前言：

測試學習是個理論簡單，但實作起來會遇到很多疑問的學習過程。曾經跟Sean Ellis 一起工作的曲卉寫的這本書不但實用，而且還訪問了一大票測試專家。

他們對於測試主題的選擇（大題目還是小題目）、AARRR漏斗的重點，還有測試團隊在組織內的發展也都有不同的見解。

我覺得很值得多看看，所以做了筆記跟大家分享。

這次分3 part，先來一串九個人我印象最深的測試心得，再來九個人的訪談摘要，最後是九個人對於組織與人的看法。enjoy~

..........

《硅谷增長黑客實戰筆記》曲卉



#Greylock Partner / Pinterest(圖片秀）, Casey Winters
"不要只做優化，要做有高影響力的事情。不過，得先做優化累積影響力。"

#Mobile Growth Stack / Sound Cloud (Podcast), Andy Carvell
"不要把所有數字綁在一起看，用戶分群是有效優化的開始。"

# GloStation / Postmates（送餐）, 陳思齊
"限制供給可以透過奇怪的方式，製造FOMO(害怕錯過fear of missing out) 社交地位(social status)等，讓產品流行"


# Growthstructures / Sofi Finance(學貸轉貸）, Steven Dupree
"低垂果實摘完後，會陷入低潮與瓶頸。全公司（或跨團隊）的創新idea大匯集會讓大家一起幫忙，並且不要浪費對失敗案例的紀錄與策略學習。"


#Cerberus Interactive/Acorns (微型投資）, Sami Khan
"醜陋、原始的廣告更像是朋友在對用戶說話，有更高機率穿透用戶的防衛心"


#Camera360（修圖）, 陳思多
"漏斗的無限解構，原本以為是單純解決留存率問題，結果深究了四層（留存率—>推送更新覆蓋率—>推送更新展示率—>下載權限設定）才達到目的。"


#Square（支付）, 羅揚 James Luo
"增長與嚕羊毛黨的鬥智鬥勇，對獎勵的設計要有吸引力，又要養成使用習慣，還要善用推薦者的資訊讓新用戶感受到個性化的感覺。"

#探探（校園招聘）/ 美圖（修圖）, 韓知白
"要做增長先要備好基礎設施（行為數據後台，A/B測試框架），才能夠更快速迭代與勤能補拙。"

#專訪 Keep（運動）/豆瓣（社群）, 張弦
"有些問題除了用數據作判斷外，直接問用戶可以達到更直接的效用，而且幫助增長團隊打開視野。"

---九篇專訪的摘要全文---

#9-1 Greylock Partner / Pinterest(圖片秀）, Casey Winters

-北極星指標是會變動的


-產品（也就是核心地帶）通常是增長的投資報酬率最高的測試，但很難直接說服公司其他成員直接拿產品動刀。


-增長團隊一開始成立時候，選擇三不管地帶，以證明自己；之後才進展到核心地帶


-核心地帶的創造新價值、改善原有價值，通常是產品團隊負責。傳遞已有價值給更多人則是增長團隊負責。


-增長團隊必須是全職的，不能跟人共用成員，否則優先順序會被影響


-做測試時候，如何在容易衡量但效果慢跟全新設計但不知哪個因素產生作用之間做取捨？優化測驗要一個個做，改變方向測驗則直接直搗黃龍。而改變方向的測試才能反應高影響力。


-當低垂果實摘完後，要做高影響力需要高資源的測試需求，而不是低資源但也只需要低影響力的需求

#9-2 Mobile Growth Stack / Sound Cloud (Podcast), Andy Carvell

-對行動應用來說，留存是所有指標中最重要的，因為客人離開沒有成本，但留存會對你有無限好處。留存指標包含以日、週、月計算。

-增長團隊大約7-8人，包含產品經理、分析師、設計師、程序員，最多的是程序員。產品經理需要對分析、UI/UX設計、程序都略懂，才能跟他們溝通。

-以每週的循環討論測試設計、結果與去留。

-SC的做法不是所有用戶綁在一起看留存率，是用戶分群後看留存率，包含新用戶、流失後重新造訪用戶、重複使用用戶。

-當移動應用要藉由更版推送提升客戶體驗的時候，如何達到最好的整體效果？衡量指標是RRF 覆蓋率(reach), 相關性(Relevance), 頻率(Frequency) 三個都達到高水準則影響力最大。但覆蓋率是這當中最重要的

#9-3 GloStation / Postmates（送餐）, 陳思齊


-我的前一間公司(Stolen)，每個增長流程與工具都做得很好，但就是產品不夠好。當我到Postmaster之後發現他們什麼成長技巧都沒有，但產品很符合市場需求。

-增長最令人喜歡的是，能量化你的影響力，當你實驗做得好，結合了創造力與分析能力得出很好的想法，就像寫程式一樣，你做了某件事就有某個結果。這是令人上癮的。


-增長最令人不喜歡的是，會讓你偏向那些容易衡量並且很快衡量的東西。但有時候最重要的事情，例如產品與市場的契合度，反而不是容易衡量的。

-K因子（referral 用戶轉介人數）持續大於1是不可能的，尤其當你的產品越做越大，群體越來越多。即使是社交軟體，要讓k因子大於1 也需要一些違反自然規律的設計。

-稀缺性可以透過奇怪的方式，讓產品更加流行。從Stolen 得到的認知是，限制供給，造成稀缺性。心理因素是害怕錯過(FOMO) 社交地位（social status）等

-即使在矽谷，增長團隊也不多見。Google就沒有。但是FB就有一大批增長團隊並且擴散到其他地方。增長就是技術驅動，易於衡量的行銷。增長團隊更像升級版的行銷團隊，有了程序員的支持可以把推薦系統做得更精準，未來增長團隊會和市場團隊在一起而不是產品。

