Good Product Feeling

Sublime Text and WinSCP gives me good product feeling

Overall
1. Simple
2. Fast
3. Constant Feedback to user
4. Reliable (not hang)

Sublime Text
1. No redundant procedure
Once save the configuration, it is used immediately
2. Feedback
When open a big file, it gives feedback the process of opening
3. No delay
There is no hanging-effect for all  operations performed

WinSCP
1. When dragging files to a folder with UI, it performs immediately (not go to your temp folder, and go up again).
2. It provides convenient feature such as bookmark the location

两家公司的不同

1.
A - very aggressive;
I - not agressive, 一硬一软法，CEO very like salesperson.

2.
A - very disciplined on meeting time;
I - not discipline, cancel, moving time, or not punctual

3.
A - result-oriented, human are resources
I - people and result oriented.
People - will cater for your need, boss is humble, polite

4.
A - Everything by rule
I - Very flexible, not bound by rule

5.
A - Simplification of work, no R at all
I - Deadline oriented, hope to do R, but no time

6.
A - Engineering work mostly simple
I - Interesting engineering work

第三个礼拜

我和老板提了两个要求，我发现他和我之前的老板挺像。
和她说了technology，她基本就点头，不深究。
和她提要求，就比如work outside company, 和buy computer 她都会很体贴答应。


HR也是挺棒的
1. Mac docker隔天买到。
2. 基本提的要求都会被列入考虑 - air-purifier, buy mac computer。
3. 而且挺有耐性。

第四天

终于坚持到了第四天了

第二第三天有点想放弃了
因为找不到 再windows 里对应的app
尤其是RoboTask

现在找到了
Quicksilver

找到了所有apps

最重要是发现了macs 的美好
比如
1. 容易操作 界面完美
2. good mobile integration
3. notification 的界面很好

----
另外 NLU方面也开始懂得如何更具体的来时间一个系统了
学习中。

新公司第二天

公司 - 他们怎么和siri等竞争
- 他们主要target business客户，为他们either制造business use cases, or 打造一款为business设计的app
- 现在也打算把产品放到siri

老板 - 他怎么给人有charming的感觉
- 很体贴员工，设身处地为她们着想

----

另外也要说的是，我坚持用mac第二天啦！
我觉得一直坚持下去

杂记

前面那个post 二-三个月前 说的是我的interview technical 问题；
天知道我就进了那家公司了。
果然是idea无用，做出来才有用啊，哪怕就是一个礼拜，现学现卖不perfect，总比不做好太多。

deadline 真是太太太重要鸟。

---

最近一直都没发帖，因为感觉写的都是自我反省、励志贴。但是本博客的名为心灵物语，除了说的比较深奥出世的哲理，也探讨着自我入世的反省，所以还没真正跑题。写着写着发现也就六年了，时间过得挺快。

---

记录下这一年来在工业界的点点滴滴吧。

对于搞懂
我感觉上班一个月，感觉自己什么都懂了。老板的性格，公司的前景。三个月就想跳槽。上班六个月后，我发现并没有了解全部。很多摆在表面的东西，原来我并没有完全搞懂懂，不如为什么support F1, 公司的难题总总。就好像自己小时候觉得什么都懂一样，长大了发现很多事情并不是看上去那般。这些比较semantically deep 的东西，大概6-9个月搞懂。
接着，我也没再搞懂什么新的东西了。

对于工作方式
这个公司的人都需要push，老板比较aggressive, 于是乎我也到处push around拿到成果。但是这对我并不是什么新鲜事，就只是增加了我在这方面的运用。research work 尽量simplify, complete in a reasonable/acceptable way。学会更realistic 的去制定一个project，比如限定project 范围，减少不确定性，这点学术界是学不到的 - 学术界是需要不确定性的来发文章的。

对于新知识
这一年由于空闲，学了许多东西
1. forex, stock, options
2. docker, tensorflow, deeplearning, d3.js, angular.js，NLP, backup methodologies.
3. 公司里: marketing/branding的重要性，各种management方法，
还有就是regularly gym.

对于尚未完成
一系列的courses.

