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。。。