-用少於10%的流量，可以做任何測試。

#9-4 Growthstructures / Sofi Finance(學貸轉貸）, Steven Dupree

-數學不會就是不會，增長沒效就是沒效。增長可以很快做出改變，並且追蹤哪些改變有效哪些無效。

-增長的低垂果實摘完後，會陷入疲乏，就需要大量idea。創新idea 兩種重要想法：每週五的全公司頭腦風暴 & 忠實紀錄失敗的測試並從中學到策略想法。

-增長團隊刷存在感兩種做法：(1) 在例會中說明有趣但違反直覺的實驗，已讓大家有印象(2) 把大象（重大影響力但耗資源）跟螞蟻（容易但效益有限）的實驗混合起來，避免人家覺得你沒貢獻或者只會做小事情

-新產品開始獲取客人的三種方法：(1) 付費搜索廣告，可以找到真的需要產品並且非常有興趣的人 (2) 抄競爭對手的做法，可以找到他們已經開發過的市場(3) 根據產品特殊屬性的增長手法

#9-5 Cerberus Interactive/Acorns (微型投資與機器人投資）, Sami Khan

-靠創意的廣告狂人時代已經過去，excel 跟計算機才是你的好朋友。

-檢視總預算，跨通路預算調整（放大表現好的），通路內預算調整（用七天平均放大表現好的）

-2C新產品上線的建議是先在FB做小量A/B測試，找出好的再往其他通路擴散。測試前要設好追蹤，沒有追蹤，測試學習的迴路就不會成立。

-比起其他app，遊戲是最不需要擔心用戶獲取的，因為人們下載無成本；比較需要擔心的反而是用戶留存。因此要一小批一小批的獲取用戶後，關閉其他溝通通路，只針對這小群人做各種產品測試與改進，確定30 日留存率到達可用水準後才能繼續獲取用戶。

-臉書上，越醜的廣告表現越好。因為大家對電視已經疲乏，精美的廣告創意讓人想到電視會自動跳過，但粗糙的原始的則像是你朋友分享的。

#9-6 Camera360(Photo Editor), 陳思多

-漏斗的無限解構，以解決留存為例。原本想藉由app更新處理留存率低的問題，但發現更新覆蓋率不夠高，後來又發現問題是更新的展示率（被看到）低，而展示率低的原因又是app一開始下載時候的預設權限。所以回頭更改預設權限設定，在更改後次日留存率實現5%增長。（但如何在用戶已下載後調整權限啊）


-各地區的差異化溝通，以美國市場為例，經過逐一測試不同族群發現40+婦女喜歡此產品，於是將廣告視覺改為該族群會喜歡的可愛孩子展示功能，降低33%的獲客成本

-增長的成功要素是CEO的有意識支持。因為增長會用到很多資源，或是影響很多資源。若是沒有CEO的支持，無法成功。

-增長團隊需要的數據分析師，是對產品有深切了解的數據分析人，而不是純粹解讀數字。

#9-7Square(支付服務）, 羅揚 James Luo

-留存主要是產品決定的，但在早期留存（D14-D90)增長可以起到很大作用，只要透過各種管道（信件、推送、Retargeting 廣告）重新提醒用戶，就會對早期留存產生明顯效用。

-要做全產品用戶推薦的指標的先決條件，是內部有堅實的大數據團隊，足以做獲客通路歸因。

-通路關鍵三大指標(CPA, ROI, LTV）中，最難建模的是LTV。因為涉及對長期留存率與資本折現率的重要假設。

-好的推薦系統會牽涉到三大項目，獎勵、曝光、轉化。其中獎勵的設計是與嚕羊毛黨鬥智鬥勇的活動。獎勵內容要考慮『有吸引力的額度、合適的條件限制、養成使用習慣的限制，累進式獎勵、考慮對稱式獎勵（利己又利人）』

-即使是最忠誠的用戶，也不會時刻記得你的獎勵項目。

-新用戶進來後，可以用推薦人的資訊提醒他們使用獎勵，不僅給新用戶個性化的感覺，也提醒新用戶『我確實獲得了某人的推薦』

#9-8 探探（校園招聘）/ 美圖(Photo Editor), 韓知白

-美圖的用戶留存指標設在N張照片保存，一開始是基於通路管理的需要，因為有些通路留存數據會有回饋延遲以及作假的問題。

-探探的市場部與增長部的區別在，市場部負責花錢，增長部不負責花錢。

-增長不是先做ＫＰＩ管理，而是要有好的基礎設施（行為數據後台，A/B測試框架）才能開始觀測指標與迭代增長。

-快速迭代的價值在於，當你沒有人家的靈感，人家一次增長效果比你好3倍(+60% vs +20%）的時候，只要你迭代速度有三倍，還是可以得到一樣的成功增長效果。

-增長要避免的第一個坑就是局部優化，這裡改一點截圖，那裡改一點文案。其實也許改產品名字與圖標是最有效提升app商店轉化率的途徑。增長經理要能夠跳脫盒子思考（out of box thinking)

-剛開始做測試的人，要忘記喬布斯張小龍等產品的大神，他們是靠直覺也很少看數據：正常人要靠數據與即時反饋，勤能補拙。


#9-9 Keep(運動）/豆瓣(社群), 張弦

-全景漏斗，關心橫向的產品功能交互關係。當一個產品不只是工具，還有社交，內容等多種功能。可以根據不同功能設計指標，再看看功能
之間的交互拉提作用，決定整個產品後續的發展。而不是只看單一指標。

-量化與質化的兩腳思維，曾經做測試時候只看指標，以為是Ａ與Ｂ的相關性，但從未想過中間還有個Ｃ。學到後就會在產品中安插小問卷直接問用戶，但要把握3個題目之內的精簡原則，不可以打擾用戶。

-加法與乘法，做增長後了解了加法與乘法的關係。增加一條溝通管道是加法，優化轉化率是乘法。一般來說，乘法的好處更大一些，但這也是基於加法已經帶來足夠的初始流量，否則盤子太小的乘法也沒啥意義。

