2022武汉市元调数学试题汇编 11套历年真题+答案2010-2021任选 备注 word 电子书 免费 下载地址

暂无相关简介，正在全力查找中！

暂无相关目录，正在全力查找中！

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：2022武汉市元调数学试题汇编 11套历年真题+答案2010-2021任选 备注在线阅读

在线听书地址：2022武汉市元调数学试题汇编 11套历年真题+答案2010-2021任选 备注在线收听

在线购买地址：2022武汉市元调数学试题汇编 11套历年真题+答案2010-2021任选 备注在线购买

暂无原文赏析，正在全力查找中！

暂无其它内容！

• 作者： piaopiao 发布时间：2016-03-25 09:17:23

  读完的印象是古代人民生活得好脏好穷好悲惨，还好我是个现代人。= = ||

• 作者： 明天依然要快乐 发布时间：2018-03-01 14:09:12

  阅。

• 作者： 杜边生 发布时间：2011-01-23 23:00:49

  我们的阅读体验里很少出现被作者如此玩弄的时刻，可却毫无火气。

• 作者： 燕仰 发布时间：2018-09-16 09:33:36

  收錄了克萊因從1921年到1945年的論文，從中可以清晰地看到克萊因關於抑制、超我、俄狄浦斯情結、焦慮、客體關係、投射認同、憂鬱-偏執心理位置的概念和想法是如何逐步成形、並得到不斷修正的。

• 作者： 企鹅卷饼 发布时间：2021-01-27 19:05:48

  写综述的有效借鉴。

• 作者： 豆友2621161 发布时间：2011-04-17 14:11:57

  读完了心理治疗与分析这本书后发现，从抽象的思维出发才能一览众山小。这本书只是一本小小的一个分支而已。

• 资本主义使我们的身体变成工作和繁殖机器，我们能否超越劳动的束缚？

  作者：夏冰雹 发布时间：2023-11-27 22:43:31

  意大利马克思女性主义者西尔维娅·费代里奇（Silvia Federici）长期致力于资本主义侵占人的身体的研究。她在《超越身体边界》中写道，在资本主义制度下，人的身体被不断规训和改造成工作机器，不同形式的强制工作最大限度地剥削劳动，从而将人类劳动变成财富积累。资本主义从最初的鞭子和辱骂到如今把任务碎片化的科学管理，让人失去决策的能力、自主性、创造性，制造“无处可逃”的生活。

  一、男性面对工作剥削，女性面对工作和生育双重剥削

  费代里奇强调，男性面对工作剥削，而女性受到的是双重剥削 —— 既要面对工作和家庭中有偿或无偿的工作规训，还要成为国家的繁殖机器。从19世纪美国本土的奴隶育种产业、到当代的堕胎定罪，国家一直想要控制女性的身体。“如果生产过程中没了劳动这个环节，资本主义很可能会崩溃。人口扩张本身是为了刺激增长，因此，任何资本部门都无法对妇女的生育意愿漠不关心。” 就算机器能慢慢替代人，国家仍需要人类劳动，工作本身没有消失。因此，资本主义侵占女性的生育能力，让其服务于劳动力和劳动市场的再生产。

  她认为，女性要重获选择权、对身体的掌控权，无法只通过少生孩子、不生孩子、工作赚钱来实现，而是要“迫使国家交出我们家庭和社群所需要的资源，以至于我们不必从事两份工作，不必将所有时间都花在为钱发愁上。” 提高女性的权益和地位的关键还是解决经济基础，重新分配资源，减少工作，重新掌控我们的生活。

  二、资本通过“创新”瓦解人们的抵抗

  为了瓦解人们的抵抗，资本主义变出各种花样来机器化我们的身体，医学、心理学都是为权力和市场服务的同谋。脑叶切除术、电击疗法等治疗方式，都是为了整治不听话的身体，使我们更加温驯和多产；心理学最初是用来介入劳工和资本之间的冲突，控制劳动力，也不批评工作规训是有害的，也不把精神健康和缺乏保障、反抗工作联系起来。如今的员工比以往更难管，资本也就发明出了不稳定的雇佣模式，随时替代员工，对那些不服从社会规训的人实施大规模监禁。

  三、出卖劳动力和卖淫一样

  费代里奇犀利地提出了一个观点，在工作场所中出卖劳动力，和卖淫没什么区别，“我们同样该承认，有些赚钱的方式比卖淫更有辱人格。卖掉我们的大脑可能比卖掉我们的阴道更危险。” 她建议，废除所有形式的剥削，建立一个我们不必出卖身体的社会。

  但具体怎么废除，她没有给出答案，她也只字未提大部分乌托邦实验都以失败告终。

  四、没必要自我牺牲

  她反对“自我牺牲”的精神，我们没必要压抑自己，做违背自己需要、欲望和潜能的事，而是收回我们的再生产手段，包括土地、水、商品和知识的生产、做决策的权力，我们应该决定自己想要什么样的生活，成为什么样的人。

  五、劳动本身能否被消除？

  我很欣赏费代里奇的马克思女性主义理论，把资本主义对劳动的剥削分析得淋漓尽致，但是她没有提出解决方案。我很好奇，劳动是因为资本主义而产生的吗？如果没有资本主义，劳动本身能否被消除呢？

  这个地球上，除了凤毛菱角的富翁可以把这些活动外包给庸人，大多数人还是要自己劳动；就算都外包出去，人类劳动本身也没消失，只要人存在于地球上，就要通过劳动对自然资源进行转化，满足吃喝拉撒。我曾经认为欧洲高福利国家的人拥有了人类社会最高的生活水平，劳作时间较短，但我的一位欧洲朋友跟我抱怨，欧洲人还是觉得活的很累，周一到周五要工作，周末回到公寓还要独自收拾房间，完全不剩多少个人时间了，希望机器时代快点来，替人完成这些琐事。我甚至开始遐想，人能不能进化出光合作用的功能？这样是不是就省去了吃喝拉撒的需求和时间？也没有任何经济发展和剥削的可能性了？

