非常帅气的qwq发出“可以睡懒觉了”的呐喊qwq
电信组网装维的工作实习了六天，，这几天下雨，，师傅让我休息一天qwq。
san值biubiu的恢复。（昨天又忘了写日报）
咳咳咳
进入正题，
总体而言，工作相当简单，当初大一的网络基础课上，，也实操了一些操作。
工作大概分为，双绞线的制作，光纤的熔切以及极度简单的wifi设置，端口号查询。
还有一些装修工，电工里的小知识。总体而言就这些了。
在一般情况下都是使用平行线，及两端的水晶头都是A或B的接法。
不过有些用户就是连不上网，这个时候，或许需要使用交叉线，及一端A一段B。
还有根据光猫的亮灯与验光笔判断光纤是哪里坏了（这一点我没有学好qwq，
昨天就有联通的家伙，把电信的光纤弄断了。
然后，有Epon与Gpon的区分，光猫。
PON(Passive Optical Network)无源光网络是实现FTTH光纤到户的主要技术，提供点到多点的光纤接入，如图一所示，它由局侧的OLT(光线路终端)、用户侧的ONU(光网络单元)以及ODN(光分配网络)组成。一般其下行采用TDM广播方式、上行采用TDMA(时分多址接入)方式，组成点到多点树形拓扑结构。PON作为光接入技术最大的亮点是“无源”（无需能（电）源的器件称为无源器件。），ODN中不含有任何有源电子器件及电子电源，全部由光分路器(Splitter)等无源器件组成，管理维护运营成本较低。
EPON和GPON各有千秋，从性能指标上GPON要优于EPON，但是EPON拥有了时间和成本上的优势，GPON正在迎头赶上，展望未来的宽带接入市场也许并非谁替代谁， 应该是共存互补。对于带宽、多业务，QoS和安全性要求较高以及ATM技术 作为骨干网的客户，GPON会更加适合。
现在基本都换上了我负责的片区基本都GPON了。
ADSL属于DSL技术的一种，全称Asymmetric Digital Subscriber Line（ 非对称数字用户线路），亦可称作非对称数字用户环路。是一种新的数据传输方式。
两种都是用光纤传输的形式，EPON和GPON采用的标准不一样，可以说GPON更高级点，可以传输更大的带宽，可带的用户也比EPON更多。
GPON源自光纤通信早期的APON\BPON技术，由此发展过来，传输码流用的是ATM帧格式。
OLT（Optical Line Terminal，光线路终端）
ONU（Optical Network Unit，光网络单元）
ONT（ Optical Network Terminal，光网络终端）
ODN（Optical Distribution Network，光分配网）
ONU和ONT都属于用户端设备，它们的区别在于ONT直接位于用户端，而ONU与用户之间还有其它网络，如以太网。
目前在现网中广泛应用的PON技术包括EPON和GPON 2种主流技术，EPON上下行带宽均为1.25 Gbit/s，GPON下行带宽为2.5 Gbit/s，上行带宽为1.25 Gbit/s.在高速率和支持多业务方面，GPON有明显优势
软考的书（网络管理员）上面只讲了EPON，并且也只是浅显的介绍，懵逼。
一些注意事项，光纤的纤芯刺进了手的话，拿不出了，得难受个好几天。
进入用户的家中，注意线、水管。这个工作还是很简单的，主要还是细心。
目前见过最厉害的就是师哥了。爬墙的技术贼厉害，我在一旁看着打抖。
然后写点数据分析的沉淀把，
最开始当然是，简介。
我当初最开始学数据分析的目的，是为了让自己的扩展自己的技能，让自己在seo这方面更具有竞争力，后来是觉得r语言很好玩（做出来的图确实好玩）。
作为合格的数据科学家，不仅需要拥有深厚的统计学等理论基础，更需要有较强的业务能力、对数据的敏感性以及处理实际商业数据的经验。
以上！我全部没有！（自豪的笑容
当然，确实在培养了。（程序员中最会组网装维与数据分析的那位，想这样被称赞qwq
生产环境下的数据噪声（噪声数据是指数据中存在着错误或异常(偏离期望值)的数据，这些数据对数据的分析造成了干扰。）
从某种意义上，我可能更像是从事数据编程的程序员。例如数据模型这类玩意儿，似乎没有良好的数学基础，做不出来（高考数学似乎个位数的我留下了心酸的眼泪
至于商业相关的业务经验，由于现在是装维的实习，天天和用户打交道，至少业务经验能够积累不少。
个人对于数据的理解是，，能够赚钱的玩意儿（针对一些行业数据。
而更加通俗，或是稍微专业的说法，，应该是，能够推导出可能的规律的，能够根据这些规律解释某些玩意儿的玩意儿。
为什么需要数据科学家，
观测数据推导因果的任务曾经是营销部的工作内容，
“理解用户的需求，迎合用户的口味开展商业活动”，以此为准则。
因为商业模式的变化，企业可以保存大量的商业日志，而将日志应用在市场营销活动上。
分析已有的市场营销数据，并且针对实时性较高的大量日志数据做出分析。
如今的数据分析工作由三种人协同完成。
商业经验丰富的人、统计学出身的人、工程领域出来的人（IT）
反正都是大佬就是了。
GIF
数据分析就是从现状出发，寻找一条可以达到预期的最短途径，在此过程中应着眼于找出主要的问题，然后根据下面的架构来解决问题。
现状与预期
↓
发现问题
↓
数据的收集和加工
↓
数据分析
↓
解决对策
商业数据分析的最终目的就是为了解决问题。
高度复杂的模型得到的高精度分析结果实际上不一定具有很高的价值，还不如做个简单的交叉列表
对现状和预期有个很好的把握，弄清之间的差距，调查为什么，即发现问题。
因为有多个因素，所以要进行数据的分析与加工。并在此基础上进行数据分析。
最后考虑成本提出解决对策并推进。
需要区别“现象”与“问题”
牢记 没有问题的状态=预期就是一种找出问题所在的有效方法。
如何理解“预期”和“现状”之间的差距
1，观察数据的大小
各因素对“现状”和“预期”之间的差距影响程度。。
2，将数据分解后观察
多角度观察发生的现象，分解出构成这种现象的因素，必须遵守MECE原则。
Mutually：相互性
Exclusive：排重性
Collectively：完整性
Exhaustive：全面性
3，将数据比较后观察
将发生问题前的数据和发生问题后的数据比较。
累了，不写了qwq，下次继续qwq