-做產品像開船，動力與方向最重要。產品小的時候，著重動力，加速度要夠。產品體量大了後，動力已經比較足了，著重方向，往哪兒發展就更重要。

---以下是關於團隊的摘要---

#Greylock Partner / Pinterest(圖片秀）, Casey Winters
"增長團隊必須是全職的，不能跟人共用成員，否則優先順序會被影響"

#Mobile Growth Stack / Sound Cloud (Podcast), Andy Carvell
"增長團隊大約7-8人，包含產品經理、分析師、設計師、程序員，最多的是程序員。產品經理需要對分析、UI/UX設計、程序都略懂，才能跟他們溝通。以每週迭代的循環討論測試設計、結果與去留。"

# GloStation / Postmates（送餐）, 陳思齊
"增長最令人不喜歡的是，會讓你偏向那些容易衡量並且很快衡量的東西。但有時候最重要的事情，例如產品與市場的契合度，反而不是容易衡量的。"


#Growthstructures / Sofi Finance(學貸轉貸）, Steven Dupree
"增長團隊刷存在感兩種做法：(1) 在例會中說明有趣但違反直覺的實驗，已讓大家有印象(2) 把大事（重大影響力但耗資源）跟小事（容易但效益有限）的實驗混合起來，避免人家覺得你沒貢獻或者只會做小事情"


#Cerberus Interactive/Acorns (微型投資與機器人投資） , Sami Khan
"靠創意的廣告狂人時代已經過去，excel 跟計算機才是你的好朋友。"


# Camera360（修圖）, 陳思多
“增長的成功要素是CEO的有意識支持。因為增長會用到很多資源，或是影響很多資源。若是沒有CEO的支持，無法成功。”


#Square（支付）, 羅揚 James Luo
“通路關鍵三大指標(CPA, ROI, LTV）中，最難建模的是LTV。因為涉及對長期留存率與資本折現率的重要假設。”

# 探探（校園招聘）/ 美圖（修圖）, 韓知白
“快速迭代的價值在於，當你沒有人家的靈感，人家一次增長效果比你好3倍(+60% vs +20%）的時候，只要你迭代速度有三倍，還是可以得到一樣的成功增長效果。”

# Keep（運動）/豆瓣（社群）, 張弦
“做產品像開船，動力與方向最重要。產品小的時候，著重動力，加速度要夠。產品體量大了後，動力已經比較足了，著重方向，往哪兒發展就更重要。”

DeeCamp2020結束了，特別驚喜地看到同學們今年的作品，跟以往線下合作在水準上基本沒有區別。今天的活動評選出了兩個總冠軍獎項，但學生們做的每一個作品都非常優秀、用心。也希望參與的200多名學生有真正的收穫。

本文來自創新工場微信公眾號
………………………………

創新工場DeeCamp2020完美落幕，兩團隊並列總冠軍獎金翻倍，共克真實世界難題

過去的2個月裡，200餘名來自全球高校的學生，聆聽了李開復、張亞勤、吳恩達、張宏江、俞敏洪、周志華等12位AI學術界、產業界大師授課，透徹理解了科技與創投核心規律；分組挑戰開放命題AI創新大賽，用AI和創意向現在和未來人類世界面臨的真實難題問題發起挑戰。

2020年8月5日，DeeCamp2020人工智慧訓練營總冠軍答辯暨結營典禮，在創新工場北京總部隆重舉行。

經過節奏緊湊的立項、研發、測試，DeeCamp 2020開放命題AI創新大賽共37支團隊提交了振奮人心的AI Demo，其中6項入圍總冠軍答辯。他們現場展示了自己精彩的成果，角逐開放命題AI創新大賽的總冠軍和各賽道冠軍。

最終，兩支團隊並列奪得總冠軍，分屬自動駕駛賽道和創新賽道。總冠軍獎金翻倍，兩支隊伍各獲得10萬元獎勵，其餘五個項目獲得各賽道冠軍。

DeeCamp人工智慧訓練營是一項面向全球大學生的公益項目，專注培養應用型AI人才。自2017年暑期啟動以來已舉辦四屆，培養了上千名大學生。DeeCamp 2020 由創新工場聯合華為共同推出，在今年全球變局與挑戰的背景下，旨在召集科技領軍新人才，肩負時代新使命，用AI解決真實世界的難題。受蔓延全球的新冠疫情影響，DeeCamp2020大師課和開放命題AI創新大賽全部轉為線上進行。

創新工場董事長兼CEO李開復博士，創新工場人工智慧工程院執行院長王詠剛，創新工場運營合夥人黃蕙雯，華為雲首席戰略官餘虎，聯合國開發計畫署駐華代表白雅婷（Beate Trankmann），路孚特（中國）科技有限公司董事長兼總經理党曉青等嘉賓出席典禮現場，予以專案點評，並為優勝隊伍頒獎。

華為雲首席戰略官餘虎表示：“華為一貫非常注重AI人才的培養，我們在2018年就發布了沃土人才培養計劃；通過華為雲線上的ModelArts AI訓練平台，以及端側的Hilens kit等算力平台，在高校，跟學校一起，聯合開展教材設計，課程設計；並且舉行無人車大賽，聯合創新創業及科研合作。目前已經和超過50所雙一流高校，形成了良好的合作，培養了上萬名學生。這次華為雲ModelArts平台很好支撐了創新工場DeeCamp大賽，幫助全國各地參賽學生隊伍的實戰項目挑戰AI難題。大家的作品和創意都非常好。期望後面大家能基於本次大賽作為良好開端，更好的掌握AI技能，發揮想像力，基於AI工程化落地的視角，用AI解決真實的產業和生活難題，給社會和生活帶來更多的改變。”

