Archive for the ‘学习资讯’ Category
新年新气象
Posted on: 2011/01/01
- In: 学习资讯
- 2 Comments
原定31日到手的dxg，被天意安排在了2011年1月1日才真正来到我的手上。虽然等货让我等的崩溃，但是却无心插柳的博得了一个好彩头——新年新气象嘛！顺丰还真是不错，竟然直接送到我的办公室里来，不像大多数快递，还得千山万水滴跑过去、站在瑟瑟寒风里等件。顺便还做了个好事，替经济学院院长收了个件，木有办法啊，“名人”都爱关机玩失踪。。。今天的收件非常顺利，哈哈哈，好彩头！
屏上一开始便有提示，我还以为是一张纸，准备把膜揭下来，把纸去掉，后来发现，木有纸啊！就是机子本身显示的。糗到了…鉴于自己的非专业贴膜水平，看了几次，还是没敢下手。于是第一件事就是先给dxg穿个皮袄，然后——迫不及待的开机测试。
一下子把之前calibre里已经整理好的百十来书和一些rss都导入dxg。英文版的pdf自然是木有问题。dxg并不像kindle 3原生支持中文，用calibre导入的中文资料出现乱码。我并没有选择多看的汉化系统，之前看坛子里有人说用多看系统会耗电云云。嘿嘿，我不用多看是担心界面会变丑之类。选用了卖家给的汉化包，安装卸载都非常简单方便。
（插播Kindle相关：Kindle新手上路之破解Amazon原版书 确实在淘宝上看到有出售amazon kindle原版电子书的商家，0-100美刀的只需12RMB，100-200的是24RMB（以前一律8RMB）。具体购买链接，淘宝官网直接搜索ms不行，是怕被和谐了吧？豆瓣上仔细找能找得到。话说，豆瓣上虽然鱼龙混杂，但也是藏着龙呐！偶暂时没有购买需求，不过ms大家评价都还不错。很好奇这位xd是怎么操作的？牛人呐！无所不能的中国人呐，这难道是kindle不面向大陆开放的一个原因？）
dxg只能打开utf-8编码的网站，所以国内很多网站都是gbk编码，故打不开。而且需要注意的是，在注册的时候不要忘记在Your Account > Manage Your Kindle>Your Country里重新添加你的国家信息，update information。我最开始鼓捣的时候不了解，网页始终无法显示，它总是提示Due to local restrictions, web browsing is not available for all countries。
Feedbooks.com is unavailable temporarily。于是我也暂时木有办法制作rss，dxg的新机测试只能告一段落。
下面是——阅读时间。8，every one. Happy New year! & Good luck!
P.S.:关于3G费用（U.S.之外地区）——如果通过3G订阅报纸、杂志和博客，需要每周支付$4.99；如果通过3G传输私人文档，费为$.99/M.如果使用wifi和USB传输，则不需要支付额外费用。使用3G购买书籍、浏览kindle商店，或是使用experimental网页浏览器则无需付费。
打造内外兼修的美女
Posted on: 2010/12/14
理工科的学生通常会陷入一个误区：认为口若悬河或是妙笔生花的人只不过是花架子，大都没有什么真本事。往往对此颇为不屑，切，有什么啊？忽悠罢了。莫不知，能说出此种论调的人，您又是否是绝技在身？或是创造出了多少能直接转化成生产力的科研成果？这年头，三千六百行，行行出状元。哪个状元都不是吃素的。又何必露出一股文人相轻的酸腐劲儿呢？
越来越认识到写作能力与语言表达能力的重要性。要命的是，这些能力的积累与提升绝不是一时一日之功。很遗憾，我从小便是个惧怕写作文的小盆友，总是把所有的作业都早早赶在放假前便全部完成，在班里流通以供大家抄阅。然后整天叼着笔晃晃悠悠，饱受煎熬，直到最后一刻才扳着指头，算着字数把作文写完。那可真是惜字如金呐！多一个字也写不出来了。好歹的，在吃了不少亏之后，我终于开始开窍了……希望还不是太晚呐！
打个简单的比方：男人都喜欢美女。你若是非要大言不惭的说，你们都不懂得欣赏，我有内涵，心灵美啊！你这不是搞笑吗？连我都喜欢俊男靓妹，又何况是男人？你若不是那种浓妆淡抹总相宜，就连披个麻袋都倾倒众生的美人儿，奉劝你还是注意修饰一下咱们的外在美，即使不能美若天仙，但至少让人觉得清爽舒服，有兴趣走近你、了解你，从而衷心喜欢上你的内在美。
论文的写作与发表其实也是一个道理，虽然形式不能压倒内容，让人觉得是金玉其外败絮其中，但至少可以锦上添花，为你的文章赢得关注。大牛可以不拘小节（当然，他们大都更加重视细节），响当当的名字、重量级的内容足以藐视一切，但是我们无名小卒不能。我们必须花些心思在行文与形式上，能够吸引评阅人将你的文章饶有兴致的读完，了解你现在所做的工作，并给予肯定。有些牛人的文章真的是可以拿来当小说读的，前因后果清清楚楚、图表分析恰到好处……每当读到这种文章，我都唏嘘不已，学术文章竟然还能这么写！哎！自己还太嫩！光顾着急功近利的完成任务了，各方面的软实力都还差得远呐！
寒假或许是个休养生息的好时机，找几本写作书仔细研读研读。
言归正传-牛校统计牛人小结
Posted on: 2010/08/29
1。Stanford
统计当之无愧的第一牛校，最强的是Machine Learning, Bioinformatics 和理论统计,有一个大小适中的faculty,
