我与MED的1000个日夜

2017年8月8日 (二) 12:48的版本

我与MED的1000个日夜

启始：2017.07.17

简介

MED是指M3、E3、D3三个项目。

灰狐公开课是MED的培训服务。

日志

• 2017.07.17(1)：阅读odoo 10文档 调研分销系统
• 2017.07.18(2)：odoo10文档+应用；《驾驭文本》OpenNLP/Nutch/Lucene/Solr/Mahout/Tika，社交网络数据挖掘可从NLP入手；Python世界有Scrapy和NLTK；分销系统评估，已有基本方案。
• 2017.07.19(3)：开始区块链数据库和区块链数据市场的服务，然后在这些基础上做量化投资，参考CryptoCurrency Market Capitalizations
• 2017.07.20(4)：整理了odoo用户文档和开发者文档；列举了odoo官方主题；数据挖掘和数据分析从区块链入手(在github上收集区块链可视化和数据分析项目，如：blockstack)。
• 2017.07.21(5)：MED全部围绕比特币,莱特币和以太坊业务展开，如：数据挖掘和分析、电商的数字货币支付等；odoo learning启动；odoo theme是门生意；odoo培训大纲初始化。
• 2017.07.22(6)：开发计划：基于E3 odoo开发区块链模块，BTC, LTC, ETH数据显示和分析，可加载到odoo系统。
• 2017.07.23(7)：如何在开源项目中学到更多已提交，下周一发布。开始全力推动灰狐MED培训品牌。398元购买了云集微店一年服务费，开始运营自己的微商品牌：灰狐小店。
• 2017.07.24(8)：开始采购供应商、生产制造、财务会计、人力资源管理等系统理论知识学习，并在odoo系统上实践；《生产运作管理》《构建高效的ERP系统》《采购成本与供应商管理》。六四格玛是迄今为止最完美的质量管理系统；质量不是来自于检验而是来源于过程的改进。
• 2017.07.25(9)：《采购成本与供应商管理》，在Youtube上看odoo视频，开始学习制作视频。除odoo外，edX走起，为企业提供e-learning解决方案；年底，灰狐教育上线。
• 2017.07.26(10)：Google Big Picture Visualization Research 和 PAIR|People + AI odoo培训内容；edX安装。
• 2017.07.27(11)：odoo培训课程准备；odoo PM；odoo HRMS；odoo BI‎；E3 learning
• 2017.07.28(12)：odoo SlideShare幻灯片 odoo HRMS；odoo BI。
• 2017.07.29(13)：开始准备Python数据分析培训，产品组合：Jupyter、Numpy、Pandas、Matplotlib、Orange、Anaconda python、Scikit-learn，参考书籍《利用Python进行数据分析》《Python金融大数据分析》
• 2017.07.30(14)：Pandas；oodo幻灯片。
• 2017.07.31(15)：准备《如何在开源项目中学到更多》GitChat顺利完成。
• 2017.08.01(16)：总是惦记着狗狗通行证 BaasBox 和 Apache Usergrid + Apache Cassandra 以用户为中心的设计，MED后端即服务和帐户系统由BaasBox 或 Apache Usergrid承载。ArangoDB值得更多学习和实践；了解SAS产品服务 商业分析，贵在应用，重在坚持。
• 2017.08.02(17)：《世界级供应管理》；了解SAS客户智能相关解决方案。
• 2017.08.03(18)：先阅读《供应链管理-缔造神话的根源》
• 2017.08.04(19)：安装使用Frepple
• 2017.08.05(20)：R: A Computer Language for Statistical Data Analysis 与Python一起组成数据科学的双涡轮引擎，因为GNU R和Scheme，还有R是一门统计语言，而Python是一门编程语言。阅读统计之都 在R中，没有变量，只有数据！没有循环，只有批处理！没有计算机算法，只有数学模型！
• 2017.08.06(21)：学习 《数据挖掘：理论与算法》课程
• 2017.08.07(22)：继续 《数据挖掘：理论与算法》，CPDA的《数据分析基础》《量化经营》《量化投资》三本书同时阅读。用数据说话，做理性决策！管理既决策，决策即分析！没有经过数据分析验证的投资决策，就如赌博，“十赌九输”。
• 2017.08.08(23)：《数据挖掘概念与技术》内容很好，覆盖了大部分数据科学的核心内容。