聯合國開發計劃署駐華代表白雅婷表示：“人工智能以及其他新興技術的發展會改變我們的生活，甚至可以為氣候變暖、新冠肺炎等全球性問題提供解決方案，然而它們也會擴大數字鴻溝並造成新的不平等現象。希望各位學員在日後的研究中可以運用所學，促進變革，通過自己的努力為人類創造更可持續的未來。”

路孚特（中國）科技有限公司董事長兼總經理黨曉青表示：“從2019年開始，路孚特成為DeeCamp合作夥伴，為學員分享金融行業深厚的業務知識和豐富的專業數據，並提供學習並實踐相關課題的資源。作為路孚特戰略研發運營中心之一，北京研發運營中心希望能夠吸引國內優秀的AI專業人才，增強AI專業人才儲備和研發技術能力。”

▌6支 AI Demo競逐總決賽，兩支並列總冠軍，10萬獎金翻倍

DeeCamp2020入圍總冠軍答辯的6支項目團隊，分別來自創新賽道、自動駕駛賽道、教育賽道、醫療與公共衛生賽道、商業賽道。8月5日上午，通過雲端連線的方式，6支團隊各自展示了激動人心的Demo作品。

經過評委打分、討論，自動駕駛賽道的Faster&Better團隊和創新賽道的方仔照相館團隊，最終共同奪得總冠軍。總冠軍獎金翻倍，兩個團隊分別獲得10萬元獎勵。另有五個項目獲得了各賽道冠軍。

為什麼最終選出兩個冠軍？評委之一、創新工場董事長兼CEO李開復博士解釋說，這兩個項目評委打分相同，難分伯仲。“Faster&Better”團隊的技術讓人震撼，這說明在今天，黑科技創業的空間仍然存在。而“方仔照相館”團隊則以商業取勝，讓我們驚訝於積木居然可以與AI結合。他們的“方頭仔”產品讓人充滿購買欲望，幾乎是一項可以直接拿到融資的項目。“我們認為這兩個組，任何一個單獨奪冠，都不能完整表達DeeCamp代表的精神，所以最終決定評選出兩個總冠軍。”

▍總冠軍：方仔照相館 BrickMeStudio
所屬賽道：人工智慧的創新思考與前沿設計
挑戰賽題：自動積木建模

AI+積木？聽起來如此跨界的兩件事，會有什麼奇妙的組合？

來自北京航空航太大學、清華大學、香港中文大學、奧地利科學技術研究所的同學們組成的“方仔照相館”團隊，用AI玩轉積木，為創意插上了翅膀。

他們打造了一個AI積木創作平臺“方仔照相館”，簡單上傳一張頭像照片，就可以生成個性化定制的方頭仔玩偶頭像。未來，只需一鍵下單，百變趣味的方頭仔就可以郵送到家。

怎麼實現呢？他們先根據輸入的圖像，抽取特徵向量，比如髮型、劉海、鬍子、眼睛、下巴、膚色、上衣款式、衣服圖案、鞋子顏色、手的擺放、褲子紋理等，匹配相應的積木零件，然後生成積木模型和拼裝步驟。

“方仔照相館”團隊希望將自己對積木的熱情，傳遞給更多人。積木不只是孩子們的玩具，更是創造力的源泉，“AI時代，更要注重創造力培養”。

▍總冠軍：Faster&Better
所屬賽道：自動駕駛的技術突破與前沿設計
挑戰賽題：算符算力約束下的無人駕駛車輛檢測

自動駕駛是人工智慧中最具挑戰、最具有應用前景的方向之一。對於需要大規模落地量產的車輛檢測場景，神經網路模型只能在較為廉價的晶片上運行，這為檢測模型的效率帶來了巨大挑戰和約束。

Faster&Better團隊在滿足嚴格算符算力的約束下，設計了一種極為高效的anchor-free車輛檢測模型。該模型採用了backbone、後處理策略，將物體看作點，使用輕量的head來預測物體位置、類別和bounding box，在保障性能的同時大幅提升了速度。
Faster&Better團隊對項目的商業價值也進行了思考。該車輛檢測模型能夠很容易地部署在低成本的晶片上，實現產品的落地，帶來商業回報。模型反覆運算速度快，可以使用更低的功耗訓練和維護。模型精度高，能夠為無人系統的安全性和穩定性保駕護航。

未來，該車輛檢測模型也有廣闊的應用空間。一是可以部署到行車記錄儀等傳統硬體上，使其智慧化，具備行車預警功能；二是可以部署到安防監控中，使用模型自動過濾篩選，將視頻中有車輛的場景加以保存，節省存儲空間，也節省人員重播視頻的時間。

▍教育賽道冠軍：Teched U
所屬賽道：用AI驅動的教育新工具和新方法
挑戰賽題：網路公開課聚類、檢索、評價和推薦工具

線上教育是未來趨勢，但錄播課的用戶體驗不佳。大量的錄播課僅將一段長視頻從線下直接搬運到線上，難以避免冗餘重複，造成學生積極性差、完課率低等問題。

來自卡內基梅隆大學和沃頓商學院的同學組成了Teched U團隊，希望用AI技術賦能線上教育。他們通過自研原創神經網路 TopicNet，實現長視頻切割、大綱提取、知識搜索三項功能。

通過視頻切割，尋找知識結構中斷點，可以將一小時的教育視頻切割成5-10分鐘的短視頻，讓使用者利用碎片化時間學習；通過大綱提取，借助整理好的知識大綱進行跳轉，讓使用者快速瞭解知識內容的結構；通過知識搜索，可以精確尋找到相關視頻和精確到秒的視頻跳轉位置。

目前，線上教育巨頭主要通過人工標注做視頻切分，但對於缺乏人才和技術的中小型線上公司，這項低成本的視頻切割自動標注技術，可以説明他們豐富視頻內容，實現精准推薦，從而提升用戶體驗和轉化率。

