Blogs

蘋果橘子經濟學（Freakonomics） 被寫出來時，兩位作者可能還不曉得資料科學家是啥。 大概也沒想過，他們的這一本書，在 10 年後，是有機會成為資料工作者的第一本書。 一本一開始就想要顛覆你（想投入資料工作者行列的人）對資料怎麼看待的角度與觀點的書。 喔，對了！它除了有點怪誕以外，還挺詼諧的，是一本搭高鐵時可以看(完)的書。 書裏頭提到的一些問題討論與論述中，印象中很深刻的，列舉個幾點： 真正降低美國犯罪率的，可能是墮胎合法化的推動？！ 誰說只有學生會作弊，美國小學老師可能會帶頭作弊？！ 專業的房屋仲介，想的可不是幫你以更好的房價賣出？！ 我們都知道父母希望小孩贏在起跑點是天性，但虎媽虎爸，也許沒你想像中的那麼幫助小孩？！ 怎麼會有人把犯罪率的降低與墮胎合法化給牽聯在一塊兒呢？ 而且更驚人的是，原來小學老師也是會在學生的成績上作弊的，而且還是有點驚人的作法。 然後呢，如果你是教育部會的長官，你又要怎麼抓出這些帶頭作弊的老師們呢？ 另外還有，像是前一陣子不是流行虎媽虎爸嗎？但這本書裏頭單確想提出，在某些方面， 父母對於小孩未來的發展的影響力，是與平常認知有一些差距的。 像是書籍裏頭提到「常常唸書給小孩聽」與「小孩未來的發展」，可以說是幾乎沒有幫助的！ ...

最近瞄到一篇有點意思的文章， If a woman has these 14 qualities never let her go, scientists say 。 簡要記錄一下。 She is smarter than you She is honest She has a positive outlook She compromises She laughs at your jokes She has an open heart She supports your goals and pursues her own She has a good relationship with her parents She is kind She remains calm in fights and calms you down too She does foolish things with you She has a life of her own She accepts your flaws She does not bear grudges 目前覺得最困難的，大概就是第 5 點吧 XD

前幾天有一個新服務 Comet.ml 在 TechCrunch 下了個這樣的標題與介紹： Comet.ml wants to do for machine learning what GitHub did for code The service provides you with a dashboard that brings together the code of your machine learning (ML) experiments and their results. In addition, the service also allows you to optimize your models by tweaking the hyperparameters of your experiments. As you train your model, Comet tracks the results and provides you with a graph of your results, but it also tracks your code changes and imports them so that you can later compare all the different aspects of the various versions of your experiments. 大意是說，這個 Comet.ml 的服務，是被開發來給資料科學家用的服務。 它就像 GitHub 是給 developer 用的一樣，扮演著類似的功能，只是是特別對 model training 做一些特化。 所以它會把每次的建立模型的 1) 程式碼; 2) 參數; 3) 設計的模型; 4) 安裝了什麼 Python packages; 5) 模型練習的過程/成效/結果; 6) stdout; 7) 其它文字註解…… 這幾項給通通存起來，方便日後回來校閱或比對。 更方便讓幾位資料科學家或演算法開發的工程師可以一起研究，有個依據。 一言以蔽之， 它是一個用來 紀錄 / 追蹤 / 比對 一個模型設計與開發的服務。 感覺挺有趣的，決定來試試看。 本著上次在公司裏頭鐵頭的 Data Team Workshop 的一些些印象， 加上它又有 repo，而且還是友善到不行的手把手 notebooks 型式， 很有機會可以拿來試驗一下這個 Comet.ml，即使我至今還沒完整看過 Tensorflow 或是 Keras 的文件或教學影片！ 看來看去，就拿裏頭的 MNIST 來試好了。 用最簡單的兩個 Dense (Just your regular densely-connected NN layer) 做一個 model， 第一個 layer 的 output vector size 用 64， 第二個（最後一個） layer 的 output vector size 則是 10，設成與 MNIST 要分類的個數一樣。 丟下去跑一跑，在 Comet.ml 上跑出了這麼一個 Experiment 。 在 Comet.ml 上頭，每一次的實驗，就叫一個 Experiment。 透過它 monkey patched 過後的 Keras， 一旦你開始執行你的程式做 training， 它就會開始自動紀錄你 model training 的整個過程， 它會自動幫你把每次 training step 的 (loss, accuracy) 給記下來， 然後最後（按官方文件的說法）自動上傳到 Comet.ml 平台。 也可以再自行加上呼叫幾個 log function 來特意把一些想記的參數給上傳上去。 這個是我第一次的 experiment 的程式碼 。 相當的有意思，忍不住多把玩了幾下。 （結果就是睡到半夜四點醒來，還多下了一個 experiment XD） ...

