0 人感兴趣 · 9 次引用
现代人拖延产生的原因有很多，比如因为害怕失败而拖延，因为完美主义倾向而拖延，不想走出“舒适区”而拖延等等， 今天我们要针对一个常见的原因“对事物的发展抱有消极的预期”而产生的拖延来看，如何从“贝叶斯更新”的思路中找到些启发。
现代人拖延产生的原因有很多，比如因为害怕失败而拖延，因为完美主义倾向而拖延，不想走出“舒适区”而拖延等等， 今天我们要针对一个常见的原因“一直觉得没有准备好，想等最佳时机再开始”而产生的拖延来看，如何从“时间折扣策略”的思路中找到些启发。
现代人拖延产生的原因有很多，比如因为害怕失败而拖延，因为完美主义倾向而拖延，不想走出“舒适区”而拖延等等， 今天我们要针对一个常见的原因“被分心的事情太多”而产生的拖延来看，如何从“注意力算法”的思路中找到些启发。
现代人拖延产生的原因有很多，比如因为害怕失败而拖延，因为完美主义倾向而拖延，不想走出“舒适区”而拖延等等， 今天我们要针对一个常见的原因“对安排事情的人或事心有不满，被动攻击”而产生的拖延来看，如何从“反馈学习”的思路中找到些启发。
现代人拖延产生的原因有很多，比如因为害怕失败而拖延，完美主义倾向而拖延，不想走出“舒适区”而拖延等等， 今天我们要针对一个常见的原因“对要做的事情没有兴趣”而产生的拖延来看，如何从“元学习”的思路中找到些启发。
现代人拖延产生的原因有很多，比如因为担心失败而拖延，觉得要做的事情没有意思而拖延，不想走出“舒适区”而拖延等等， 今天我们要针对一个常见的原因“担心失败”而产生的拖延来看，如何从“选项学习”的思路中找到些启发。
现代人拖延产生的原因有很多，比如因为害怕失败而拖延，觉得要做的事情没有意思而拖延，不想走出“舒适区”而拖延等等， 今天我们要针对一个常见的原因 “ 完美主义倾向” 而产生的拖延来看，如何从“贪心算法”的思路中找到些启发。
强化学习（Reinforcement Learning, RL）是一种机器学习方法，它模拟了有机体在环境中的学习过程，通过不断尝试和获得反馈来优化其行为策略。在强化学习中，智能体并不是被告知应该采取何种行动，而是基于执行特定动作后获得的奖励或惩罚来调整其行为
我们在做产品时，为了避免步子迈的太大，效果不好造成资源的浪费，总会用到一个方法“最小可行产品（Minimum Viable Product, MVP）”，也就是在产品开发过程中，我们尽量用最少的时间和资源开发出能够满足用户基本需求的产品来测试。它不仅适用于全新产品的
一个日语专业的程序猿。
提供全面深入的云计算技术干货
InfoQ签约作者
还未添加个人签名
专注分享阿里技术的丰富实践和前沿创新。
京公网安备 11010502039052号 | 产品资质京公网安备 11010502039052号 | 产品资质京公网安备 11010502039052号 | 产品资质