▍醫療賽道冠軍：心靈捕手
所屬賽道：用AI應對醫療和公共衛生領域的新挑戰
挑戰賽題：通過深度學習識別生物電信號

在DeeCamp，AI+醫療也可以大顯身手！

由“心靈捕手”小組帶來的“聽醫聲AI 診斷專家”項目，是本屆DeeCamp項目中唯一一個軟硬結合的項目。硬體製作、小程式設計開發等工作，全部是在DeeCamp期間用兩個月的時間完成。

“聽醫聲”AI診斷專家通過電子聽診器採集心音、呼吸音、脈搏，並將電子化的信號傳遞給微信小程式及後臺雲端分析系統，進行定量分析判斷使用者的健康狀況，實現健康監護、疾病預警、輔助診斷。若檢測到身體異樣，可自動推薦附近的醫院。未來，“聽醫聲”既可以輔助醫生做疾病早期篩查、健康監測，也可以用在留守老人監護、殘疾人健康關愛等領域。

值得一提的是，“聽醫聲”的脈搏波資料集，通過與醫院、診所、體檢中心等工作單位合作，共採集了6000余例由中醫專家標定的脈象資料，把專家經驗轉化為臨床診斷量化標準，實現了中醫問診的客觀化、資訊化。

▍創新賽道冠軍：AI科幻世界
所屬賽道：人工智慧的創新思考與前沿設計
挑戰賽題：科幻小說自動/輔助生成

你能想像一個AI構建的科幻世界嗎？在DeeCamp2020，AI正在創造一個全新的寫作時代。

來自中科院、美國喬治梅森大學等高校的五位同學組成的“AI科幻世界”團隊，基於Open AI 的GPT-2模型，在百億級中文大規模語料上重新訓練，打造了一位神奇的“AI科幻小說作家”。

這位元“科幻作家”，可以根據設定好的故事主線、人物角色等，互動式生成科幻小說內容，不僅可以遣詞造句，還可以創作構思，讓普通人也可以化身“科幻文學大咖”。

“AI科幻世界”團隊在開發的過程中，借鑒作家創作小說的過程，受到認知心理學和文學理論啟發，提出情節大綱主導的、人機協同寫作的範式：用戶輸入第一句，機器輸出多個人稱一致、語句連貫、邏輯合理的下一句話候選，由用戶做篩選和修改，不斷重複形成情節閉環。

在人機協同的半自動模式下，AI科幻世界寫作故事大綱的速度每分鐘可達50-100字。而在無人干預的全自動模式下，可以在1秒鐘之內寫出一個曲折動人的兩千字故事，揭開了創作的神秘面紗。

未來，科幻小說自動/輔助生成可以應用在商業傳播場景中，提升內容的廣度和個性化，兼顧精准分發下的使用者需求和內容品質，滿足企業對海量資訊的搜集、分析、篩選、整理和發佈需求。

▍商業賽道冠軍：“Non-pretrain”
所屬賽道：AI 賦能的商業決策與商業流程優化
挑戰賽題：人工智慧在量化交易和投資中的決策輔助

量化交易是指以先進的數學模型替代人為的主觀判斷，利用電腦技術從龐大的歷史資料中海選能帶來超額收益的多種“大概率”事件以制定策略。
來自南京大學、復旦大學的“Non-pretrain”團隊，針對外匯量化交易的歷史資料，提出了一種資料依賴的相似性度量方法。對每一個分類，分別使用所提出的層次注意力LSTM模型對未來匯率進行預測。最後對多個類的預測結果進行集成，並結合挖掘出來的典型pattern制定交易策略。

此外，聯合國開發計畫署一直非常關注高新科技與人工智慧在可持續發展領域的應用，為了鼓勵各位學員積極探索用AI解決可持續發展問題，專門設立了“AI4SDG”獎項，頒發給西天取經團隊、AI倒爺團隊、Teched U團隊、Brainnova意念互聯團隊、心靈捕手團隊。

此外，DeeCamp還組織了學員互評，評選最受學員歡迎的作品，最終西天取經、You OnlyLook Us、AI科幻世界三個團隊獲此殊榮。

▍自動駕駛賽道冠軍：“西天取經”AwesomeDet
所屬賽道：自動駕駛的技術突破與前沿設計
挑戰賽題：算符算力約束下的無人駕駛車輛檢測

西天取經團隊由來自北理工、北航、新加坡國立、北大、麥吉爾大學的五位極客組成。他們希望在自動駕駛的漫漫長路上，經歷磨難，不斷成長探索。

團隊採用了業界先進的技術，從Backbone、Neck、Loss三個層面出發，設計了一系列滿足算符算符約束的目標檢測模型，並做出適配改進，進行算法針對性優化。

推理速度是衡量自動駕駛技術的關鍵指標，目前行業內對推理速度的最低要求是10fps, 而該團隊的產品推理速度最快達到了74.5fps。

同時，他們提出了基於數據分析提出特定的增強方法，改善了夜間難樣本的訓練。經過真實場景下的測試，無論側視、後視、前視、夜景，都表現出了良好的遷移效果，測速、性能表現較好，達到了簡單場景下的車輛檢測要求，滿足了商業落地的要求。

該項目另外一大亮點是在手機上集成了檢測產品，做到了產品級別的實時呈現。未來，產品將可以搭載到智能行車記錄儀車輛預警、車載手機預警APP、交通事故實時監測、實時治安情況監測等多個領域。

此外，聯合國開發計劃署（UNDP）一直非常關注高新科技與人工智能在可持續發展領域的應用，為了鼓勵各位學員積極探索用AI解決可持續發展問題，專門設立了“AI4SDG”獎項，頒發給西天取經團隊、AI倒爺團隊、Teched U團隊、Brainnova意念互聯團隊、心靈捕手團隊。

▌74所高校200余名學生參與，12位大師授課

DeeCamp2020採用開放報名+定向邀請的方式，通過激烈競爭，200余位學員最終入選。

他們來自清華大學、北京大學、中國科學院大學、南京大學、北京航空航太大學、復旦大學、中國人民大學等44所國內高校，以及卡內基梅隆大學、麻省理工學院、牛津大學、康奈爾大學等30所海外高校，分佈在86個國內城市及北美和歐洲的17個海外城市。

