小踢先生的部落格
今天和母親一起去北投，因為異位性皮膚炎身體不舒服，就附近繞一圈、中間吃飯，就回捷運站結束北投行程。期待已久的餐廳今天還只有賣定食 orz
之後和母親分開逛，去了很久沒去的光華商場和三創，看到熟悉的光華商場和三創一樣熱鬧，不禁想起十多年前身為學生的時候，那時很喜歡打電腦但沒錢買高端設備，現在已經有能力買好點的設備但沒時間和體力打電動了 QQ，隨手買的明太子帝王蟹肉串，雖然貴了點（$120），但好吃XD。三創宅店區，又比光華更熱鬧，看到這麼多同好內心無比欣慰，感覺國家未來有希望 XD。
回飯店和母親一起吃了晚餐，飯店天香樓真的貴，但東西好吃還很有儀式感，我們點過得菜色還特別用毛筆字弄個小作品讓我們可以帶回家，還真的是有心了。
今天新聞看到，不肖業者販賣AI製作的虛擬兒少色情圖，官員要依「兒童及少年性剝削防制條例」處罰，比照真人裸照。雖然我對維護社會清淨拍手叫好，但對法規適用不能認同。
依「兒童及少年性剝削防制條例」條文，其目的在保護兒童免於性剝削，虛擬照片除非可連結到真人，否則虛擬人物不是人，非該法適用的「兒童及少年」應無疑義，怎能比照傷害真人依該法辦理？
若說虛擬色情助長戀童歪風，未來恐傷真人，故應比照處罰，邏輯依不成立。舉例而言，也有人說電玩讓人學壞，虛擬世界殺人導致校園槍擊案，若官員邏輯正確，是否電玩中殺人也該比照殺真人辦理？為避免侵害人權，刑法應採嚴格、狹義解釋，把保護真人免於性剝削的法律，適用到虛擬人物，甚至卡通、漫畫人物也適用，恐不符立法意旨，甚至變成動輒入罪。
對不雅圖片造成歪風，已有刑法「妨礙風化罪」等法律處罰，實無必要頭上安頭，扭曲解釋。若虛擬「色情」等同真人，我只好第一個自首，我小時候天天看「小叮噹」，漫畫中大雄常偷窺宜靜洗澡，現在想想，真的好色情，好淫穢啊。
----
對時事感想，投稿希望會中 XD
- 文獻閱讀大體上分為兩個階段，兩個階段可能多次循環
- 第一階段
* 目的：明確和細化我們的研究目標
* 找尋研究目標的合理性和重要性
* 泛讀、從厚到薄
* 要很廣泛的讀，需要讀得快、有選擇的讀
* 讀一些相關的專業的課本或好的文獻綜述
* 累積與研究相關，較為普遍的大問題的知識
* 收集可以進一步精讀的素材
* 摘要->結論->引言->方法、結果
* 根據得到的新知，對具體研究目標修訂、細化，研究方向跟文獻更相符、更有貢獻、力量
* 眼光要大，切忌被低質量論文、不重要細節牽著鼻子走
* 累積和具體研究目標相關的知識、搜集可用具體素材
* 看過上百篇可能只有十幾篇和最終選定的研究目標密切相關 --> 精讀
- 第二階段
* 已經有了更明確、細化的研究目標，對下階段要閱讀的文獻進行精選、排序
* 目的：在文獻中收集可用的論據
* 精讀、從薄到厚
* 帶著目標去讀、讀的全、讀的細
* 要找出論證我們論點所需要的答案和證據
* 不僅讀出作者明確寫出的東西、更要讀出沒有明確寫出來的東西
* 區分隱含的前提、假設
* 區分何為觀點？何為事實？
* 讀作者的結論，還要去看他的結果和數據
* 根據自己判斷做出自己結論
* 需要做大量的筆記
這是第一次玩主打幫派和犯罪的遊戲，其他 Sleep Dog 等都還在收藏庫躺著。遊戲敘述了黑幫主角 Tommy Angelo 的江湖生涯，遊戲玩法是看黑幫電影劇情、中間夾雜戰鬥。不停重複看劇情和打架，直到遊戲破關。
遊戲戰鬥基本上有三種模式：賽車、潛行、FPS。
遊戲戰鬥以 FPS 為主，個人感覺並不十分理想。武器種類少，手槍、散彈槍、輕機槍（打字機）還有步槍。槍好像各自有亞種，但用起來感覺差不多，只知道子彈不能通用 QQ。槍跟子彈在戰役之間還會重置，連當個收集狂都沒辦法。
敵人從頭到尾都同一種人型怪，混混跟警察打起來根本沒什麼差，只有他們手上拿什麼槍可以讓人感覺到差別。開戰就是找掩體，大概抓一下敵人在哪裡，抓準他們探頭的時機探頭開火，對方倒了就衝去撿子彈，一直重複直到把敵人清光。
