐定。
还没看娃哥的文章，今天等会儿再读一遍就出门。
今天天比较冷，但今天是圣诞节。
Merry Christmas for myself.
Okay see you later.I will continue Go to my life, thank you myself.
优势
2024年12月25日08:28:12
人们会在他有优势的地方投入更多的时间。
一个人从不会到会，是一个逐步学习的过程。
反观我自己，现在因为我瘦下来了，所以我更要坚持锻炼。
面对那些我还是劣势的事情，我会尽可能的逃避。
面对优势的事情，我会不自觉的投入更多的时间。
想要养成习惯，就要把那件事情培养成优势项。
前期一定需要客服一定的困难和惰性，哪怕是自己感兴趣的东西。
玩游戏刚开始也没有那么简单，需要去熟悉规则。
David 5点多都起来了,看到的时候我满血复活。
这是我雅诗兰黛客户的老板，5 点多的一封邮件，激起了我继续早起的意愿。
厉害的人都在保持更厉害的作息和生活习惯。
一个神奇的公司想象
2024年12月25日09:03:49
有领导来，昨天群里发了通知，要求的是9点到，现在还有一半人没到。
9点的时候领导们出去了，在办公室看了几眼，满眼的无奈。
发现了一个博客
是一个赚钱门路，直接从盈利的角度出发，搭建这样的网站
2024年12月25日09:43:14
他这个里边的文章，都是从网上搬运过来的。
他为了赚钱才弄的这个博客，每天搬运大量的文章进来。他一定财富自由了。
网页里边嵌入了各种广告，云服务器的链接或者是 一些梯子的广告。一个界面嵌入5个广告。
全部自动化， 他的网站里边只放了100篇博客。最近的是 今天的自动化，再往前是 16号的。
每次把数据库更新一下就可以了。 Python 设定一些定时的Job让网站自动取爬取一些内容。
妙。
每天有7W次的被搜索。
我是怎么发现的呢，发现文章里边有大量的图片是没有显示的。
有显示的图片我右键复制链接之后，发现是20年21年的别人的CDN的路径。
他直接从网站出发，赚取广告收益。
天天使用电脑最多的人也就是那些程序员了，新入门的程序员会搜各种问题。
他把内容复制过来，放到这里，然后给别人推荐广告，依次达到盈利的目的。
先不说别的，甚至我都怀疑这个服务器就是他们搭建的。还有其他的赚钱门路。
继续深入一下： 他的IP是香港的，阿里云的服务器。
域名也是经过个人备案的。
同时他还运行了几个其他的网站。 既然成本不高，一个网站跑通之后肯定要进行扩展的。
总结一下这个网站的特点：如果我要模仿的话：
- 弄一个香港的服务器（目前先随便选一个就行）
- 弄一个备案的域名。（已经有了，可以先用一下）
- 自动化的更新网站的数据，博客等。（这个是技术点，每分钟都在更新， 一共200篇文章），应该都没有删除，自动来的文章都在保存着。
- 网站的权重要培养
- 广告的接入等。（收入来源，接入广告厂商）
- 网站简单，除了文章展示，其他界面，啥都不要。
做出来一个最小的MVP，验证一下可行性。
网站排名
百度国内第一
B站国内第二，世界第五
youtube世界第二，国内第七
CSDN，全国第8
2024年12月25日10:12:06
上午第一次间歇
2024年12月25日11:21:18 先记录，然后再出去。
刚才的一个小时思考了如何搭建一个自动化的网站。因为看到了别人在赚钱。
就像自己发现一个商机之后，如果不付出行动尝试一下，明天还是自己啥也没有。
试试吧，看看自己有没有那个能耐。不然还真以为自己多牛逼。
不用臆想在网站做出来之后多牛逼之类的事情，大概率是遇到问题后放弃。
不信看看吧，不过发现了一个东西马上行动却是我现在的动力。因为我还没有一个稳定的事业。
聒噪
中午12点半
同事们在我旁边聊天，听着很烦躁
我走开，他们也跟过来，也不好明说。
天气阴沉，没有阳光
算了，上楼去了，睡觉，心不静。
下午第一次间歇
2024年12月25日14:22:24
要说休息，坐这里打坐也行。看看文档，看看技术
工作上不忙是好事儿。
2024年12月25日14:28:08
为什么说，当一天和尚撞一天钟。
那是他的工作，他的本质，
天天仰着脸吃饭也不行。
2024年12月25日14:34:54 给自己找个事儿做
继续去做我的Demo去，产品推荐算法，做出来一个MVP的POC出来。
2024年12月25日17:26:53 完成了RLS 协同推荐算法 POC，
心里有数了
from pyspark.sql import functions as F
from pyspark.ml.feature import StringIndexer, IndexToString
from pyspark.ml.recommendation import ALS
# Step 1: 计算隐式评分
implicit_rating_df = transactions_df.groupBy("consumerid", "SIXDProductCode") \
.agg(
F.count("TransactionDate").alias("purchase_frequency"), # 购买频率
F.sum("NetRevenueVAT").alias("total_spend") # 总消费金额
) \
.withColumn("average_spend", F.col("total_spend") / F.col("purchase_frequency")) \
.withColumn("implicit_rating", F.col("purchase_frequency") * F.col("average_spend")) \
.select("consumerid", "SIXDProductCode", "implicit_rating")
# Step 2: 将 consumerid 和 SIXDProductCode 转换为数值类型
consumer_indexer = StringIndexer(inputCol="consumerid", outputCol="consumerid_numeric")
product_indexer = StringIndexer(inputCol="SIXDProductCode", outputCol="SIXDProductCode_numeric")