有一種「做菜」，不是媽媽在廚房準備著美味佳餚的行為， 而是市場販賣端將菜「做」成消費者想要的樣貌…… by 做菜 Perfect Vegetables 「做菜」，是一部拍得很有意思的短片。看起來是 2017 年的作品，有在公視上映。 算是紀錄片類型，屬於現代人可以忍耐的影片長度，探討著一個台灣文化風情的某個現況。 影片，大概是這麼個方式開場的： 在一次的台北聚會後，影片拍攝團隊成員之一的 Moly Mo 注意到了一個現象。 他發現聚餐結束後，有不少還未完食的菜色。 但大家礙於面子問題，並沒有讓這些菜餚被打包起來。 加上大家也吃不下了，於是這些菜餚，可能就這樣被丟棄了。 Moly 把這個觀察給 po 上了臉書，得到了很多一樣有在關注食物浪費議題的回應， 於是，有了這麼一部紀實片。 從了解食物的生態系統開始，先後接觸了 食物銀行、 老人供餐、 果菜批發市場、 各大超市、 食材產地……等。 原來，政府為了改善農業產品的運銷效率， 農糧署有協定出一套蔬果品質包裝規則標準。 蔬果的分級包裝，滿足著不同的人們需求，也讓果菜農有機會獲得一些議價空間。 絲瓜，特等。 絲瓜，優等。 絲瓜，良等。 這讓我想起了 2016 年時跟著跑去宜蘭體驗種菜的那半年。 那時候我們拿到的絲瓜，因為是阿伯帶著我們自種的（當然還有很多人的照顧）， 它是什麼等級這點，根本從來沒有在腦海裏出現過， 因為我們從來沒想過這麼一點點的絲瓜與獲利求生之間的關係， 我們只想著它是自種、無農藥、有機、阿伯帶著我們一點一滴的耕種、……。 吃進嘴裏的絲瓜，不管它生前(?)的樣貌如何，都一樣美味好吃 :D 果菜市場一天疏菜進貨量 11530 公斤 做掉 1/3 11530 公斤 x 1/3 = 3921 公斤 3921 公斤 / 台灣人一天葉菜配給量 102 公克 每天浪費 38,000 人葉菜攝取量！ by 做菜 Perfect Vegetables 影片拍攝到的這一段有點諷刺： 大媽/大伯這麼說著： 台北人就是不怕農藥， 毒不死呀！ 你不知道喔！ 那個菜只要有一點蟲咬到，就不吃了。 其實那種的，才是最安全的。 ...

