@一行 1. 不太清楚你指的很多是多少，但我觉得对基础算法有个粗略的了解是必要的，其实数量没有想象的那么多，看论文也可以看到，很多时候都是通过去组合不同的基础方法解决问题。至于粒度，没法一概而论，只要别是不了解细节大而化之提需求，做到愿意深入细节里面去看算法，就很好。
 
2. 数据清洗是个挺大的领域，我对它并不是非常了解，但我感觉想要有一招吃遍天的方法挺难的，因为源数据的不确定性导致了各种清洗和分析工作都需要针对具体问题做具体分析。
 
3. 最后这个问题我没太看懂，有没有具体的例子可以详细瞅瞅 :P

感谢二爷的分享，看完今天的文章，第一个感觉就是，要学习的东西太多了，每个领域都有自己独立的名词与规则，要快速入门需要持续的投入。

其次，关于了解算法的能力边界与未来规划，这一点我深有感触。

上次大致介绍的 Glicko 积分算法采用积分和 RD（Rating Deviance），以区间的形式评定选手实力，相比于纯粹依靠积分来划分等级有一定优势。

RD 用于衡量一个评分的不确定程度，RD值越高，评分越不可信。选手的积分仅根据对战的结果而改变，但 RD 值的改变取决于比赛结果和未进行比赛的时间长度。选手参加的比赛越多，关于选手能力的信息就越多，RD 值就会越低，评分的可信度就越高，反之亦然。

对于数据的输入，我们采用了目前网球业余赛事中正式比赛的比分与数据，将其他非正式比赛排除在外，同时调整单打、双打的权重值，以便更真实地反应网球水平，目前推出的评分基本接近选手对于个人能力的自我评价

对于数据的输出，我们将查询个人等级公布在每次赛事报名入口，并且严格按照等级来确认报名资格，评级系统要成为标杆还有很长的路要走。

最后，这是我个人对「极客时间」的建议：

1、文章评论区可以参考微信公众号的方式，作者回复与用户留言放在一起显示，建议不要将作者回复单独置顶显示，这样显得较为混乱，很难定位；

2、关于精选留言与作者回复，最好能够通过 App 通知，这样会让用户有成就感，如果长时间没有反馈其实很有挫败感。我的留言中建议区分是否为精选留言。

祝好。

类比一下现在的产品经理，其实现在的产品经理应该也需要懂一点技术，例如要知道原生native和h5的一些区别，否则如果都不知道各自有什么能力，提需求时候就很没谱。例如要知道接口是个什么东西，虽然不需要知道具体的技术实现细节，但是需要大概知道前台与后台是怎么交互的。

产品经理懂一些技术，就可以提出更加合理的需求，也如二爷所说，可以提出颗粒度刚刚好的需求，而这些也能够增加产品经理在开发兄弟们中的可信度。

AI 将来一定会成为基础设施，再加上 5G 的加成。