----

记录下自己
1. 感觉脑子不够专一，需要多练练自己的专一。
2. 太紧了，想要的太多，却一样也没做出来。放松，减少，with deadline。

----

明年的期望
1. 把 courses 弄完
2. 把 machine learning 知识深化

不做不知 有deadline让人更实际点

这礼拜要做一个twitter 的topic modeling
于是乎就先把translation part 搞好了
本来以为 LDA 会给我一个好的results, 后来发现了好几个问题
1. 学出来一开始是一推标点符号，把它们去掉之后，又是一堆常见字想"like"什么的
2. 后来去读文章，发现人家七年早就碰过这些问题了，我竟然还build了一堆东西，看了一堆往上articles..

幸运的是这是个有deadline的项目，没有的话我早就深究那些bug了（当时心里想我用trial and error 的方法solve bug是不是太naive），如果深究，我也发现不了现在的问题，等到最后接近deadline的一刻，估计纠正也来不及了。

如皋葬礼

这个东西有些人比较忌讳，但是我觉得是个很现实的东西，所以写了开来。

这里的葬礼相比新马算简单了，新马是守丧七天，七天火化放骨灰塔，或者土葬。

这里三天火化，三天下葬。
火化当天，儿子女儿，孙子外孙 穿白色。
依着不同的性别，带不同的帽子。
儿子老婆孙子要带一个特殊的腰带。
孙子外孙孩子带红色帽子。
然后呢 就是各种仪式像哭丧
然后请人吃饭。
这里还注意花圈，花圈挺大。
但是守丧只有在第六天才有。

时间到了，就去火化场。
路上扔纸巾，但是很少。
到了之后，有就是追悼会。
有镇长说话，有儿女代表说话。
然后绕议题一圈，这里又丢酒钱的习惯。
接着就火化。
火化后，骨灰放在一个貌似棺材的骨灰坛里。
这里还有另一个文化，就是火葬场买的东西不能带回家。
于是他们吧装着骨灰的棺材带回去，准备第七天下葬。

火化后(第二天）到第七天，这里有人来修坟，一般农村的人都会把坟放在自家或者附近。这个也和新马打不同，新马一般有固定的地方放置这些，阴人和阳人住处分的比较开。

回去后，这里的人说，如果住在这里，要连续七天都住。
于是我们第二天回去，住了第三、四天在外婆家，第五天回mm家，第六天回来住。
原因是第六天需要儿子女儿守丧一天。

这里的人注意每七天的仪式，一直到四十九天。
每七天不同的人负责。

现在是第六天记一下所见所闻。

----

我觉得 这个葬礼仪式· 主要是给大家一种心理上面一种慰藉。一般人华人带有的看法是：死者东西要带走，要办的风光体面，要按照仪式来走。这样也好，大家心理有个谱。至于有没有实际意义，我觉得心理层面意义大点。佛教来说，死亡是人生最重要的时候。如皋这个地方大家在人死前也尽量是表现的愉快，避开这个话题，会让将死之人有种孤独感。可能去正视，去做些死前功课，可以让自己更有目标、少些孤独吧。

一些人会觉得永远再也看不见死者，会想着当年的事情，觉得难过。我觉得这个倒是可以换个想，这人不在也是一个必然会到达的时候，是一种正常现象，只是很多人觉得不愿意去想，其实活在现在接受这种必然现象就好。就好像太阳东升之时，你肯定也知道必有西落之时，西落了夜晚来了接受它变好。确实太阳东升过，那是正常，太阳西下了，也是正常。

11 June 2017 - 26 June 2017

中间没干什么，原因是 处理一些mm 外公去世的事情
12 June 得知消息，回去看看Trade，后来也没剩多少时间
13 June 得知mm外公去世，回去做了写功课
14 June 貌似回去也没做什么
14 June - 15 June 非中国+火化仪式，晚上貌似挺累了。
16June-18 June 这几天其实是全天有空的 但是来到外婆家就懈怠了，感觉在这里就想多睡点。于是乎16 June大部分是睡觉时间，17June也是，18 June回如皋家去，这一天稍“勤劳”看了一下电视 楚乔传 第三集看到了第八集
19 June 终于回归正传了，先写下博客，后面就来工作。

前七天是废了，需要每天给自己规定mininium working hours, 每天都要进步,

20June 看电视 睡觉 偶尔搞下
21June 看电视 睡觉
22June 上班 晚- 加班
23June 上班 晚-看电影 (看到了18集，厉害吧）
24June-25June Kukup + 看点algorithm
26June - 早-把algo整理下 午到现在 软看下


