碰騰-Information

  心得： 今年遇到很多焦慮的事情，工作(擔心過不了試用期等)、愛情(著急等待訊息等)上等等，我在網路上看到一篇文章的出處是此書「走出關係焦慮 擺脫負面自我」，立馬預約本書來讀。 本書分了很多不同篇章(親情、友情、愛情、職場等)的焦慮，你可以針對自己有興趣的部分去閱讀，每個篇章最後面也會帶領讀者去與內在對話 因為曾經接觸過催眠，所以知道自己只靠閱讀與內在對話，沒辦法深入其境，必須有人帶領才能真正走入內心，這部分我是跳過，我只想了解焦慮背後的原因。 這邊列出我在閱讀本書時，內心有共鳴、感觸的部分內容： 作者一開始先讓我們認識「焦慮」這件事： 容易焦慮的人，其實心靈存款有破洞，一直感受不到穩定的愛、安全感和自我價值。想擁有自信，不是讓自己拼命做來滿足他人，要回到自己身上，補起破洞，讓心靈存款開始累積。 「焦慮，其實是為了保護你」，保護我們在遇到真正危險前有所準備。 例如：有毒的焦慮中(如工作有責任感，扛起整個部門；覺得自己過不好，對生活有很多煩惱拼命賺錢等，但又達不到標準更覺得自己過不好)。 而我們為了掩蓋焦慮，或是空洞又空虛的迷茫感，可能暴飲暴食或瘋狂埋首工作，而出現另一種癮頭。 而作者也要我們去察覺自己腦袋中的思緒是甚麼：所有的事情都是我們腦子自己想出來的，因此你要先好好觀察自己的思想。檢視一下，你腦袋都在想甚麼，圍繞甚麼轉？這些就是有毒的焦慮關鍵，腦袋的思緒正在「用錯誤的方式詮釋現實」 那我們要如何判我們是否處於焦慮中，作者介紹了「容納之窗」，一個人面對壓力時，身心可承受的範圍。超過這個窗，就會有其他問題產生。可以觀察自己內心是屬於下列何種狀態： 過度激烈反應(超出容忍)：焦慮、攻擊、逃跑 容納之窗 (容忍範圍內)：放鬆、專心、有能力處理壓力 過低激發反映(低於容忍)：憂鬱、麻木、空虛 而面對焦慮，作者提點：與情緒同在，安頓散亂的心：情緒的存在，是讓你去「感受」，提醒你生命正發生一些事，要你去經歷。 當產生了「忌妒又羨慕的情緒」：感覺自己不足，便經常看見他人所擁有的一切。因為你沒有仔細審視自己所擁有的。自己認為所理所當然的事物，其實或許也是他人想擁有的。 當「自我」太多、太強、太弱、太雜，會升起許多煩惱和痛苦，阻礙我們去做真正想做的事情，或甚至眼前需要做好的事。 當有這種情緒時，可以重新將眼光放回自己，去挑選三件喜歡自己三項

【個人心得】 因為最近對AI有興趣，借了相關的書來看。 看完本書才知道，原來AI技術的發展，我們在享用科技服務時，背後也有許多不為人知的一面，忽略了背後所付出的代價， 例如跨國電力所製造的海洋電纜，已讓馬來西亞的橡膠樹從地球上消失殆盡。 我們總是看到AI展現的優點，在任何應用上的亮眼表現，例如自駕車、醫療診斷、語音辨識等，但卻沒認知到發展AI「背後的代價」。 作者為我們開出另一條新觀點，當我們全心全意投入AI的技術時，其實背後牽扯許多問題，像是低價勞工、資源競爭、資料分類問題、情感定義、權力鬥爭等， 作者把這些議題，用獨立的篇章闡述各個問題樣貌。 印象很深的是，其實發展新技術時，誰掌握了，誰就有話語權，他可訂定整個規則、架構，例如政府可以依照自己的目的去制定AI相關法律，例如中共用天網更嚴格監控人民等，一項技術會因為一個國家的文化而有不同的規範。 對於地球資源的消耗，我是屬於一個樂觀主義者，地球資院要用玩了，那就去外星探索。 (當然，在生活上使用資源時，是能省就省，不是因為樂觀就可以無所消耗） 【本書內容】 書想要闡述的中心問題是： 「智慧是如何製造出來的」 「AI可能造成什麼問題點」 我整理了本書對AI的定義，可以從這些定義了解到，AI背後運作之龐大： 「人工智慧是具象的、也是實體的，由自然資源、燃料、人類勞動、基礎設施、物流、歷史和分類構成。」它是以大型資料集貨已定義的規則和獎勵，進行密集運算的訓練成果。要建立大規模AI需要資本，而確保資本能讓人工智慧系統最佳化的做法，最終都是為了服務既有的優勢利益而設計(誰出錢就服務誰)。 AI是一種想法、一種基礎設施、一種產業、一種權力運用的形式，也是一種觀看的方式。AI是高度組織化的資本體現，這些資本以龐大的採掘和物流系統為後盾，供應鏈環繞整個地球。 AI是從玻利維亞鹽湖和剛果礦誕生，由群眾外包工作者標記的資料建構而成，試圖對人類的行動、情感和身份進行分類。 所以探討AI，不是只有看它的成果應用，其背後也涉及多個層面，這些層面才是真正促成AI的核心，這邊簡單擷取出各個問題中的關鍵點： 地球資源：要建構自然語言處理和電腦視覺模型，需要消耗大量能源，水、電等，各個企業爭相推出更快更高效的模型，擴大AI的碳足跡。 勞工： AI靠著人類勞動構成。業主花小錢辦大事，數位勞工只拿到微薄薪資。 亞馬遜物流系統，讓員工必須與演算法保持同步

