fcamel’s blog

這篇只是描述剛遇到的小例子，不是要探討什麼大道理。

(閱讀全文)

http://www.igvita.com/。好站一推，不止有code教學，連觀念的講解都超清楚的。比方說這兩篇：

• SVD Recommendation System in Ruby
• Decision Tree Learning in Ruby

看來以後用Ruby寫code會愈來愈方便啊！不過愈是了解Ruby運作的方式，愈是不敢對它的效率抱以期望。

書藉基本資料： 勇闖資訊新未來：打造資訊科技的幕後英雄 (Out of their minds : the lives and discoveries of 15 great computer scientists)

前幾個月對於是否要讀博班、是否要從事研究工作感到困惑，就找了這本書來看，看看大師們怎麼說。中譯名稱不太好，這本書收錄了15位Computer Science 界大師的傳記，並穿插和大師們的訪談。從軟體到硬體；從計算機結構、演算法到人工智慧，包含諸多CS子領域。最後的後記分析大師們成功原因的異同。這本書的中譯相當不順，如果可以的話，或許讀原文較好。

(閱讀全文)

最近想整理一下過去修課時散落的心得，就這樣隨時間過去而忘記挺可惜的。

(閱讀全文)

Algo裡提到由 sort 的 comparison decision tree 可得知，任一 decision tree 都存在worst case，其下界為Omega(N*lgN)。

(閱讀全文)

首先是確認了Dijkstra的發音，依Wikipedia的定義，要唸[ˈdɛɪkstra]。

(閱讀全文)

最近在做 social network 的研究，進度相當緩慢，心力被分散到一堆雜事上，這就是沒壓力的下場啊。

(閱讀全文)

原本想下的標題為「資訊傳播的推與拉」，轉念一想，這麼遜的標題大概沒人想看。

(閱讀全文)

兩個月前寫的心得，當時沒餘力將心得整理得更完備，隨手寫了草稿，丟了也可惜，先放上Blog備忘吧。

(閱讀全文)

相較於專家機制的評價，群眾機制的評價普遍存在強者強，弱者弱的問題。以YouTube來說，很多人看過不見得是好影片，後進的讀者看到很多人看，跟著點那些「熱門」影片，發現很無趣後也來不及了。雖然有評分機制，多人看的影片似乎是4或4.5星，參考價值不大。像熱門排行榜更是極端，除非有做適當的分隔，像依上傳時間區隔，否則新產生的內容難以追過舊有的熱門內容。

(閱讀全文)