“哈？有这回事吗？我不知道哦。”陈博装起了糊涂。
王旭怀疑道：“奇怪了，照理说，没事干乱推名片，我的好友列表里只有你有前科。”
“可能是新来的犯人，你想想，最近有加什么好友吗？”
王旭回忆道：“之前在图书馆上课个人账号忘记切，被人疯狂加。”
“你这号是明星吗？为什么那么多人加你？我也好想有这待遇。”
“怪我的微信名。”王旭长叹了口气。
“你的名字？你改了名字吗？”陈博好奇道。
“不和你说了，又到了愉快的洗胃时间，我以后再也不乱吃东西了。”王旭抱怨完，挂断了电话。
陈博去翻了翻通讯录，找到王旭的头像点看，差点笑崩牙。
“，你是嫌钱多还是嫌事少？”
没人帮自己留意课表，陈博每天早上还得提前起床查看，生怕突然多了些奇怪的东西。
这节选修课是计算机算法的前世今生》，对于陈博而言不陌生，只是目前身处的时代算法又发展了几十年，难保不会新增些理论知识点。
“别人都是穿回过去作威作福，我倒好，一个可怜兮兮的原始人落单了。”陈博挠挠头，拎着键盘袋出门。
老师是个标准的码农形象，象征资历的深度地中海，一脸漠然的神情，厚到可以防穿甲弹的眼镜，灰白相间的格子衫，略显僵硬的步伐，手指时不时还会做出敲击键盘的动作。
“今天的人怎么有点多啊？是代课竞争上岗的缘故吗？”老师推了推眼镜，粗略数了遍人头，上座率是高了不少。
“老师，今天键盘应用学的也上这节课。”前排的同学提醒道。
“哦哦，原来如此，好吧。”老师打开电子教材，开始照本宣科。
陈博对这部分内容不感兴趣，计算机算法方式多样，传统的有递推法、递归法、穷举法。
当初在负责算法推荐时，陈博采用的是应用广泛的动态规划法，即将原问题分解成由各因素组成的子问题，通过求解子问题的答案反推出原问题的最优解。
举个例子，探讨不同情况下消费者购买需求变化，会先将影响消费者购买需求的变化因素逐一列举出来，分析得出结论，在汇总所有结论建立一个模型，得出最终解。
早期的计算机算法远没有这么先进，大约在零几年某度引擎制霸全网搜索的年代，当时的算法只停留在单线思维，处于搜瓜得瓜，搜豆得豆。
互联网广告投放业务的蓬勃发展变相推动了算法技术革新，每个人的喜好大不相同，如何把广告更精准地送达给目标人群，成了商家们考虑的首选。
以前把广告投放给1000万人，最终的转化率可能不足1，在实现精准投放后，可以把50个广告分别投给50万人，后者的单价比前者便宜30，但实际效果远胜几倍。
与其同时，购物算法也在悄然成熟完善，早期的万能某宝可没有猜你喜欢这种功能，每位用户的购物界面一模一样，导致刷单猖獗，想要出头盈利就必须占据首页版面。
当一位耳机发烧友购买了魔音耳机后，低端的算法系统会自动将其标注为耳机偏好群体，用户在下次登录界面时会收到同类的商品推荐，尽管他目前不需要这些。
而高端的算法系统会人性化很多，通过海量的数据运算，将魔音耳机和其他商品之间建立起联系。
陈博此前做过类似测试，系统会给不同的商品做出可能性预测，按大小排列组合出一套最优解进行用户推荐