潛行的部分任務不多，玩起來頗有煩躁感，跟 Deus Ex 完全不能比。步驟都是看小地圖上敵人在哪裡，想辦法從後面摸過去，按 Q 敲暈 Y 扛走一套帶走，過程小心不要觸動警報。萬一被對方發現了，就搶在對方開槍以前，衝到對方前面按QQQQQ 搭配 Alt 防守，想辦法在對方開槍前徒手幹掉對方恢復潛行。
追逐戰也是煩躁的部分，賽車遊戲鑲嵌在 FPS 裡面，讓我這個不會玩賽車的很痛苦，每次警匪追逐或是要搶時間的場景，常常一種彎就是撞到柱子撞到車。記得有一關，主角Tommy 還得替受傷的賽車手上場參賽，還只能拿第一名，這裡就不曉得刷了幾遍了 QQ
雖然個人認為戰鬥乏善可陳，甚至有些地方有些煩躁感，但劇情真的就很棒了。劇情很漂亮的演繹出不同角色的心路歷程。扮演智囊但最後被黑幫生活壓垮最後順勢叛逃的Frank，很衝但有義氣沒有什么心機的 Paulie，聰明好相處但最後背叛的Sam，把 「家族」放嘴邊但一統江湖後，打破自己制定的規矩，欺騙手下去運毒，視手下安危於不顧的教父Salieri。最後就是有勇有謀、有自己原則底限，良知未泯，最後厭倦一切，選擇投誠自首換家人平安的主角 Tommy。而故事中的角色們，哪怕「家族」口號喊的再好聽，面臨威脅和利益仍然互相背叛，分崩離析，黑手黨「家族」本質仍然是一群合伙罪犯。
遊戲結局收尾不錯。主角 Tommy 還是過了幾年心目中平穩寧靜的生活，直到最後被當年的恩怨找上門，應了「出來混就是要還」。重製版結局，主角中槍後，確認黑幫不打算波及家人，在家人團團包圍中安心死去。這樣的結局，對踏上江湖路的主角多少還算善終吧。
查了一下，二三代在steam上面評價好像就不行，應該就玩一代就好 XD
看完宋浩老師的第二門課，值得記錄，可喜可賀 XD
學機率與統計的原因，是為了更好銜接生物統計。當年在醬料系的時候，數學相關的課程基本時間不夠，跟臨床關係不大，老師基本都是匆匆帶過，接近亂教 QQ。所以到了後面的生物統計，因為數學底子不夠，基本上只能背課本考試，無法實際運用，還很快就忘光。現在臨床研究要使用，我連 t 分佈、線性迴歸都不會用了 QQ
這門課老師上課品質很好，節奏穩定不匆忙，所有概念都講得很清楚，加上看完高等數學後，能真正看懂需要積分進行的證明，比當年學習感覺好很多。雖然課程到了結尾，統計只涉及幾種常用的簡單分佈和基本假設檢定，臨床研究會用到的線性迴歸、ANOVA、存活分析等都沒提到，但我想有了更好的基礎，再去學應該狀況會好很多。
接下來下一門應該是線性代數，線性代數基本擋修深度學習，統計好像也仍然會用到，至少我看一些統計檢定（如 Shapiro-Wilk 常態檢定），推導和證明還是有向量和矩陣，等線性代數看完再來攻難一點的統計學好了。也期待習題進度可以快點，例如做幾萬年的高等數學習題 Q<>Q
最近有從 TG 下載禁止轉發影片的需求，有試過網路文章做法，例如從 Android TG 資料夾找檔案，加入網路的 Bot 等等，通通沒有用，可能 TG 改版被封殺掉了。
後來在 Github 找到這個專案，試用後可以成功下載禁止轉發影片，而且看來還在更新。官網說明很長，其實要快速下載某支影片，安裝好後只要這三個步驟就好：
set TDL_NS=testtdl logintdl dl -u https://t.me/tdl/xxx整體用起來十分方便，比網路上還要串 TG Api 自己架 bot 的方法簡單太多了。
全文連結磕磕絆絆，終於把同濟高等數學第一章的總習題做一遍，不過只有挑題目做，很多題目到最後是看答案。做完兩本的進度還是遙遙無期 QQ
對岸的題目實在太變態，一個題目同時運用多個重要性質，如重要極限加三角函數公式、重要極限加羅必達….忘了一個就不能做，基本就是初見殺。
每次壓力大的時候就會想要搞一些業外活動，之前是開發搜尋引擎。這次就是寫數學，B站宋浩視頻很早就看完了，就一直懶得做習題 XD。
搜尋引擎則很遺憾變成壓力之一了，只能說希望樂子不要太大了，要我一人肩負眾多使用者的系統，或真的丟個小組給我，對我來說都是挑戰，分不出何者比較慘 Q<>Q
