“粗调”与“精调”

这是Google的一条面试题，主要考察的是候选人的工程思维

题目是：给你两个一模一样的玻璃球。这两个球如果从一定高度掉到地上就会摔碎，当然，在这个高度以下往下扔，怎么都不会碎，超过这个高度肯定一次就摔碎了。
现在已知这个恰巧摔碎的高度范围在1层楼到100层楼之间。如何用最少的试验次数，用这两个玻璃球测试出玻璃球恰好摔碎的楼高。

这题好的方法是，两个球，一个用来做粗调，一个用来做精调，玩法大致如下：
首先拿第一个球到10层楼去试，如果没有摔碎，就去20层楼，每次增加10层楼。如果在某个十层摔碎了，比如60层，就知道摔碎的高度在51-60层之间，接下来从51层开始一层层地试验，这样可以保证不出二十次，一定能试出恰巧摔碎玻璃球的高度。

在机器学习上，任何一个机器学习的过程都是不断调整数学模型的参数的过程，直到参数收敛到最佳点。每一次的调整被称为是一次迭代，调整的幅度被称为迭代的步长。

粗调：先确定大致范围，效率更高
精调：缩小调整的幅度，精度高，准确性高

延伸到日常生活、工作中，有时候我们不仅要知道目标在哪里，还要能设计到达目标的路径，这就需要我们不断提高这类工程思维。

在软件编程中，其实所谓的 “粗调” 就是：不管结果怎么样，先设计个大概，然后让代码运行起来，即使运行结果是错误的。所谓的 “精调” 就是：根据所得的运行结果和理想的结果进行对比，在一步一步的调试修改以至于最终实现目标。

在生活中这样的例子也很多，比如很多人不管做什么事情都想准备好一切之后才开始行动，这些都是一些追求完美的人，可结果是这些人开始做的事很少，做成事的人更少。当然也不是什么都不想就直接开干，而应该是掌握 “粗调” 、“精调” 的思维。