 111/11/14-11/20 ： 心得： 找到好康免費學習資源： 資料結構( 高中資訊教師黃建庭的教學網站 ) 重整準備方法、調整閱讀順序，並詢問聯成相關就業資訊，以擬後續對策。 這週回花蓮一趟辦事情，整個呈現放鬆狀態，可能自己覺得進度超前？所以追了一下倚天屠龍記(2019)，三天內把50集看完，主人翁的女人緣特強，特別喜歡蛛姐與無忌的感情，令人不捨。 ML篇： 聯成-Day2課程：k最近鄰法、認識ML、ML流程、特徵值計算、MNIST手寫辨識、辨識流程、認識scikit-learn套件、使用knn方法及手寫撰寫演算法。 程式篇： 資料結構：堆疊認識與特性、(黃老師)複習佇列及認識環狀佇列、(黃老師)複習鏈結串列 ML 聯成 - OpenCv-Day3課程： 形態學操作(影像擴增,縮減等)、設定值處理(影響處理，把影像做修改)

 111/11/7-11/13 ： 心得： 本週意外找到「數學基礎與高階」的視頻教學，老師免費教學。 學習機器學習要先了解統計學，而非先了解機器學習，相反過來。 看不懂的地方先跳過(如正則化的L1、L2實際差異與公式)，先了解其原理，之後在回頭複習。 程式篇 二次函式程式呈現 Django：安裝虛擬環境、git版本連接、安裝django。 演算法-資料結構： 鏈結串列： 結構(python class)、節點、資料與指標、讀取、新插入、刪除； 循環鏈結串列、雙向鏈結串列、時間複雜度(vs Array) 佇列 數學篇： 觀念： 最小平方法應用：了解其觀念及何謂線性迴歸、理解公式推導過程、使用numpy的polyfit()方法。 複習集合、排列組合、重複排列、組合 統計篇： 書本： 資料品質、母體、測量、抽樣；抽樣母體誤差、倖存者偏誤、自願者偏誤、沒觀者誤差 測量誤差、隨機誤差與偏誤。 線上： 統計學目的 了解抽樣、尺度 ML篇： 閱讀導論篇章：AI認識、神經網路、圖像識別、視頻識別 TensorFlow： Playground理解深度學習概念：調整超參數及觀察資料問題結果。 MNIST手寫數字：介紹、基本操作、顯示單筆及多筆影像 聯成OpenCv-Day1複習：影像基本操作 使用numpy.array 存取影像 隨機產生二維亂數組，模擬灰色影像並修改像素值。 讀取灰階影像並修改像素值 隨機產生二維彩色影像，並修改像素值 擷取ROI，一個區域/範圍的圖 應用：局部馬賽克、移花接木圖片 取得影像屬性：shape、size、dtype 影像加法運算練習：陣列相加 影像加權方法練習：addWeighted()方法、兩圖片加權練習。 聯成OpenCv-Day2課程： 認識ML、練習手寫數字資料集、K最近鄰法

 111/10/31-11/6 這禮拜比較偏向學習原理及數學公式複習，也開始理解統計學的領域內容。(大學上課都忘光，標準差等) 程式篇 演算法：陣列認識及方法介紹(array()、index(x)、insert(i,x)、append()、remove(x)、pop(i) 字串方法應用(map、lambda等)。 數學篇： 二次函數：公式、關係、係數、最小與最大值、繪圖 統計相關： 資料特性(測量、難處、認識誤差) 隨機誤差與偏誤(差異、機率分佈、離散與連續、平均變異標準) ML篇： TensorFlow：深度學習原理介紹、TensorFlow Playground使用 聯成OpenCv-複習Day1：上週程式(影像操作) 讀取影像並顯示、同時讀取2個畫面

 week2：111/10/24-10/30 這個禮拜報名的課程開始上課，只有跟到30分鐘的課程，後續要教課，只能在另外看影片檔案，好可惜沒辦法馬上跟老師有互動。 數學篇 排列組合 畢氏定理、應用 聯立不等式與機器學習 資料科學：測量、資料誤差 函式庫篇 TensorFlow2(基本、開發工具) 程式： Python語言 Requests：BS4 擷取、計算、排序、下載與儲存圖 list、tuple、set、dict 特性及差異 for 的串列解析式 字串格式化 functions&methods：def、local and global、參數引數、return、import 演算法： 排列組合特性 時間、空間複雜度認識及繪圖 聯成篇： 書籍領取 Day1，課堂介紹、AI初步認識、OpenCV介紹及基本應用 問題：程式bug，常見類別是依照書籍範例後有問題，去調整。 (已解決)購買與租相關書籍 (已解決)code1: only integer scalar arrays can be converted to a scalar index x and y must have same first dimension, but have shapes (5,) and (1,) (已解決)code2: min() 方法問題，名稱一樣不可：'float' object is not callable