最近几个创业的朋友和我聊到融资话题，虽然我也没创过业，不过最近学习的课程里刚好涉及一些融资内容，我把几门课程的融资部分提取出来，整理成笔记，或许以后自己也会用到。
《说话的力量》笔记
说话是我的弱项，从小就不擅长。从幼儿园到大学没当过任何班干部，没什么锻炼的机会。后来工作了担任领导，常常冷不丁地要求即兴说几句。刚开始的时候别说即兴，就算先打好草稿，说的时候还经常忘词儿。出过几次丑之后开始有意训练自己的说话能力，这本书就是我的教练之一。
LLVM
本文是对LLVM官网入门教程中《Kaleidoscope:Implementing a Language with LLVM》和《Building a JIT in LLVM》的总结。主要目的是了解LLVM的能力边界。
关于股指基金定投的一点研究（二）
上一篇几轮实验考察了沪深300各种定投策略的收益率。我发现从yahoo可以很方便地抓取美股历史数据，比如纳斯达克100和标普500，反正实验策略的代码是不变的，只需要把这些数据抓取下来，适配一个解析器就能很快算出这些指数投资收益率了，本文就把实验结果跑出来。代码还是在finance-learning/main.py。
关于股指基金定投的一点研究（一）
昨天跟老爸聊投资，聊着聊着就抬起杠了：我说无论美股还是中国股市，大盘代表这个国家经济的基本走势，以年的粒度来看是向好的，几乎不会亏钱；而老爸一句话就给我顶回来，2008年都要飙到6000点了，现在才多少点？这都10年了，你告诉我哪年可以翻盘？
git submodules
自己的版本库中常常引用一些开源的基础模块，比如googletest、glog，比较笨的做法是clone一份代码，直接再提交到自己的版本库中。更推荐的做法是使用git submodules。
使用现金流贴现法算算几家美国公司的绝对估值
绝对估值是关于企业内在价值的一种估算方法，其中现金流贴现法（Discounted Cash Flow DCF）是最经典的绝对估值法，它是基于企业自由现金流的计算公式。本文就采用这种方法算算几家比较著名公司的绝对估值。
编写编译器和解释器二
上一节基于四则运算的计算器，引入了词法分析器、语法分析器和解释运行器的概念，他们分工明确，相互协作，根据语法规则完成源代码的解释执行。本节将这一规则应用到实际的编程语言中，以Pascal为例完成编译和解析。从业务跨度上，本节相比上一节是一次跨越，但从底层技术来说，不过是上一节基本概念的又一次应用而已。
从一个简单的例子体会TensorFlow的使用
上了这么多节课，当自己动手使用TensorFlow写机器学习的代码时，还是觉得有点晕，经常在一个点上要琢磨半天。实在是机器学习的思想和传统的编程方式差别太大了，需要不断地训练，并在思想和代码间去做磨合，才能达到自然过渡。本节就从一个最简单的Tensorflow代码来理解它和背后梯度下降之间的关系。
Deep MNIST for Experts代码分析
Deep MNIST for Experts是TensorFlow Get Started中HelloWorld级别的的例子。它分两个版本：MNIST For ML Beginners和Deep MNIST for Experts。前者采用没有隐藏层的梯度下降，结合上一篇笔记很容易看明白；后者使用了深度神经网络，本节重点分析它。
TensorFlow知识地图
TensorFlow图描述了一个计算的过程，图必须在会话里启动，会话将图的op（operation）分发到诸如CPU或GPU之类的设备上，同时提供执行op的方法。这些方法执行后，将产生的tensor返回。在Python语言中，返回的tensor是numpy ndarray对象；在C和C++语言中，返回的tensor是tensorflow::Tensor实例。