# 训练 StringIndexer 并转换数据
consumer_indexer_model = consumer_indexer.fit(implicit_rating_df)
product_indexer_model = product_indexer.fit(implicit_rating_df)
# 使用转换后的模型来生成对应的数值列
implicit_rating_df = consumer_indexer_model.transform(implicit_rating_df)
implicit_rating_df = product_indexer_model.transform(implicit_rating_df)
# Step 3: 配置 ALS 模型
als = ALS(
maxIter=10,
regParam=0.1,
userCol="consumerid_numeric",
itemCol="SIXDProductCode_numeric",
ratingCol="implicit_rating",
coldStartStrategy="drop"
)
# Step 4: 训练 ALS 模型
als_model = als.fit(implicit_rating_df)
# Step 5: 获取特定用户的推荐
consumer_id = 'HQ001261443' # 替换为你要查询的 ConsumerID
# 过滤出目标 consumerid 的数据
consumer_id_numeric_df = implicit_rating_df.filter(F.col("consumerid") == F.lit(consumer_id))
# 获取对应的 consumerid_numeric
consumer_id_numeric = consumer_id_numeric_df.select("consumerid_numeric").first()
if consumer_id_numeric:
consumer_id_numeric = consumer_id_numeric["consumerid_numeric"]
else:
raise ValueError(f"No matching consumer_id found: {consumer_id}")
# 使用 recommendForUserSubset 为特定用户推荐产品
user_subset = implicit_rating_df.filter(F.col("consumerid_numeric") == consumer_id_numeric)
user_recommendations = als_model.recommendForUserSubset(user_subset, 3) # 推荐 3 个产品
# Step 6: 反向转换为原始的 consumerid 和 SIXDProductCode
index_to_string_consumer = IndexToString(
inputCol="consumerid_numeric",
outputCol="original_consumerid",
labels=consumer_indexer_model.labels
)
index_to_string_product = IndexToString(
inputCol="SIXDProductCode_numeric",
outputCol="original_SIXDProductCode",
labels=product_indexer_model.labels
)
# 将推荐结果与原始 consumerid 和 SIXDProductCode 映射结合
consumer_recommendations = user_recommendations.select(
"consumerid_numeric", F.explode("recommendations").alias("rec")
).select("consumerid_numeric", "rec.SIXDProductCode_numeric")
# 反向转换
consumer_recommendations = index_to_string_consumer.transform(consumer_recommendations)
consumer_recommendations = index_to_string_product.transform(consumer_recommendations)
# 显示推荐结果
consumer_recommendations.select("original_consumerid", "original_SIXDProductCode").show(truncate=False)
准备下班了
2024年12月25日18:28:21
看看身边的同事们，包括我，都是普通人
那些有粉丝的人，都是哪些人
2024年12月25日18:36:05 放弃一切学习新东西
把旧的现有的东西看看能否变现即可。
学不完的新东西。 东西太多了。
借钱
2024年12月25日19:21:22 和妈妈视频，聊到了妈妈今天的烦心事儿。
结束后给妈妈转了 5000，因为妈妈的朋友借钱还信用卡，明天刷出来
那个朋友说的是问二舅借，妈妈不想张嘴。我直接转了。
这中间涉及到一个过年的时候介绍对象的问题，借钱的是要介绍对象的爸爸。
妈妈要借，第一是之前他们帮妈妈还过信用卡，第二是人情要还，第三是为我。
经过 5 秒的思考我转过去是最好的结果。
也侧面的说明了妈妈手里没有钱的事实，给外婆外爷住院都是妈妈出的钱。
她目前没有收入，所以手里有钱是他最大的底气。要是他手里有这些钱，哪怕 1W，
这个问题她自己不吭声的周转一下就可以了，但是他没有，所以他有了要和二舅沟通的结果。
正好之前的还房贷的钱一个月放 7000，每个月慢慢的存下来的有。
昨天还了 1W2，今天给了 5000，刚好够用。可美。
这时候就体现出来了有存款的重要性。
当然也看出来了，不要有信用卡的地步，其次是不要有欠款。
再其次要有存款，再其次是不要有贷款。
没有回复内容