全文連結 最近用 Steam 備份遊戲，不知道為什麼產生出的備份目錄只有空白字元，目錄用目錄滑鼠雙擊還是可以進去，但用檔案總管更名、刪除的時候就找不到這個目錄。
試了不少軟體都無法解決問題，到最後是 ChatGPT 給出答案：進 cmd 用 dir /x 找到該問題目錄的 short name，然後用該 short name 作為改名的目標就可以了。
今天最好玩的課程。講如何用 Python 去自動打遊戲，其實就是外掛製作，只是它是透過電腦視覺的方式，不是傳統的 hooking 或記憶體監控 XD
今天參加 PyCon，選擇的主題都與 data preparation 相關，紀錄一下 XD
這堂課的收穫是理解了新的工具，如 dbt 和 PipeRider 。
我一直以來都是自己寫 Python 腳本硬上處理 data，而 dbt 粗看像是個強化板 SQL 工具，可以更有效率完成 ETL 的 T。
看了下官網和網路範例，相比於自己寫 python， dbt 似乎可以節省開發工作量，並且將軟體工程的思維引入到數據分析中。未來，當需要處理更多數據時，可能會考慮使用。而且 dbt 似乎在開源社區中也很受歡迎。
講者還提到了 PipeRider ，這個工具可以持續監測數據質量，並在不同資料處理階段引入指標（例如空行數、總筆數...）確保數據品質。ETL 管線版本變更的時候還可以前後比較。透過在 data processing 的不同 stage 加入額外監測，可提早發現資料品質問題，避免 ML 或 DL 在資料處理程式修改後忽然間性能下降，沒有人知道問題可能出在哪裡。
這門課程也相當有趣，總結了許多可解釋 AI 的方法，包括針對特定模型（例如 linear regression）以及 model agnostic 的方法，很多內容是之前已經聽過但也有新的方法。不過不過講者的英文我實在跟不上，ppt 顏色很漂亮但是字太小，所以主要收穫應該是那些投影片上的關鍵字。
這堂課是今天覺得上課技巧最好的。PPT 的設計非常精緻，排版、配色和字體大小等細節都做得很好。內容量也適中，不會太多或太少，顯然是特別練過的。可惜的是，我剛好需要處理其他事情，無法全神貫注聽講。
這堂課的主要收穫是聽到了新的 model name，原來在 information extraction 等 task 中已經有了新的 SOTA。對我這個只會無腦硬上 BERT 的野蠻人來說，開了不少眼界。
有趣的是，講者的模型在 information extraction 的 F1 score 似乎不太高（0.8+）。我在猜是不是 sample size 不足的緣故，因為他們在投影片中推崇了 few-shot learning 所以很可能不會像我發 paper 一樣砸幾千筆資料訓練以求「力大磚飛」。我在 QA 中提問有關 sample size的問題，但很殘念講者沒有選擇回答我的問題。
紀錄一門透過 B 站學習的 Elasticsearch 課程。
我之所以學 ES，是因為與其他部門合作的圖資系統需要使用它。目前，我已成功將基於ES的自行開發系統上線，並在科裡面運作良好。除非未來換工作，否則這套系統的開發維護應該就是我。
之所以決定學 ES 的線上課，是因為我在學習 ES 方面一直難以成長。我一直是通過看 tutorial 硬幹的方式來學，但這種方式已經遇到瓶頸了。幸運的是，我在 B 站找到了這門針對初學者的好課。這門課從 ES 的安裝開始，一直講到重要的查詢操作和背後的原理，還提供了一些應該避免的坑。
通過參加這門課程，我對 ES 的理解有了明顯的提升且變得更加系統。學完後重新檢視之前的系統設計，我發現許多地方都不理想，甚至是錯的。我對未來優化系統有了更多的想法和方向。
令人遺憾的是，這門課程只涵蓋了初級知識，只到講解了重要查詢操作為止。一些更進階的主題，如 clustering 和底層算法、資料結構，講者開了支票說未來會有更多影片，但已經隔了幾年沒有消息。看來應該是爛尾了。
