以前读书大概是这样的：读纸质书时，就只是读，觉得特别好或者重要的地方，手机拍张照；读电子书时，重要的地方会用手滑动下划线一下。整本书读完，如果感触比较深，或者心血来潮，写篇读后感。写读后感算是一种复盘，除了记下要点，也会产生一些新的想法，比没写读后感的那些书学习留存率还是要高些。
太长不看版： 这篇文章探讨了学习如何学习的能力，也称为元学习。与传统的机器学习不同，元学习的目标是学习一个相似度函数，而不是学习特定任务的规律。这种方法可以大大提高学习效率，并且可以跨任务或领域。作者还分享了他教女儿学习不确定性概念的经历，并探讨了ChatGPT的革命性，它具有跨任务，跨领域的通用能力，这也是元学习的一种应用。
最近每天打开头条，里面一半以上的内容是关于ChatGPT的， 有讲基础原理的，有视频讲如何用来写博客赚钱的，有说如何开启了AIGC时代的。朋友圈里面Monica小姐的podcast邀请各路researcher，PM和投资人讨论Large Language Model
Reddit上面总是有好东西，既papersWithCode.com之后，最近发现了一个超级给力的research利器：connectedpapers.com。 通常在读完一篇paper之后，想知道相关的paper有什么。或者研究一个领域，想一下子纵览这个领域主要的paper有哪些。传统方法除了google scholar里面关键字搜索，按照年份和citation次数筛选之外，通常是看cite的paper或者读一些survey paper，但是cite的有些paper和original
因为对足球的酷爱，同时作为一个机器学习的从业者，业余时间开发了一款自动生成足球视频集锦的应用（包括网页版，Windows客户端，MacOS客户端）。
最近业余时间想做一些computer vision各个研究方向的总结整理，有了paperwithcode.com这么好的网站（把CV各个研究方向的sub任务，每个任务state-of-the-art的算法paper和code都整理好了），就想把这些研究方向再归类一下，正好用上2020 CVPR topic list，通过以下方法，绘制成一张全景图。 以CVPR里面paper
前天就在facebook上和一些新闻网站看到以”Telsa AutoPilot keeps impressing its owners with software updates”等为标题的文章和用户上传的新AP下优秀表现的视频，就迫不及待等待被push的版本更新了，昨天午饭时间app收到提醒，果断下楼更新，火锅吃完后更新完毕，今天上班体验了一下，果然非常惊艳。 此次版本为（2018.10.04），Release
因为自己PhD从事Computer Vision (CV) 的研究，同时也是足球重度爱好者，最近萌生了一个用计算机视觉来提高足球战术的想法。想法还在初级阶段，但觉得很有趣而且潜在很有应用价值，写出来和有兴趣的朋友一起探讨。 首先，以目前CV中的object tracking，对于一场摄像角度和清晰度较好的比赛录像，real-time
虽然之前也知道有效的学习必须是一个闭环的过程，不过直到最近又听到闭环这个词并结合自身体验才愈加觉得闭环的重要性。 一个有效的学习过程应该是：从输入，输出，反馈，再到输入，输出，反馈的一个闭环过程。
The course I’ve taught in the past: Part I: Intro. to Deep Learning: Machine Learning Part 2: Deep Learning Advancement: Algorithm and Application