经验是
mm家不适合频用网路工作，但是像algorithm看视频倒是可以的。
需要把这个东西优先 放在后面永远完不成
紧急的东西后弄，重要的东西先弄，紧急的自然会完成。

专一 - Tensorflow

发现自己有个问题，就是心太大，而且好奇心太重，以至于什么都想尝试下。

为了督促自己，决定公开自己在干嘛。目标和结果做一下对比。

想一想，自己效率最高就是有个deadline， 然后往deadline 冲的时候。

最近想学的是 Tensorflow，目标是在两个星期学习基础。

今日目标

- 把Tensorflow Tutorial 里的Getting Started的程序都run一遍，并基本明白。


今日完成目标
- 把 udacity 的deep learning 看了一篇，发现里面的assignment 比较好的概括了所有的该学的东西。对于理论是概括，对于实践的经验讲的不少，是个practitioner 类的课程，感觉挺合适的。于是乎，明日目标改成把udacity里 deep learning 的习题做一遍。接着做做其他题目来学习。


提醒下自己
- 横向学习，知识用到时才去学习，不要把基础知识花一个月看一遍，更重要是积累实践的经验
- 不要转移注意力到别的地方去，就只是学会Tensorflow
- 目标要清晰，多大的事也不能转移
- 不要急工近利，也不要只顾学习

也不是Tensorflow特别了不起，就只是一种自我训练。

Human Trading

发现 Human Trading 有些好处和坏处

好处
1. 培养盘感
2. 培养对各种盲点的关注，迷思的破解
3. 培养心理素质
4. 培养对各种factors向 news的关注



坏处
1. 耗时间 - 老要盯着，而且脑子也会对candle"使力气", 时间精力耗费大。
2. 容易受情绪影响
3. 关键时候不能老是盯着
4. 不能做整体分析
5. 不能确定策略的获利性
6. Stop Loss (fear) 和 Take Profit (greedy)有时回收情绪影响
7. 赢得和熟的有时就trade off了










另外
2. Momentum本身其实不靠谱
3. 前面的大趋势其实很有用

此路难行

前面说到C# 后来决定用 metatrader 因为C#太难用。

感觉这个trading的精力一波三折，而且耗时间，于是决定不搞了，赚了又亏，亏了又赚， 赚了有亏，于是决定放弃了，搞些靠谱点的事情。

记一下过程
1. 去VIC 认识Kelvin - 买了Kelvin的课程
2. 买了algotrading 的课程
3. 买了各种copy trading - Kelvin + Dilong
4. 各种编程


总结一下
17->12 -> 19 -> 8.2 -> 6.7 -> 8.5 -> 6.5

1. 搞了四五个月，学了很多，放进的effort 很多，回报却有可能是负的；
2. 这个过程会一直一样，因为赌的越大，亏的也会越大。

想搞一些有这样特质的
1. 越搞越轻松 - 就是不断的投入会变成成倍的回报
2. 投入和回报是有挂钩的

思考思考下。

工作八个月

看来是一项不可能的任务。。原来就是自己开始的不适应。
有人一国去了澳洲，两年内不适应，两年后不想回国。
有人一国去了美国，一开始不适应，后来不想回国。

自己也一样，现在是适应了，知道游刃了，于是不想回学术界。
有退路是好事，但是别想着，要破斧沉舟，方有看见另一片天地的可能。

编程ing

作为一个程序员，要开始今年度有可能最有意义的编程，希望编程顺利，记一下！

寻寻觅觅

找tool
我最近在找一个tool,希望能用C#编程。
记录一下从自己搜寻一个tool的过程，从而了解这些tool或者开发者到底需要怎么样吸引大众。


第一个，Google 搜寻 - 就搜了"C# xx tool", 搜到了一些, ToolC, TooN, ToolM.

