开始系统学习一些machine learning工程性质的东西，发现这个Jupyter Notebook真是一个颇为神器的玩意。适合用来编写跟Python相关技术教材。
也许过去十多年接触的Python，都是断断续续，把它当成一个普通的script language，想着写着，就python调用一下，导致这么多年在Python上好像一点长进都没有。当然了，如果应用上就是一个script language，那是无所谓的。
然而，如今Python如日中天，大量的前沿学术、工程均使用py的情况下，再低看它就变得不再合适了。
说回Jupyter，同样的概念应用于其他的script language也应该适合，只是在AI方面，大量的代码如果缺乏文本的描述，则晦涩难懂，而随时修改输入输出又是AI程序调试的刚需，所以Jupyter这个概念就在AI应用最多的Python语言上得以壮大。
最近看了一下Fuchsia的一些介绍，以及一些评论。
操作系统领域的沉淀知识实在是太多太复杂了，以至于绝大多数的人都是在盲人摸象一样在给予自己所熟知领域上的评论。
这篇通篇的大论，其实内容还是很丰富的。
只是连名称都拼错，未免让人对其内容的有效性产生怀疑。
Fuchsia一方面是为了破除Linux内核对Android发展的限制，另一方面则是想把IoT的OS和智能OS——Android能产生一个有效的统一。后面这个也是鸿蒙希望做到的。鸿蒙也是抄Fuchsia，这基本上没什么疑问的事情，就看鸿蒙做成功了还是Fuchsia做成功了。
兼容性和安全隔离同时考虑了。
操作系统发展了这么多年，新的总是宣称用一个大统一的形象来覆盖旧的分歧。比如Windows的COM/COM+，Linux的文件系统等。
Fuchsia由于Google在Android和ChromeOS后拥有了强大的操作系统专家和团队，并且又有整个生态的支持，要发起革命，至少在能力上已经足够了。
阻力只能来源于内部，包括Android本身。
我认为只要不封杀华为，鸿蒙是起不来的。封杀华为，则鸿蒙有可能成为行业一霸，但不见得能叫板Google。
今天读完一篇paper。
《Toward Empirically Investigating Non-Functional Requirements of iOS Developers on Stack Overflow》
其工作是通过对Stack Overflow上的iOS开发相关的主题历史数据进行分析，得出iOS各个开发工具、子领域上对一些非功能性需求的重视程度、难度、关注等。
结果是，可用性最高，其次是可靠性，最弱的是性能和可移植性，而可维护性根本不重要。
继续阅读由于开始用Mac Mini办公，于是试用各种不一样的阅读软件。
试到了这一款叫Pocket的软件，可以支持多种操作系统。其原理是，你提交URL给它，它就会把相应的文章取下来，供你的多个设备进行阅读。
为什么特意说呢，因为，它取文章的过程，并不是使用安装该软件的终端的所在网络去提取的，而是……通过它的服务器去获取的。
继续阅读自从听了Heckman的讲座后，对如何加强对儿子的教育这个事情产生了不少的兴趣。
VIPKIDS里面的老师虽然也会跟CC讲一些数学的课程，但总体来说，即使是一周两节课，还是太少了。
于是找来了可汗学院的课程，既有视频也有题目，全英文的数学教学，让他从一年级开始学起……
CC也学得挺有兴趣，只是KA的网站在境外，偶尔连接还是有点略慢，但忍忍也是可以用的哦。
KA的app还可以调节语速，可以打开字幕，但我觉得并不是非常的重要。
一天看4～6个小节，坚持下去，看情况如何吧。
对父母来说，淡定真的很重要，不要跟别人比培训上花了多少钱和多少时间，自己努力把要学的东西学到手才是最重要的。
读完了James Heckman的paper《Fostering-and-Measuring-Skills-Improving-Cognitive-and-Non-Cognitive-Skills-to-Promote-Lifetime-Success》，总结一下。
理论将人的技能分为两类，分别是认知技能和非认知技能。
其中认知技能又分为：晶体智力和流体智力。晶体智力一旦习得则固化，而流体智力则随着年龄增长/衰老而变化，比如记忆力。
认知技能不在该论文中进行讨论。
Heckman关注的是非认知技能，用流行的Big Five概括，非认知技能在当前的语境中有如下的表达：
对经验的开放性、责任性、外向、合作能力、情绪稳定。
另外Heckman从paper中评点了心理学在这一领域上的弱势，过于依赖问卷/自评来进行数据采集。这样就导致两个问题：1.对于问题和词句的理解性偏差，2.答卷人主观偏差。
Heckman参考的programme及其跟踪，更多的选择客观数据进行统计，比如升学率、平均绩点、就业率、平均收入、犯罪率等等。
如果问我从中有什么可供操作的建议，我会说：
持之以恒的介入幼儿到中学的教育中，也许是教育科目，也许是兴趣爱好，但必须介入，确认其非认知技能的获得，对于这些科目或项目本身的成就，则随缘就好。
放弃夏令营，假期不如去旅行。
7月14日，已经是第三天了，感觉前两天的内容相当丰富，这一天打算换个角度看世界，基本上就没记什么笔记了，纯粹印象。
阿里巴巴来的是肖利华，清华的博后，看上去比较年轻，也比较的拽。因为迟到了，所以放在上午稍晚的位置讲，原本是第一个。
苏宁、阿里、京东、TCL、再到旷视、商汤、云从等等，无论是算法为主的，还是商业为主的，还是以产品为主的，都在打造自己企业的AI商业架构。
简单来说，就是数据层——框架层——应用层。
一般来说，数据层来自这些公司自身的业务，或者其客户；框架层是这些公司的算法团队或自研或引入的开源算法框架（无论软硬件）；应用层则是AI如何变现的尝试，有公司业务的创新，也有可能是附着之上的小创业团队，在这上面做文章。
从阿里的角度看，它提供了数据层+框架层+应用层（小创业团队），只需要传统行业将业务导入，将数据导入就可以了，这无疑也带来了传统行业的被绑架的忧虑。
其他的公司或多或少在这几层上进行折腾，但总的来说，AI框架层基本上都会掌握在自己手中进行进化。
从另一个角度看，AI框架层也许是整个生态中最低成本的投入了……
7月13日下午，本来想过去听一下AI芯片方面的报告的，结果看着类脑计算的美国院士陈世卿的名头，鬼使神差地在类脑计算这里坐了一个下午。
类脑计算，顾名思义，就是抛弃传统计算机/算法的数学思维模式，转为通过对生物/人脑的模仿去实现计算系统。
继续阅读CUHK的黄铠教授，IEEE Fellow，内容链接：https://www.chaoqi.net/xinchao/2019/0725/229409.html
将AIoT的应用缩减为SMACT的缩写，分别是Social （社交——用户）/ Mobile（移动通讯——连接）/ Analytics（分析）/ Cloud（云端——服务）/ IoT（物联网——感知）。
其中Cloud Computing现在又延伸出Fog以及Edge等领域，但其本质就是提供软件服务的。
继续阅读代表科大讯飞作报告的是李世鹏，副总裁，IEEE fellow。
报告在这里http://tech.ifeng.com/a/20190717/45611806_0.shtml
他把智能的级别分为六层：Notification——Computation——Perception——Cognition——Prediction——Decision
不同层级对目前计算机智能的知识范围要求都不一样：
继续阅读