學員中，碩士生占比56%，本科生占比26%，博士生占比17%。另外還有1%的學員是優秀的高中生，他們的技術科研能力已經達到了大學本科生的水準。

DeeCamp2020獨創“大師課+開放命題AI創新大賽”模式，讓學員既可以近距離與科研及產業領域大師溝通交流，也可以與志同道合的小夥伴結隊，親身體驗 AI 技術如何轉化為產業應用、積累實踐案例經驗。

在大師課上，李開復、張亞勤、吳恩達、張宏江、俞敏洪、周志華等12位來自AI領域學術界、產業界的重量級嘉賓，為同學們分享了AI前沿理論、產業創新、行業發展、創業趨勢等領域的最新洞察，讓大家充分領略了學術大師的思維方式，感受知識的魅力。

不同於常見的 AI 領域競賽，DeeCamp2020 開放命題AI創新大賽不以完成某一具體指標為目的，而是讓同學們組隊完成一個完整的創新項目，鼓勵其用創意向現在和未來人類面臨的科技問題發起挑戰。

因此，在賽題的設置上，DeeCamp聚焦社會熱點，關注真實世界與人們生活，共設置五大賽道14個新穎賽題，允許學生自由組隊。五個賽道分別是：

•教育賽道：AI 驅動的教育新工具和新方法
•醫療賽道：用 AI 應對醫療和公共衛生領域的新挑戰
•創新賽道：人工智慧的創新思考與前沿設計
•商業賽道：AI 賦能的商業決策與商業流程優化
•自動駕駛賽道：自動駕駛的技術突破與前沿創新

據創新工場人工智慧工程院執行院長王詠剛介紹，這次的賽道賽題設計具有“更熱門”、“更真實”、“更接地氣”三大特點：

“更熱門”：2020年是特殊的一年，我們面對著最多的變化，最多的挑戰，也是最多的機會，因此賽題設置貼合當前社會最關注的熱點問題，如健康賽道關注仍在全球延燒的新冠疫情。

“更真實”：為了讓同學們最大限度地接觸真實世界，所有賽題提供的資料都來自各個合作企業的真實場景資料。例如在Momenta提供的自動駕駛賽道中，Momenta為同學們提供了一批獨家未公開的128線雷射雷達檢測資料集和十萬量級視覺資料集，希望同學們在科研人員帶領下一同解決行業中的各類技術問題。

“更接地氣”：賽題設置與同學們的學習生活息息相關。在教育賽道中，人工智慧對程式設計教育的應用占了很大的部分，因為參賽的同學大多來自數學、電腦專業，有自學程式設計的經歷，這能促使參加該賽題的同學發揮主觀能動性，更好的利用自身經驗提高項目完成品質。

最終，共有9支隊伍選擇了商業賽道，10支隊伍選擇了自動駕駛賽道，5支隊伍選擇了教育賽道，6支隊伍選擇了醫療賽道，7支隊伍選擇了創新賽道，向這些難題發起挑戰。

▌你想用AI改變什麼？——DeeCamp學員的AI願望

人工智慧是一項偉大的技術，我們有幸生活在這個時代，也應該努力讓人工智慧造福人類社會。

“你想用AI改變什麼？”在主辦方發起的一項徵集活動中，200多名同學用紙和筆，寫下了自己的AI願望：

o“我想用AI改變人們的出行方式”
o“我希望用AI改變人們的教育環境，為所有人帶來更加智慧化的教育方式”
o“我希望用AI解決量化投資及商業決策問題”
o“我想用AI改變遊戲設計”
o“我想用AI改變文學作品的表現方式，讓大家能更加淋漓盡致地表現所思所想”
o“我想用AI改變醫療診斷技術”
o“我想用AI改變我們觀察世界的方式”
………

創新工場人工智慧工程院執行院長王詠剛表示，DeeCamp是一個為學生服務、充分發揮學生自主精神的人工智慧訓練營，鼓勵所有來到DeeCamp的同學進行一段自我驅動的AI學習實踐之旅。

在專案期間，DeeCamp的同學們充分發揮了“自我組織、自我管理、自我表現”的精神：自發組織了13場分享會，涉及創業經驗、讀書感想、技術研討、項目交流。在官方組織的“飯？泛？FUN？”談會中，學員們積極與各位大師雲上約飯，探討AI產業發展、創業方向、職業選擇等話題。

DeeCamp人工智慧訓練營自誕生起，就以消弭中國AI應用人才鴻溝、培養和完善中國AI應用人才生態為初衷，堅持公益屬性，將知識課程與項目實踐相結合，引導學生體驗 AI 技術如何轉化為產業應用，積累實踐案例經驗。

自2017年暑期首次開辦以來，DeeCamp總計收到來全球 1000 餘所高校超過 20000 份報名申請，已有 1000 余名學員順利結業。

DeeCamp的最大期待，就是結業的學員們都能在方興未艾的 AI 產業浪潮中，真正解決來自真實世界的難題，將論文中的 AI 演算法打造成一個個成功的 AI 產品與解決方案，用AI創造更美好的人類未來！

未來，DeeCamp 將繼續砥礪前行，不遺餘力地在人工智慧人才培養上面挖掘新方法和新思路，為 AI 領域輸送最新鮮的血液、提供最堅實的力量。

將隱馬可夫模型 ( HMM，Hidden Markov Models ) 用於股票價格分析、語言建模、網站分析、生物學和頁排名( PageRank)。

從這 7 小時的課程，你會學到

1. 理解和列舉馬爾可夫模型和隱馬爾可夫模型的各種應用

2. 了解馬爾可夫模型如何運作

3. 用程式碼編寫一個馬爾可夫模型

4. 將馬爾科夫模型應用於任何資料序列( sequence of data )