不過，根據目前學到的知識，我想對於未來繼續開發現有系統已經很夠。系統目前日查詢不到一次，資料規模幾百萬筆，單節點單伺服器的架構已經夠用，應該可應付相當長一段時間。我也沒有考相關認證的打算，所以缺少的知識點，等有需要的時候看其他影片或書籍來補充應該就可以了。
上週四五工作到半夜十一二點，人就開始不舒服出現 URI症狀，現在人還是廢的，連運動的體力都沒有，還好遇到週末放假可以養病 =.=。養病中剛好法力無邊的大大給了我大寶貝（LLaMA，還是用台灣資料 tune 過的 online living demo！）。LLaMA 一直在我的關注清單裡，但個體戶如何單機單卡跑這玩意感覺有難度，就暫時沒下手。但有了 online living demo 不趁機搞事怎麼對得起自己，就可以做一些之前想跑的科學實驗。
處理報告又遇到麻煩。某個篩檢業務，除了完成電腦報告之外，每份報告還要手寫給病人看的通知書，增加很多工作量。
還好遇到殊勝的 python-docx套件，可以直接對Word檔進行search還有replace，Stack overflow 上也有可以進行修改使用的範例。確認可行後，找了同仁，要了通知書原始電腦範本docx當template。弄個前端 HTML form + AHK + 從其他表單帶數字，command line 丟到
Python對模板寫資料，通知書產生器就完成了。我減少工作量，病人不用忍受難看的手寫字。這週處理 paper work減少工作量就感覺到成就感 XD
週末本想好好研究數學，不曉得為什麼就陷入低潮頹廢的狀態，兩天就這樣過去。中間試著幫搜尋引擎添磚加瓦，不過狀態真的很差，還做出沒有仔細測試，就把變更推到生產環境的事情，理所當然炸掉了 XD
兩天唯一有做完的事情，就是刷了漫畫「乙女遊戲世界對路人角色很不友好」。劇情是典型異世界轉生，主角在第一話就拿到外掛。這次會注意到這部是在漫畫網站上的排行榜有看到，點進去看才發現前很早看過，只是話數還不多，就放著養大。故事把乙女、機戰、陰謀全部合在一起，整體劇情還蠻有趣，同時還有兩個轉生者，雖然另外一個目前看來只是拖油瓶和劇情破壞者 XD
不過看的時間還是太早，目前剛好斷在最有趣的地方
終於完成了一輪觀看同濟大學高等數學教學影片，影片總長76個小時。為了搞定這麼長的影片，我採用之前提到的「將晚上加班時間聽音樂改成聽課」的方法。這些影片若是在加班之後的下班時間觀看，大概沒時間體力看完。
之所以想學習高等數學，主要是為了深入了解深度學習論文。開始接觸深度學習的論文時，已經是大學畢業十多年後，本座只有高中數學的基礎，而且一大半忘了。雖然在大學時修過醫用微積分等理論課程，但實際教學品質很差。我的數學基礎實際上只停留在高中的程度，且已有一二十年未用。儘管後來參加了資工所在職進修，但主要學習應用類課程，而且在職班大家懂的，對於數學等內功的提升並不大。因此，在學習深度學習時遇到了嚴重瓶頸，永遠只能當調包俠、調參俠，無法真正理解背後的原理。
我試過很多方法，如購買專門講解深度學習數學的書，或找正規高等數學教材，但始終因為長期瘋狂加班而沒有時間和體力自學。此外，由於缺乏引導，即使有書籍也無法找到重點。或許花半天時間搞不清楚的證明或計算，其實根本並不重要，或許我自以為可跳過的內容實際上在後面做題時卻非常重要，等到發現時，基礎早已不牢固。另外，中文教材有些地方寫得並不清楚，某些部分可能需要老師的引導才能避免掉坑，而這些我都不知道。因此，我的自學進度非常緩慢，在勉強讀完微分和一些基本積分後，就完全停滯不前。
後來慢速聽完了那70多小時的影片後，重新回頭閱讀書籍時，因為已經有老師在影片中「帶路」，第二次學習變得簡單很多，有點像高中時聽補習名師教導一樣，感覺都回來了。
強烈推薦宋浩老師的教學影片。第一次聽課時，老師提到他的課程可以讓家庭主婦一邊拖地一邊聽，這吸引了我繼續聽。課程播放量已經超過一億次確實有門道，老師教學技巧非常優秀，基本上就像在教高中生。步調控制得非常穩健，預判同學會卡住的地方，也能適時地舉例、講解和比較，並時不時插入冷笑話或戀愛故事讓同學們保持專注 XD 儘管中間曾經有其他老師代課，教得非常差勁，但這部分糟糕的內容後來被其他影片所取代，很順利地將課程重新接回軌道。
