@futou starlink 都是近地轨道卫星，近地轨道比较充裕。 而且近地有大气摩擦，没推进了就会掉下来 所以不存在抢占的说法

当然可以，不过训练一套 GPT 所需要的算力成本从 几万-几千万 不等，应该不会有人这么闲吧

用的群晖 drive 感觉还不错

@wysnylc 基本 python 的一切数据生态都构建于 numpy 上，基于 numpy 又有 pandas, scikit-learn, sea-born 等一系列库和应用，而 Tensorflow, pytorch 等主流深度学习框架又构建于此之上。 你很难找到另一门语言在数据科学领域生态如此完善，又易于上手。

当然大家都可以调包，但是目前用 python 来调包更优雅，能更快的实现原型 请问这还不是不可替代的优势吗？

无脑打，不会亏

小厂还是要仔细了解下的，我司经常有业务线老员工搞不定了，从外部找个大牛来救(bei)场(guo)。

如果最后问题解决了，那些元老依然能分一杯功劳，毕竟是开拓者。如果问题搞不定那都是你盘接的不好，自然离职走人他们继续给投资人画下一波饼

@Escapist367 所以需要凯利公式计算风险收益比啊，把把 show hand 肯定会翻车的呀。

如果是已经会 numpy 与 pandas 的用户，jupyter lab 就已经能覆盖大部分的数据分析+画图场景了； 如果目标用户是作为 matlab 的替代品，那如何让 matlab 使用者快速过渡过来是个关键问题

不赞同，量化不等于只做技术分析。 很多价值量化或者套利量化肯定是可行的，期望收益都可以从纸上推演出来。

采用量化+程序化交易是因为人工操作容易失误、无法兼顾、缺乏执行纪律。

你甚至可以在 TT 里“玩” 老滚 6， 你可以在 B 社游戏里玩 TT 吗？

@diegozhu 还真的是离线语音识别，这种唤醒语的离线识别非常简单，你自己在树莓派上都可以实现。

甚至很多设备都是为唤醒专门做个超低功耗的芯片一直监听。通过实时传输音频联网唤醒不但流量爆炸，功耗也非常高 基本不会有人这么做

@TimePPT 握个手啊，我也是一开始做产品，然后不停的学习。Python, 数据分析， 机器学习，深度学习。


然后突然有一天领导找到我，后面你就转去算法岗吧，专门做公司深度学习相关的需求。 我？？？？