5. 了解馬爾可夫鏈背後的數學

6. 將馬爾可夫模型應用於語言

7. 將馬爾可夫模型應用於網站分析

8. 了解 Google 的頁排名( PageRank )如何運作

9. 了解隱馬爾可夫模型

10. 用程式碼編寫隱馬爾可夫模型

11. 使用 Theano 寫一個隱馬爾可夫模型

12. 了解梯度下降（通常用於深度學習）如何用於多種 HMM

https://softnshare.com/unsupervised-machine-learning-hidden-markov-models-in-python/

真的很討厭儲水式電熱水器QQ
........................................
Hello！我是Bonnie，大家最害怕的高中數學老師。
因為有感於現今網路多媒體遠比課本紙筆更有吸引力，所以決定除了在學校外，也在網路上分享我的生活、教學、自修以及與學生相處的小心得。
如果你還是學生，你可以發現老師其實沒那麼討人厭😂如果你已經畢業，你可以在這裡找回一點青春回憶👩‍🎓👨‍🎓
Enjoy it and have a good time！
.........................................
IG: charmingteacherbonnie (Bonnie老師)
粉絲專頁: 寶妮老師
https://www.facebook.com/%E5%AF%B6%E5%A6%AE%E8%80%81%E5%B8%AB-Charming-Teacher-Bonnie-290462364959770/
PODCAST
Firstory: https://ppt.cc/f2Z9Jx​​
KKbox: https://reurl.cc/ra0Nv1​​
Spotify: https://reurl.cc/WEbpN7​​
Apple podcast: https://reurl.cc/OX6xr9​​
Google podcast: https://reurl.cc/V32y06​​
Pocket cast: https://pca.st/fp7r1tcr​

杜氏數學 官方網站： http://www.HermanToMath.com
賭Sir 幫你急救 DSE 數學： https://HermanToMath.skx.io
----------
?️賭Sir是杜氏數學Herman To Math的始創人
?全港唯一「完爆」【DSE Core+M1+M2】、【IAL 12科Maths】、【AL Pure+Applied】、【CE Maths+A.Maths】的數學導師
?全港第一最多訂閱粉絲的數學教育YouTuber
?YouTube觀看次數超越700萬、訂閱粉絲超過50000人
?著作：《YouTuber新手到網紅》、《5**數學男人嫁得過》、《碌葛男人嫁得過》、《賭波男人嫁得過》(獲Google嚴選2018年度50大最佳書籍)
----------
賭Sir收集著數派街坊:

❤️YouTuber Go網絡課程 全港最平+獨家 報讀優惠：
?報讀初班 $600 (原價$800)：https://www.youtubergo.com/payment/b-hermantomath-0600.html
?報讀初班+中班 $1500 (原價$1800)：https://www.youtubergo.com/payment/bm-hermantomath-1500.html
官方網頁：https://www.youtubergo.com/

❤️無限操數王(epractice) 全港最平+獨家 優惠(可同時使用)：
?50%OFF 半價優惠碼：MC83-AI93-NFW0-331E
?25%OFF 額外邀請碼：J7N9-RDRP-NFAH-OH13
官方網頁：https://www.dsemth.com/

❤️Tidebit全港最穩妥的比特幣(Bitcoin)交易所：http://bit.ly/2LIWA4J

❤️Uber免費送你$25優惠：https://www.uber.com/invite/2utyzr
----------
杜氏數學 國際官方網站 http://www.hermantomath.com
----------
Title:
賭場VS賭波VS賭馬，如何預測賽果？
----------
Subtitle:
天有不測之風雲，何以天文台能夠預測天氣？
----------
Script:
賭場、賭波和賭馬，形式上非常不同：

賭局 賠率 機率
賭場遊戲 己知 己知
足球博彩 己知 未知
賽馬博彩 未知 未知

由於形式不同，戰術亦截然不同。但戰術不同，目標卻始終如一：「正EV」。只要EV是正數，賭博便佔優。重溫一次EV的計算方法：

EV = 淨贏注 × 贏錢機率 － 淨輸注 × 輸錢機率

換言之，賭場遊戲的賠率固定、機率固定，因此EV都是固定，而且一般來說都是固定的負數（因為對賭場來說便是正數）。對賭客來說，除非遇上賭場犯錯，例如推出新遊戲，規則上容許賭客獲得正EV#，否則於賭場遊戲長賭必敗無疑。

#《爽爆：全職賭徒鑽賭場漏洞　月贏80萬 》
　http://hk.apple.nextmedia.com/news/art/20121017/18042618

至於足球博彩，雖然是固定賠率制，但由於足球比賽變化莫測，不似賭場遊戲純粹訴諸物理力學，因此機率是未知之數，自然EV也是未知之數。只要有一定方法，便有可能取得正EV。

或許你會問：既然足球比賽變化莫測，一個不慎擺烏龍、一個不智領紅牌、一個球證誤判越位入球等，都會影響賽果，試問又怎能夠計算呢？

這個問題就等如天有不測之風雲，天文台為何能夠預測天氣呢？當然間中亦有錯判，但雖不中亦不遠矣，這就是數學的力量。其實博彩公司訂立賠率的時候，都會先以數學計算賽果機率，然後輕微調低作抽水。由此可見，只要比博彩公司計算機率計算得更準確，便能夠於賭局中佔有上風。

舉個例，朋友和你在街頭足球場看見兩隊業餘球隊比賽，朋友見一隊年輕力壯，另一隊白髮蒼蒼，於是開盤：「年輕隊1賠0.8、和局1賠2.1、元老隊1賠3.1」，這個時候，你發現元老隊球員原來是前甲組職業球員，年輕隊則是自己兒子的球隊，而你知道自己的兒子和他的朋友是乒乓球隊友，根本不懂得踢足球，因此，你預算元老隊的勝率遠超年輕隊。明顯地，這個賭局是你佔了上風。