目前已看完所有影片，並開始做練習題。雖然統計課本的習題才剛剛做完 1-1，但我對未來感到樂觀。接下來的課程應該會選擇線性代數或機率統計，完成當年遺漏的內功修煉。
為了解決報告否定語句（No evidence of XXX..）對搜尋引擎造成的干擾，我自己訓練了幾個BERT variant 協助過濾解決問題，在 real data inference的成果（Precision、Recall、F1）非常漂亮。
沒算到的是，實際部署的時候，因為搜尋引擎主機沒有GPU只能用CPU，在staging就發現報告匯入速度因為導入DL變得非常慢，測試機一個鐘頭還不到1萬分，而報告目前已有快800萬份，搜尋引擎光載入一次資料就一個月，這是無法接受的。這還是使用DistilBERT的結果，其他BERT variant預計更慢。為了解決問題，開始查怎麼樣讓BERT跑快一點。目前決定先試試換更輕的BERT variant，目前先試TinyBERT。
結果去Vast.ai訓練模型時，就發現網站故障。一個instance跑了一個鐘頭還不能外連。去敲了客服，客服也說這是bug正在搶修。為了搶時間，所以去找有沒有vast.ai以外的便宜GPU租賃，就找到了RunPod。很幸運不用花很多錢去用GCP或AWS。
目前感想價錢還可以，我租到3070一小時0.18美金，不像vast.ai那麼漂亮，但尚可接受。從網頁介面看來，應該除了官方機器外，也有來自社區的機器才有辦法便宜。
RunPod也支援docker container。官方預設非常多的docker image，直接指定PyTorch就可以開箱即用。設定好ssh金鑰以後，就可以使用金鑰登入web terminal還有Jupyter。putty我始終連不到，好在web界面夠好用還支援複製貼上，我就使用web terminal加Jupyter，目前模型訓練已經完成了。
本座存了$10，應該會把它當成vast.ai不能用時的備胎。畢竟vast.ai價格還是漂亮點 XD
今天看了第一集的 Nier動畫。遊戲本體在我Steam收藏庫躺非常久。從剛上 PC優化還很爛的時代，一路躺到 Sony修好了PC優化，不需要特殊外掛做優化，才被我認真拿來玩。不過我玩到第一個結局就結束了 XD 第二輪 9S 視角還沒有動力玩～
對於遊戲印象非常不錯，包括整個致鬱的背景和真相，3A 的畫面，更重要的是優美的音樂，音樂好到幾乎可以說才是本體，遊戲是買音樂送的。所以看到巴哈有動畫就來看一下 XD
作畫和音樂來說。遊戲和動畫作畫有顯著差別。動畫角色有點塑膠感，跟整個金屬風格的背景有點格格不入，反而是作為反派出場的歌利亞機器人，因為維持 3D 金屬外觀的關係，能夠維持 Boss氣場。音樂方面，動畫搬運了遊戲的音樂和CV，因此水準非常高。CV 表現可圈可點，2B 的外冷內熱、9S 的情感豐富和話癆都充分還原 XD
動畫的節奏控制就不習慣了。第一集開場到打歌利亞的過程，在遊戲裡面是高難重頭戲，要接連戰鬥約一小時才能見到第一個存檔點。玩遊戲的時候如果一周目就選 Hard 甚至不一定能活著看到Boss，本座當初搞不清楚狀況直接選 Hard 就躺了好幾輪。Boss 一言不合就揮巨大金屬手臂也是很有壓迫感。在動畫中，艱困的戰鬥被嚴重壓縮，變成敲幾下就解決對手，看了不習慣。
整體而言，作為喜歡遊戲的人。看到遊戲變成動畫，作為粉絲還是很感動。動畫也也重現了2B、9S重要的活動和場面，例如第一集最後拿出 Black Box ○○。
第一話個人打分，應該是普通以上。如果哪天想起來可能會去看一下的程度。此打分必須參考本座大叔年紀做校正。上年紀後看動畫的慾望和時間大幅減少（難道說上了年紀就一定要玩結婚生小孩嗎QQ），跟部落格大學時代比起來更為明顯。本大叔打到這個分數應該算高了 XD
全文連結
