这本书是为了凑单而买的，也想看看这些国外的数学普及读本，开拓一下少儿数学教学的思路。
书中涉及的内容并不多，而且教得也不够深入。倒是很多篇幅落在如何设计一些加强记忆公式的教具上，有点囧。
也发现连公式都有写错的地方。
无妨，还是看完了。参考书目及相关链接比书内容本身更有参考价值。
分类目录归档：Reading…………
《日本的新中产阶级》
终于在暑期旅行的往返高铁上把这本书的后半部分读完了。自从读傅高义的《日本第一》以来，一直对傅高义的著作很感兴趣，算是一种第三者的现代解析的角度去看待离我们如此近的东亚国家。
《日新》这本书主体部分虽然成书于六十年代，但一方面比较了战后二十年与战前日本的社会变化，比如传统的衰亡；另一方面，作者和他前妻在后面的数十年里面又有对日本的持续观察和记录，书中有部分概述，而日本第一又补充了相当多的内容；再有就是作为读者的中国人，最近的二三十年里对日本的了解。这些知识互相对应，无疑补全了日本明治以来的社会／传统／追求上的变迁历程。
继续阅读穿越债务危机
浮光掠影地看完了达利欧的这本知名的书。
当今的人，在自己并不通透的领域上，比如债务危机、萧条、衰退、经济周期等等似是而非的名词中，反而愿意迷信（中性）这位资深的基金管理人的意见。
至少是值得一看的。
继续阅读智能商业和视觉智能专场
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……
类脑计算专场
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5G & AIoT的专场
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。
继续阅读科大讯飞、京东、松鼠等的报告
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Portable MBA in Finance and Accounting
张大鹏：生物特征识别的新技术
张教授年龄也偏大了，他自己讲述的经历可以看出是经过几十年学术生涯的，也看到不少生物特征识别技术的前世今生。
文章链接：http://www.sohu.com/a/327559671_720705
80~85，哈工大博士
85~88，清华博士后
88~95，Waterloo，第二个博士学位
95~，到香港，CUHK。（中文大学目前影响力及水平已经超过港大，港大很大程度上政治气氛过于浓厚，而学术上固步自封）
张教授出书很多。
指纹、人脸、虹膜在他看来都有各自的缺点，近年选择的方向是掌纹。然后就是从掌纹出发，再到中医的望闻问切，也使用生物识别的方式进行工业化。
比如舌像、气味、脉象等分别通过CV、气味传感器、触觉感知等方式进行数据采集，上架设各种分析平台。不过也直到最近两年才有相关的paper发出。听起来很niche的方向。
再说到平均脸的问题，以平均脸的理论去推导机器的人脸审美……
怎么说呢，生物识别离开了最一般的用法——身份识别，走向其他的领域，比如疾病预警/识别/诊断，智能审美等，总觉得怪怪的。