把一種技藝做到花開蝶舞般自然天成，世上無人能模仿、無人能超越，可以稱為「神」。 擁有神技，不私藏、不私傳，秘方任人取用，那是「神中之神」。 拉麵的神中之神 郝廣才 先生是這麼形容山岸一雄 先生的。 和一般人（不）一樣，平常的上班時間，我是不太在意吃什麼的，不管是早餐還是午餐， 只要大致健康，衛生乾淨，能提供飽足感，就是我的一頓飯。 所以要我吃個一兩個月一模一樣的饅頭夾蛋當早餐，是可以的。 或者更精確的說，是不討厭的。 這種懶人不動腦的飲食習慣，出差時其實也適用。 出差到東京時，由於早上下午都有滿滿的會議要開或準備， 加上又常常到最後一刻都還在調整腦袋裏的東西， 所以方便又迅速的丼飯、炸豬排、炸天婦羅……等，就是我最常吃的出差間飲食了。 喔，對了，忘了還有一樣，那就是拉麵（蕎麥麵/烏龍麵/沾麵）。 有天，很意外的在電視上看到[拉麵之神][3]， 講述一位發明了沾麵的先生， 他是如何的堅守崗位在煮麵賣麵這擋子事， 無私的分享他的祕方給別人， 完全不介意別人使用與他一模一樣招牌開的麵店， 一直到最後…… 在最近的一次東京出差，意外發現到就在開會的辦公室旁，在一個不太起眼的角落， 開著這麼一家「大勝軒」，主打著山岸一雄最後的弟子所開的店 ， 我就這麼推了門進去吃了。 邊吃的當下，邊想到一些紀錄片的片斷，有種不可思議感。 距離看到這一部紀錄片的時間，應該不到一個月吧，有種不真實感，但吃在嘴裏的麵條倒是貨真價實的！ 對了，山岸先生是在 2015 年 4 月 1 日去逝的，剛好就是完完整整的三年前。 如果你有機會經過涉谷，推薦去吃吃看大勝軒，感受一點職人的堅持。 如果你想看到這部紀錄片，可以試試 [CNEX][3] 看看，也許運氣好，就看到了 :)

2007 年，蘋果電腦向我們介紹了一款，（再次）影響了整個世界的產品：iPhone。 它原來只是一隻有著觸控螢幕、App Store 以及日後變出來的成千上萬的 apps 的“手機“。 它的出現，的確大大改變了整個世界，但這一篇的重點不是它 ;p 但是就在距今差不多 20 年前，有一位先生就已經在一本雜誌上頭，預言了智慧手機的出現。 更驚人的是，他還預言了它的大小、功能甚至是硬體規格。 I’ve got a cell phone, a pocket organizer, a beeper, a calculator, a digital camera, a pocket tape recorder, a music player and somewhere around here, I used to have a color television, … It will be a box less than an inch thick and smaller than a deck of cards. 最讓我感到不可思議的是，在他那麼短短只有一頁的篇幅裏頭，用以下面這麼一段來收尾： I call this device a Personal Information Telecommunications Agent, or Pita for short. The acronym also can stand for Pain In The Ass, which it is equally likely to be, because having all that connectivity is going to destroy what’s left of everyone’s privacy." 他直接預言了未來的人類將會因為這麼一隻小小的智慧手機而失去個人隱私， 而這個世界也的確就是這麼進行著！ 看看最近 Cambridge Analytica 讓 Facebook 被搞得多麼的灰頭土臉的， 不正是個資問題嗎！ 這位專欄作家同時也是一位科幻小說家， 雨果獎及星雲獎同時得獎者之一 ， 我的火星小孩 這部電影就是根據他的小說翻拍的。 喔，對了！他還擔任過 Star Trek 其中一集的編劇過。 他叫 David Gerrold ！

Tech buzzwords explained: AI—regression Big data—data Blockchain—database Algorithm—automated decision-making Cloud—Internet Crypto—cryptocurrency Dark web—Onion service Data science—statistics done by nonstatisticians Disruption—competition Viral—popular IoT—malware-ready device https://x.com/random_walker/status/976836626121977858

2014/04/14 What I did: interview lots of trac tickets on the 4th day meet teammates form a team, content platform, inspired/borrowed from Netflix propose streaming solution, DASH, ffmpeg, Bento4, GPAC meetings with KDDI, enjoy the business trip to Tokyo sponsor PyCon APAC 2014 as gold member, as a sponsorship chairperson What I learnt: software industry is totally different than you thought, no matter you’re from different industry or the same one. lots of things is proceeding, just like WIP! when you’re lucky to cowork deeper with one engineer, do it hardly and completely. team building from scratch is tough, and there is no dream team initially. studying documents, ppt and excel, from Japanese is a task to learn. try get used to it! be humble when you’re the first Python developer/evangelist in the team or even the whole company. What I enjoyed: ...