換言之，這是一場資訊（Information）戰，擁有更多資訊的佔優。為什麼？因為資訊較多的一方，更能較準確地計算賽局機率（這也是馬評家晨早起床看晨操的目的，獲取一般馬迷不知道的資訊）。於上述例子，雖然不涉及數學運算，但仍算是一種粗略估算。當然，面對博彩公司，粗略估算是不足夠的，你需要比博彩公司更精確的機率計算，而方法就是：建立一個數學模型（Mathematical Model）。

提供重要資訊


計算預測結果

你先從現實世界搜集重要資訊，例如對賽兩隊的近績、對賽往績、預計陣容等，而對賽果影響力較小的，可選擇性地抽取，例如天氣溫度、領隊教練、花邊新聞等。然後，將這些資訊輸入到電腦程式，並由電腦進行運算，得出答案後，把電腦程式輸出的賽果，視之為對現實世界的預測賽果。程序大致如此，天文台預測天氣也是透過數學建模（Mathematical Modeling），量化重要的氣候現象，來預測未來天氣。

然而，電腦程式是如何使用現實資訊的呢？首先預設一些公式，然後匯入大量球賽歷史資訊，例如上述的近績、對賽往績、甚至天氣溫度等，從而利用公式計算預測賽果，將它與真實賽果比較，便可得知每一條公式的預測準繩度，繼而從中選出預測力最高的公式，加以使用，計算EV。

最常見的疑問是：「公式的準繩度源於球賽歷史資訊，包括真實賽果，準繩度自然必被高估，試問對比真實賽果又有什麼意思？」

這個問題可以利用一個名叫回溯測試（Backtesting）的小聰明手法，匯入資訊時，只匯入一部份，留下剩餘的部份歷史賽事當作未來賽事，執行公式模擬投注。
舉例說，你找了1000場相關賽事，你可匯入首900場，來挑選公式，然後用尾100場作模擬投注，計算出使用公式的EV。

賽馬博彩也是透過數學建模，你除了需要計算機率之外，你也要模擬最後賠率。因為賽馬博彩是實行彩池制（Pari Mutuel，又稱同注分彩法），賠率會因應投注額的分佈而時刻調整。假設你投注的時候，一號馬是1賠10，臨開閘的時候可以變了1賠3，到最後派彩可以變了1賠6，而你最後獲得的賠率，就是根據最後派彩，而不是你投注的時候。

由此可見，如使用數學建模，賭馬比賭波容易獲得正EV。主要原因如下：

賽馬是賭客與賭客之間的對賭。實施彩池制，博彩公司抽取投注額的手續費獲利，無論賽果如何，博彩公司已經賺了，派彩只是用輸家的注碼賠給贏家。只要有大量非理性的賭客，賭局佔優的機率便會較高，就好像到麻雀館打麻雀，遇著三位菜鳥，贏面自然較高。

相反，足球博彩是固定賠率制，是莊家和賭客直接對賭，莊家自然費盡工夫調整盤口，為公司獲得正EV，博彩公司正EV，即是賭客負EV。要從足球博彩中使用數學模型取勝，就得比博彩公司計算得更精確才有機會成功。

實際操作上，數學模型的構造當然比以上描述複雜得多，例如考慮的因素、各個因素的比重、賽事的數量，甚至注碼大小等，都絕不簡單。然而，原理大致上就是如此。

這一堂不教任何數學建模的方法，因為所需要的數學水平起碼要有大學程度，如想擊敗賭場，開始學習數學吧，有心不怕遲，只要沒有了考試的壓力，學習數學其實很愉快，也很輕鬆，或許最後你做不了賭神，卻成了數學家呢！

就算不打算學習數學，也希望你明白背後的原理，不致於大庭廣眾之下獻醜，不會再說由於隨機因此無法預測，而別人提起數學模型的時候，你起碼聽得明白。

天氣預測的科學發展已成熟多年，人類掌控隨機事件的能力已遠超一般人所想。天文台雖然無法完美預測每一秒的天氣變化，但大概準確，已造福人群；同樣地，賭局預測，雖然不會場場中，但只要大概準確，使贏的多過輸的，已足夠使賭客獲利。數學並非萬能，但只要適當地使用，絕對是強大的武器。
 
Summary

 賭場遊戲的賠率和機率都是固定。
 足球博彩實行固定賠率制（Fixed-odds betting），賠率固定，但機率不知。
 賽馬博彩實行彩池制，賠率不定，機率亦不知。
 賽果預測的原理，與天氣預測的原理大致相同。
 將現實世界重要資訊，匯入數學模型計算，用結果預測現實世界賽果。
 把部份歷史賽事當作未來賽事，用以驗證數學程式的準繩度。
 天氣預測無須分秒不差，賭局預測亦無須場場中，只要正EV就可以。

Terminology

 資訊（Information）
 數學模型（Mathematical Model）
 數學建模（Mathematical Modeling）
 回溯測試（Backtesting）
 彩池制（Pari Mutuel）
固定賠率制（Fixed-odds betting）
-----------
杜氏數學 Herman To Math 考試戰績:
Ａ ── 會考 Math 數學
Ａ ── 會考 Additional Math 附加數學
Ａ ── 高考 Pure Math 純粹數學
Ａ ── 高考 Applied Math 應用數學
5** ── DSE Math 數學
5** ── DSE M1 數學延伸部分(一)
5** ── DSE M2 數學延伸部分(二)
Ａ ── IAL Core Math 1 2
Ａ ── IAL Core Math 3 4
Ａ ── IAL Further Pure Math 1
Ａ ── IAL Mechanics 2
Ａ ── IAL Mechanics 3
Ａ ── IAL Statistics 1
Ａ ── IAL Statistics 2
----------
精選系列節錄:
《賭Sir數學戒賭》糸列
https://www.youtube.com/watch?v=dhL-dRcIN5I&index=1&list=PL_CM4U5au2k1cfK2zSph8XOLqIjOPQmvo