克勒Heckler

推荐指数：五颗星 “知其然”更要“知其所以然”，这部剧里，揭开了vue的神秘面纱，看源码能够让我们更理解逻辑，以及赋予我们修改一些更底层问题的能力，以及能够学习到一些出色的代码风格！ 本剧，首先写了在我们 new Vue（）发生了些什么，然后逐个击破，讲解其中的事先方式。 我把vue分成三个部分，第一个部分是，我们拿到vue.js时候，vue本身的准备阶段；第二部分是，我们去new实例的时候，vue所做的准备阶段，包括数据解析，模板解析；第三部分，是将数据与虚拟Dom做关联，并且实时将数据与页面显示统一。

看前半部分的时候总是被女主角的行为气到，笔记里也常常有很多读者有类似的情绪。看完想了一下，我觉得大概是因为女主角的形象有些片面了，过分强调她是如何受到感召，而忽视了她作为独一无二个体的形象特征，她的生活经历并不能为她的一些充满幻想甚至堪称幼稚愚蠢的行为作出合理的解释，因此她的一些错误行为就不容易得到读者的谅解。

精灵志怪，各有血肉，最喜欢那个小葛生，只是可惜了最终结局 。人生不如意之事十之八九，各有缘法。

现实与美梦的距离只在一线之间，编剧用年少轻狂的梦与现实残酷的世界穿插交流，剩下的只是想那只难懂的签文命运一样，在现实中放弃，在梦里醒来。。。

人生除了遇见，还有告别。 来了是意外，活着是真谛 珍惜并爱自己多一些

看剧笔记     这部剧读下来感慨颇深。从这部剧里我了解到了很多我以前没有接触到的层面，学习到了一些新的专业名词，看待事情的视野被打开了。我知道了“复盘”这个概念先来自于围棋，后被引申到其他方面。柳传志（联想创始人）联想的企业文化中将复盘视为重点。原来复盘不等同于反思总结，反思总结是复盘中的一个部分，复盘内还包括探究提升，寻找事情的规律和共性等等。我还了解了更多概念性的东西，比如说认识事物有三个层面“信息层面，逻辑层面，假设层面”；如何区分“学习区域”和“表现区域”，“我”和“我的表现”等等。要学会剖析事物背后的原因，学会找“为什么”，正确的问“为什么”，确定好因果关系而不是相关关系。“复盘”不仅仅是自己复盘，还可以复盘别人，能够从复盘标杆身上学习到更多的能力。我们生活中的任何事情都可以“复盘”。也看到了很多令我印象深刻的案例，在“有胜心”的那一章对于粉丝和偶像的讨论，关于那些“键盘侠”（损己不利人）的讨论，还有“关于如何带孩子玩”的那个集数那位妈妈教育孩子的方法等等，都扩展了我的视野，给我留下很深刻的印象。     可能因为的我的知识和认知层面本来就很贫乏的原因，这部剧里给了我很多我之前都没有注意到的东西，很多新观点和认知，通俗来说就是对我来说知识量信息量太大，一时间不易消化。观看的过程中再一次的认识到了自己自身的不足，有些东西浮于表面。关于这部剧，我还是有几个地方没有弄清楚，需要之后再次酝酿。这部剧对实践生活有很大的帮助，不仅是个人，团队，乃至国家都有很大用处。      柳传志说，我们的学习，30%是跟书本跟他人学，70%是跟自己学。不管跟他人学还是跟自己学，都有一个悟的过程，只有被自己觉到悟到了，才会成为自己的。如果自己没有悟到，那么即使是别人现成的，硬塞给自己，也不会有用。所以，这个时候，复盘就显得尤为重要，通过复盘，自己一步一步的去分析，把知识经验转化为自己的东西，从而对自己产生影响。复盘的时候要做到“不自欺”“有胜心”。     复盘的具体的步骤：1．回顾目标。2．叙述过程。3．评估结果。4．分析原因。5．推演规律。6．形成文档。每一个过程都缺一不可，层层递进，最终构成对这个事情的整体复盘。 以上是我对这部剧的个人感受。 2020.11.19

我看的评论，比追剧精彩多了，反正我看万古看到一把火了刚开始看的时候还行，越看越难看都是凑字的，成神都解释二十几页好多都是重复的。

今天一口气读完了这部巨著的第一本，虽然没有刚看三体那种震惊，但考虑到这书1951年就开始播出了，还是惊叹不已。不知道为什么读到一半的时候就想到了新加坡刚建国那会儿，启发良多

哥德巴赫猜想、费马定理、莫比乌斯带、四色问题…生活中碰到一个个概念被这部剧用故事的形式串了起来，更加栩栩如生和易读了

花了一个下午的时间读完并写完看剧笔记。是Michael Addis老师的忠实粉丝，他的很多理念及方法我都认可～希望这部剧能大卖，向Michael Addis老师学习

书中所讲小白的我也能看懂，注重实际案例不居于理论，真如编剧所说一个政策的好坏看结果与出发点是否一致，这部剧也这样看完五心好评！编剧辛苦了！

【53 54 55】近期居然一口气看了三本Michael Addis的书，《克勒Heckler》《克勒Heckler》《克勒Heckler》的确这本最好。一切诡计，密室，不在场证明实际上都是错位，时间错位，空间错位，身份错位。当一切恢复原位，记住，真相只有一个。

入门机器学习的第一本剧集，对许多重要的概念：模型、数据、算法有了初步认识，对机器学习有了一个全局的轮廓与感性的了解。