  费代里奇批评资本主义在圈地运动中把人和土地分离，从而提供工业劳动力，不分季节的让人劳作，延长工作时间。但是，在资本主义出现之前的社会中，人的劳作时间好像也不短，甚至更艰苦。在部落和氏族社会中，人口少，人类学家说那时候的人每天花在打猎采集上的时间可能比工业社会的工作日要短，但是学者可能没考虑造房子、砍柴、挑水、缝补衣物、养育这些活动的时间，加上去也不短。随着人口增加，食物来源不足，农耕社会出现，生产技术那么落后，耕地、播种、除草、收割、生火做饭就可以把人累得虚脱。封建社会，土地由贵族拥有，佃农也没有土地，而是在贵族的土地上干活，换点生存资源。奴隶社会更不用说了，任人宰割。资本主义之所以出现，一部分原因也是人的欲望驱使，用更少的时间满足更多物质需求，不必恐惧恶劣的生存环境。

  未来劳动能不能变成可有可无的东西呢？或许AI的发展是个契机，机器取代现在的劳动形式，从事所有物质生产，人就负责享受机器创造的财富；当然，也有可能AI会创造出新的劳动形式，人还是要不停地干，或者更可怕一点，把人变成供给机器的食物、燃料或算力，创造出新型奴役。

  关于如何消除劳动这个问题，我目前实在想不通，也许除非人类灭亡，不然这些维持吃喝拉撒的劳动似乎不会消失吧……

• 最多7分的水平

  作者：脖子 发布时间：2020-11-26 15:38:41

  先说优点：

  1. 内容选取十分恰当，难易程度适中。这在我看来是本书最大的特色。目前市面上的书要么过于详细，要么过于简单。以比较经典的几本英文教材为例。Bishop的PRML覆盖的topic其实很有限，而且由于其本身的background，大部分内容都是从probabilistic model出发，讲的比较深入，其实并不适合入门。Kevin Murphy的那本ML风格和PRML差不多，也是从probabilistic的角度出发，虽然讲述的内容上要简洁不少，但是涵盖的topic太多，很多东西都是浅尝辄止，而且夹带了很多私货，全书1000多页，早期的版本还有非常多的typo，读起来非常的不友好。和Kevin这本书类似的还有Machine Learning: A Bayesian and Optimization Perspective，也是一本涵盖了很多内容的ML书籍，并不适合初学者。ESL II由三位统计大神写的，内容上其实没什么好说的，但显然也不适合非科班出身的学生入门（它有一个简化版本不错，但是本人没有仔细看过，所以不做评论）。此外还有Foundations of Machine Learning以及Understanding Machine Learning两本书，比较偏理论，只适合特定读者（btw，Foundations of Machine Learning是一本非常优秀的Theoretical Machine Learning的入门书籍）。

  说回这本西瓜书。这本书所涵盖的topic在我看来是最恰如其分的。多一分则显得冗余，少一分则遗漏一些最fundamental的核心概念。单单从目录上看，这本书是最适合入门的书籍。

  2. 它也是迄今为止我见过的最好的中文教材。我看的中文教材很有限。早些年清华大学的张学工教授写过一本模式识别，当时学的时候觉得非常的深入浅出，阅读体验很好。只可惜那本书成书时间较早，里面的内容早已经根本上现在的形势。其他的诸如李航的统计学习方法涉及的内容也略窄，但我并没有仔细阅读过，所以也不便评价。

  说完优点，再说缺点。

  其实在我看来，这本书最大的缺点就一个（但足以致命），就是其逻辑脉络不清晰。

  从内容的讲述方式上看，这是一本典型的中国老师写的教科书：里面有大量的数学推导，但是对于其背后的含义，概念的阐述远远不够，这导致的结果往往就是知其然不知其所以然。作为一本入门书籍，直接简单粗暴的把式子罗列上去，显然是不人性化的，也增加了初学者的阅读难度。其中的一个例子便是书中第七章朴素贝叶斯的那个例子。那个西瓜的例子是在第四章决策树的时候引入的，在哪个问题上，引入了8个西瓜的feature尚且说得过去（其实我认为也可以在精简一些），但是在贝叶斯这章里面，将所有的feature都考虑在内，作为一个示例，显然是有些冗余了。

  除此之外，很多东西的表述方式也不是那么友好。比如在8.2中介绍AdaBoost的时候，直接从最小化exponential loss，则绝对是反直觉的做法。即使ESL II也是从基本算法讲起，再讲其他的扩展。就好像讲SVM的时候，我们绝对不会先讲它本质上是最小化hinge loss，而都是从maximize margin的intuition讲起。AdaBoost也是类似的道理，更主要的是，要真正讲清楚其最小化exponential loss的方法，里面还会涉及gradient boosting以及forward stage-wise的优化策略。这些都是跟之前的算法截然不同的。如果仅仅从loss function的角度出发，会让初学者有一种感觉，好像AdaBoost跟其他方法的最大差别不过是loss function不同，这显然是不对的。

  本书的另外一个问题就是notation显得比较混乱，不同章节缺乏统一性，最简单的例子就是不同章节对于empirical loss采取不同的notation方式(e.g., SVM, AdaBoost, 计算学习理论)，这也极大增加了初学者理解难度，难以建立起统一的联系。

  综上所述，这本书在我看来，是6-7分的水平，鉴于是中文教材，给一些额外的bonus，打四星。