第二个，YouTube视频- 发现ToolC 的界面好，但是视频少。ToolN的界面差些，但是视频多，但是找不到自己要的视频，每个视频也很长。ToolM 就只是在Google 上做广告，实际内容不多。

第三个，下trial来试, 于是决定要不就ToolC,要不就ToolN. ToolM吹嘘成分居多。
再仔细看看视频，往上搜一下他们是怎么achieve一些任务的。
于是决定了用ToolM，因为感觉功能比较强大，用户多。就是担心了一点，他们多久了，support好不。


第四个，而且forum的support相当的专业-及时 和 都把问题解决了。Google都是google 到网站上的问题。


一二四是非功能，三是功能。


ToolM不好的是
1. 我觉得他们应该在stackoverflow回答问题。
2. Support service broker 太少
3. 界面不好看
4. 用过的人不多


总体来说，我觉得一个tool的manual, youtube视频（短而精），supports (forum)很重要，别人的评论，用户多少。当然功能(free trial)也很重要。最好还有一些free stuff这也算是marketing的一部分。




找服务

决定使用ToolN，另一个问题来了，能与这个tool接壤的服务并不多。

第一个Partnership - 想到的是不是能够不用这个toolM, 答案是不行，太强大了。
第二个Google 搜寻 - 是上网搜<服务 review>看看别人的评价,问问朋友评价。
第三个客服 - 是和客服沟通。有live 客服的优先选择。
第四个是功能 - 看看价格，看看使用服务进款退款的简易度，看看reliable不（会不会吃掉钱- 主要从review吧）。
第五个是有木有free trial。


一二是非功能（第一个是partnership），四、五是功能。第三项是功能+非功能。

identify 了好几个service,于是选了serviceF,原因是
1. configuration 简单 - 在toolM 上
2. 历史悠久
3. 朋友用过
4. 有free trial
5. 用过他们家的tool, 好用

serviceF不好的事
1. 没有live 客服
2. 网上有些不好评论


这个过程中发现，功能占了1/4，非功能占了3/4。怪不得公司把很多的人都放在了marketing，sales部分，真的真的很重要。

另外toolM 和serviceF都有不好的地方，但是他们真正解决了我的痛点；再来能让我有信心。

磕磕撞撞

我感觉目前是学习过程中磕磕撞撞最是严重的阶段了。
现在是看完课程的两个月。
于是乎 动手的时候都是靠感觉 不靠概率
于是乎 损失惨重 跌回谷底。
以后再也没有靠感觉这回事，就算靠感觉，也要概率验证。

发现工作后时间变多了，但是update blog的频率倒是没有增加。
可能多出来的时间都用在感兴趣的事情方面吧。
回想当初博士、博后朝九晚十， 太忙碌了。
写博客 就变成了写paper的前奏，处理思绪- 也顺便记录下生活点滴体会。
现在就全剩后者了。

回想一下磕磕撞撞最严重的就是中学阶段了。
努力一件事情，直到第六年才有起色。。就是连续失败了五年。
不过我觉得这段经历是好的，虽然得不到想得到的，但是磨练了心智。
棒棒滴！

start small, grow fast

或说上个月看完书后，对于相对应知识多加练习，每每都是损失了好多来学一个新知识。后来看见mm都是在损失少的情况下学新知。。忽然理解到start small, grow fast 的重要性。

start small 能纠正错误，损失量少。
grow fast 能将获得验证的系统迅速得到最大利益


如果start fast, 损失大的概率是很大的。现在是深切了解了。

其实最前面还有一条是think big. 这个也挺重要，这是一个大目标，start small, grow fast 是完成的方式。

万事起头难 起头了就不难

1. 上班六个月了 现在对于公司的总总 及老板要求等都更能掌控了 于是乎能够更合理有效的安排时间取得相对应的结果。
2. 现在到gym里去休息 感觉可能是习惯了的原因，睡得更好。

前面的几个月的公司经验，都是一下就能学习到的。现在的经验，是需要时间的积累才能透彻了解 - 比如老板要求，公司的要求，要怎么做才能达到最好效果。 这些积累的方式 是通过 老板KPI提的review, 中间meeting的互动，与现有同事和hr的互动，最后总裁town hall meeting这样一层层累积下来的。

怪不得一个银行的高级主管和我说要花半年到一年来了解一个公司和熟悉自己的task。有些东西还是需要时间积累的。

看完课程啦

网上买了一套Forex教材，记得25 Dec买的。

(chpt 1-8)
本来预计是中午吃饭的时间每天看一点于是中间短短续续，有时工作忙，有时其他杂事处理，估计1/4的休息时间有机会吧。

(chpt 8-17)
然后3 Feb到中国呆了10天，然后在mm家，再上海到南京路上，在mm姐家，飞机上；
这些时间有一堆是整的3-4小时，但是没有一整天看的机会。发现到了后面课程变比较多。