但是每一个都是耀眼的明星。Machine Learning 有Hastie, Friedmann, Tibshirani, Donoho，Johnstone…Persi Diaconis自不必说，曾经混迹赌场的奇人，现在已是大佬级的人物。Professor Hastie(UMich的Professor Ji Zhu是他的学生)，Professor Friedman and Professor Tibshirani(Professor Efron的学生)在statistical learning这一块都非常地牛，著有Elements in Statistical Learning 一书,可以让你了解一下统计学习这一部分的内容。Learning这一块和CS联系紧密，但Learning中也有理论的部分，如围绕SVM的，围绕LASSO的，不过LASSO看起来偏computational了，不能做testing，感觉和optimization差不多。总的来说Statistical Learning现在很热门，应用也很广泛。Bradley Efron在Bootstrap上的贡献无与伦比。还有中国教授Tze Leung Lai著一本关于生存分析(Survival Analysis)的书。另外，它和MS&E等系有一个Financial Mathematics项目也非常不错，很多学生都修了作为Minor。金融数学界的大牛Duffie也在统计系兼任，他也是无数人yy的对象。。
2。Berkeley
和Stanford可以抗衡的牛校。做Machine Learning的人也很多，包括北大的Bin Yu。 非常大的一个系，方向极为齐全，最强的是Machine Learning, Applied Statistics，把统计应用到了molecular biology, geophysics, astronomy, AIDS research,neurophysiology, sociology, political science, education, demography。牛人也极多，有Michael Jordan~~~~~~~~(叫这个名字的就是牛。。。）Peter Bartlett， Lester Dubins，Yuval Peres, Bin Yu. Berkeley的概率更强, 当然有Peres一个人在就已经说明问题了。。。
3。 Chicago
Chicago和前两个学校比就差一些了，但是也非常有特色。Lars P. Hansen (superstar in finance)，Steven Lalley: (superstar in Probability, previous editor for Annals of Probability），Gregory Lawler: (superstar in Probability, current editor for Annals of Probability），Peter McCullagh: (superstar, COPSS winner, editor of Bernoulli) 有这几个人在，Chicago就是任何人都无法忽视的选择
4。Harvard
Harvard统计很精致，Professor就三个人，当然都是超级牛人~~~~~~~Jun.S.Liu用Bayes方法作生物信息非常厉害。Rubin的牛无法用言语来形容。。。任何作因果推断的人都无法绕过他。Meng XiaoLi 既做理论，也做生物方面的应用。其他的associate Professors有做finance的，有做single molecule的，主要都是Bayes的人。
5。UCLA
统计系里很多做图像的，毕竟UCLA的图像太强了。。。。
神农尝百草
Posted on: 2010/08/17
- In: 学习资讯
- 2 Comments
From Kaiser:
The most intriguing and unexpected question was: to do well in this
business, do you have to read a lot? This is where I stumbled into a
spaghetti carbonara analogy while mixing metaphors with the gray
flannel, with which I have already been associated. Basically,
statistics is not pure mathematics, there is not one correct way of
doing things, there are many different methodologies, like there are
hundreds of recipes for making carbonara. What statisticians do is to
try many different recipes (methods), and based on tasting the food
(evaluating the outcomes), we determine which recipe to use. Because of
this, statisticians need to be well-read, to keep up with what are the
new methods being developed.
走在阳光里 