Problem-oriented - method adherence, enable feedback directed + 耐性

今天终于把time series 的方法 + data + framework都匹配上了。

算是第一个sprint。

想一想前面怎么搞了那么久的time series.

1. 其实这个topic牵扯的东西挺多的

- arima: 各种不同的 arima, i, acf, pacf

- lstm, convlstm: 输入的格式

- residual: 需要分析

- multivariate, multistep: lstm+ arima+其他算法怎么弄

- cross validation

他自身自成一格

2. 一开始的时候不是code-directed学习

3. 一开始的时候没有problem-directed 学习 - 客户没给data, problem - 需要了解其他人的问题来解决。

---

其实那么快能fixate, 原因在于

- data有了

- problem清晰了

----

所以学习一样东西，必须给自己一个问题，

这样所有的方法才有依附的东西，

而且有feedback-oriented的学习，

这样其实效率更高。

----

当然你可以先给自己一个问题

感觉解决不了

你就换个问题

不要停在那里

要不这就是没效率。

----

另外 一个新领域是需要时间的

要有耐性 不要操之过急

主要是一心一意的在一个领域上解决问题。

Conciseness - Quiz like thinking （精学） + 自发式学系.

公司有一些课，最后都会有一些quiz
我呢 之前都是一一把东西看个遍 - 觉得难得的学习机会。
现在呢，我就是只做quiz, quiz 问到的东西再去看 - 其实间中也学到东西，但是目的就是赶紧弄完。

可想而知，我做quiz上下不上十五分钟，如果我要仔细看课程，估计要4-5小时。剩下的时间不是一点点。

那换算的现实生活中，其实你大可不需要学很多知识。宁可少学，从project中学习。就学那些你会用到的。比如data science, 除了像pandas这种你需要很大的了解，大部分知识都可以需要时再学习。

另外，今天开始做lstm时，我从来没有发现
1. training error 比 test error 高 - 因为dropout的原因。
2. 单单lstm feed的不是太好。
3. lstm 里error function特别重要。如果overfitting>underfitting 那么你就要选一个适当的error function来往这个方向推进。

你可以看到，自发性的解决问题，你会发现一些特别的性质，知道会出现的问题，和相应的解决方法。这些单凭被动性的学习是无法了解到的。

所以比较好的方法是 -
自发性学习 - 然后呢知道缺少哪些知识，agile-based 的搞懂；
精学 - agile-based 的围绕你的问题往外搞懂，因为你没有无限多的时间。

Toastmaster Revisiting

- 感觉不去Toastmasters两个月，某人开始不愿上台，有点紧张，但是得来的技术并没有失去。
我自己呢，感觉开始在自我介绍时有点小不适应，过了一会儿在table topic，没人说太多pause filler, 不够smooth, 然后evaluation的时候直接把问题解决，然后剩下content organization不够好。这是个很好让自己学习 去failed的地方 更重要的是你重复的在这种演讲环境下 有助于你在工作环境中更好的使用这些技巧。还是应该常常去的。

- 网球打的有点感觉了，需要好好的训练下。

放轻松

总算有了初步的data 

把前面准备好的time series东西都倒到里面去

下面有一个东西需要捣鼓的 （怎么把这些东西两天搞定）

- accuracy of time series (2-day)

- metrics (2-day)

- nlu preparation (next week)

还有下面两个 （想好怎么说）

- aus+cal stay (Sunday think)

- china stay (Sunday think)

其实我感觉我应该学习的是不要fixate一样东西

没有什么东西是很重要的

需要放轻松。

generalizable - template thinking

其实很多时候 你听了演讲 ；
演讲本身 如果只是听 并不能generalizable。

但是 你用演讲后面可重用的template,替换承你自己的content，该template 就是generalizable的。别人的成功，整体是不可复制。但是如果你和你context不匹配的部分，变成template, 塞进你context, 就是generalizable的。

就像:
https://medium.dave-bailey.com/how-to-perfectly-capture-your-customers-need-c924e3209484
这种template.

几个keyword:
context, template, action.

跑步

感觉原来跑步机跑到的脚养感
其实也是跑步机上才会有
因为强烈震动的原因
今天终于又跑了个7.x 公里
满足了运动量

---
time series感觉怎么看都看不完
感觉需要给它一个界限
就是明天把best lstm 和 dcmm看懂
再来把所有的model 做一个common input 输入
放入CV处理。
最后要搞懂的是metrics
===
其他还要关注的就是
external data 和market basket
===
再者还有看bert
----

adversarial robustness toolbox 也要赶紧看开来 - 下个礼拜中开始。

code-directed

今天把3/5 的time series 的东西都记录了
明天把剩下的2/5 看一下

今天主要是复习了numpy, 了解了lstm 和把server 上的一些package装了下。
明天把剩下的东西看一下。
其实code-directed 学习往往是最好的。


---
后面expvis，
最简易的方法莫过于从ibm的code下手，
找内部人合作。

LY可以谈一下。
- project for industry
- bring in industry expertise
- individual effort in contributing
---
nlu 的话可以简单过一下bert 的方法然后document
watson assistant可以prebuild, or on record just in case
---