(chp17-18)
后来11 Feb到台湾飞机上，高铁上，路上，旅店里都分秒必争的看。

(chp17- chp19)
昨天一整天都在看。

(chp 20-28)
今天再看 [后面的分量比较少]

终于看完了。花了两个月，分了四个阶段。不简单啊!
本来预计每天看一点，一星期看一章，这个计划太不切实际了，到后面一星期根本看不了一章，这种看法要花上一年都不止。
抓紧各种时间来看才有可能。

----

但是看完了只完成长征的10%，后面要学习的路途依旧长着。

Practionist vs Idealist

刚刚把data science的流程都走了一遍，于是意会到真正的问题在于feature.

现在 （Practionist - 经历了一个月吧）:
1. features - 但是又有无数多种可能来做feature engineering, tranform (log transform), binning (把类似的feature combine 一起）, extract (从一个feature中抽取更细化的,更predictive的features),
搭个testing framework做指标还是挺重要的。
2. Speed - 还有machine learning 的training速度，这才一会到GPU的重要性。

从前 （Idealist - 经历了一、两年年吧）:
1. 想要了解ML algorithm希望能帮着增强ML能力；
2. 各种新知识的学 （后来发现要能用得上，用起来，不是件容易的是）

---
另外，听了一个关于opencv的talk,发现一个作者对于各种算法都听懂得运用，但是它就只是自己做个assignment来学习，遇到难点才寻找必要的tool。
他就只用了断断续续一个月的时间，就学了我好久以来才学清的。
追根究底，我是Idealist形的， 懂的东西局限在textbook， 学了大部分没用， 需要时有用的部分也用不上手。
他是Practionist形的，不懂的去找，可以是textbook内，可以是textbook外，懂的用，学的也有用。我感觉他很懒，但是work smart。

--

我发现我有两个地方是practionist，一个是latex的运用，一个是genetic algorithm的运用
两者都是看了一下简短的example,然后一直在用。遇到问题就去请教问问。
如果你问我深一点的latex,或者genetic algorithm的各种theoretical 问题，我可能不在行。

但是，所有的papers都是用latex弄出来的，而且genetic algorithm也发了好多的papers.
会用才是王道。


总结
----
1. 不需要把课程看完 (less idealist)，但是需要把project搞起来 (more practionist)。
- 了解什么是重要的
- 了解怎么用各种theoretical tools
2. project要有一定目标，争取iterative实现，不要完美主义。
3. 专注在几个点上，争取变成expert, 从practionist上。

工作五个月

1. 现在对于自己的工作KPI，老板的需求和公司的运作有了更深一层的认识。
2. 这样的好处是，看得更清楚，方便自己planning。
3. 但是另一方面，也不能太专注于这些，而忘了其他重要及长远的，比如和同事间的关系。

---
去到台湾拍了照片，发现摄影师很专业，知道怎么快速的策划，抓拍，让顾客笑（产生自然表情），让助理迅速布置任务（他们不用走，都用跑，而且布置超级快），所以所有的场景都能在八小时完成。拍成的作品也相当令人满意。据说摄影师助理做了六年，自己做了六年。就是说他跟在厉害的人后面六年，自己锻炼了六年。
---

4. 话说回来，发现自己一开始的工作，就是data analytics都没有突破性的发展。回头看看，要不就是被其他事情delay，要不就是自己投机不在意，感觉这是成不了气候的。于是乎狠下心来，逼自己必须在这方面有所长进，做到凡是看到任何data analytics 的东西都信心满满，不然自己也实在看不下去。。。

Data Analytics

最近在搞data analytics,真的有些东西只有自己搞了候才是真的把它弄懂了，不搞=不懂，或者不是真的懂。碰到很多问题，手上很多tools，一下弄懂哪个tools有用才是行家。

传言是data cleansing 需要最大effort,发现果真如此。

对于missing data, 我们要

a.       throw it,

b.       or if it is categorical datafill it with appropriate value (e.g.,sampling using the frequency)

c.       or if it is numeric data, we can use medium, mode, or random sampling value using values between  (mean-std, mean+ std)

对于过多的categorical data, get_dummies后会有很多data 需要分析，对于这点，我们可以

a.       Partition it, 比如 i7和i5 速度上差不多，我们可以partition 成快， Pentium 成慢.

就搞了三四天，还有很多要慢慢学习的。