他的大部分观点，都来自于翟东升教授。

我建议大家多多转发、点赞翟东升的视频。

货币是一种共识，未来的政策也会是一种共识。

翟指出的这条路符合广大的普通人和中国政府的利益。虽然我不敢抱太大期望，但内心还是存在一丝侥幸。

WHAT IS THE MEANING of human life, or of organic life altogether? To answer this question at all implies a religion. Is there any sense then, you ask, in putting it? I answer, the man who regards his own life and that of his fellow-creatures as meaningless is not merely unfortunate but almost disqualified for life.

上次想要找的是这一本。

Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow第二版2019年出版，大火。

2022年这本书更新了第三版，前两天刚了解到，我在社交平台几乎没看到有人提及这个新版本。

可能是ChatGPT把流量都给抢走了，也可能更多普通人不愿意通过看书学习新技术了，卷不动了。

作者在新版本推荐阅读这些书，还提到了
https://www.kaggle.com/

Deep Learning with PyTorch

这本书的第二部分，使用luna16的CT数据，完成了一个使用深度学习技术检测肺结节和肺癌的项目。相关数据大约60G，被下载了百万次。

https://luna16.grand-challenge.org/

查准率和查全率是相互矛盾的指标。

要求查准率高的场景，包括抖音推送人们可能感兴趣的视频，因为推送的视频必须是用户感兴趣的，难免会有很多用户可能感兴趣的没有被推送。也包括人与人之间的交流，“逢人只说三分话，未可全抛一片心”。当然也包括电影，冯小刚说，“电影不是为了改变你的价值观，而且迎合你的价值观”。

要求查全率高的，就是“宁可错抓一千，不能放过一个”的场景。主要包括疾病的检查，宁可出现假阳性，也难以容忍假阴性。古人也说，“水至清则无鱼，人至察则无徒”。

大多数情况下，我们希望两者表现都不错的模型，这也是古人追求的中道。

但是普通人构建的模型本来就不够好，还常常在两个极端反复跳转，可见训练个好的模型多么不容易。过去的帝王们总是喜怒无常，因为他对自己大脑构建模型在现实中表现的查准率和查全率很不满意，却又没能力改变自己，只好让世界来适应自己大脑里的模型，在折腾中不断试错以改善自己的模型。

美国公司竞相高薪招 AI 人才

2023-08-15 00:06 by 守夜者

美国公司正在竞相高薪招 AI 人才，部分公司将薪酬提高到了 7 位数字。部分公司还表示愿意收购小型 AI 创业公司以获得人才。Match Group 的约会平台 Hinge 正在招聘一位 AI 和机器学习副总裁，基础年薪为 $332,000-$398,000；Upwork 给 AI 和机器学习副总裁制定的年薪为 $260,000- $437,000。亚马逊的应用科学和生成 AI 高级经理职位的薪酬最高 $340,300。Netflix 将 AI 产品经理的年薪提高到最高 $900,000。不是所有 AI 相关职位的薪酬都如此丰厚。提示工程师（prompt engineer）的年薪大约 $130,000，机器学习产品工程师的年薪平均为 $143,589。沃尔玛生成式 AI 团队职位的年薪在 $168,000- $252,000；宝洁的 AI 工程师基本工资 $110,000- $132,000；高盛 AI 工程师基本工资 $150,000 - $250,000。

https://www.wsj.com/articles/artificial-intelligence-jobs-pay-netflix-walmart-230fc3cb

#商业

兴趣是最好的老师，我当初退学就是怕上下去，过几年安逸的生活，到中年被彻底淘汰。

AI工程师不是仅凭金钱的诱惑就能转行过去的，对于编程、数学、英语的要求都比较高。

我在家收集整理了不少数学、编程方面的书，并不是因为想要转行赚大钱，或者我看好这一行，我不过是闲着没事想要对世界的理解深入一点。

现在这方面的需求确实挺多，但门槛也比较高，并不适合大多数普通人。

我在家的想法是，等通货膨胀出现后，体力劳动的人工成本也会上升，到时候我再出来赚钱。现在看来，未来是有可能出现滞胀的。

如果对这一行有兴趣，是可以学一下的。

关于那位同事，再补充一些细节。他第一次去广东时，四处碰壁，一周后就回来了。

他到那里第一天就被派出所抓起来了，说他没有暂住证，让他打电话找人去赎他。

他听另一个同样因没暂住证被抓进去的人说，只要有三天之内的车票，派出所就不能抓他，可以打电话投诉派出所。于是他真的试图投诉，最后被派出所发现，把他赶了出去，当时是半夜三点。

之后他租住在旅馆，到处找工作，但是很多地方都写明了不要河南人。最后他打算找中介介绍，中介先要了300让他填表，等填完后又说，再给500可以免去面试直接进厂。他感觉可能被骗了，想要要回那300块，但是人家不给。于是他一狠心又拿了500块，打算进厂看看。

等他进厂的时候，人家再次给他要钱，而他身上已经没钱了，被逼无奈只好打电话到劳动局，最后中介把他的800块退了回去。

他回河南老家又工作半年，春节以后跟着几个同乡再次前往广东，扬言就算在外面讨饭也不回河南了。当时火车很慢，人也很多，他站了三十多个小时才到广东。

三女二男合租一个单间，女孩儿睡床上，他们打地铺或者睡门外过道。当有人查暂住证时就跟着别人提前跑，花了一周踏破铁鞋终于找到个工作。

我感觉他的经历可以拍一个电影或者电视剧了，只是这个时代发展的太快了，大多数人已经不愿回忆不堪回首的往事了。

我是第一次听说这样的事，这就是所谓的人口红利，这也是我们父母逼我们上大学的原因。

现在做企业很难，做技术很难。

虽然有了更多好用的工具，但我们必须充分利用各种好工具，才能让自己保持竞争优势。

好工具设计的初衷是节省时间、提高效率，让人们有更多闲暇享受生活。但是利用好工具做出物美价廉的好产品后，更多没有充分利用好工具的企业和技术人员都面临着被淘汰出局的下场。

一个人努力可以提高分数，一群人努力可以提高分数线。

一个公司做出好产品后，除了会提前造势吸引眼球，开发布会，还会在各大平台曝光，消费者真的成了上帝，逼的其它企业和技术人员不得不努力追赶。

这是我们想要的结果吗？这样伟大吗？

我不太建议年轻人搞技术，也不建议中产考虑创业，除非做这件事本身能给你带来极大的乐趣。

今天终于训练了一个在验证集中表现不错的模型。

因为我对“机器代替人工”的想法比较排斥，我很难对机器学习充满热情。在这种情况下，解决软件依赖我嫌麻烦，标注个数据也嫌麻烦，修改个参数也嫌麻烦。因此我的进度很慢，每天大多数时间都在看书寻找灵感，既是在搜寻更简单的解决方案，又是在思索没有简单解决方案的原因。

我第一次使用Yolo训练的模型表现的极差，我直接打算放弃使用Yolo转而去了解医疗行业的实践经验了。但一大堆新的概念扑面而来，我感觉根本hold不住。我看不懂x光和CT的标注是否正确，我也不确定硬着头皮实践一遍对我的工作能起到多大帮助。

今天老板让我试着训练一个模型看看，我使用ffmpeg提取了一段视频的关键帧，进行了标注，修改了几次训练轮数，刚开始训练的模型表现的让我绝望，但最终表现出乎意料的好。虽然使用另外一段视频的测试集表现不够好，但是两个视频的角度和距离差异比较大，只要增加训练集就能解决问题。

机器代替人工的大趋势是难以扭转的，如果研究这一块，既能锻炼自己的脑子，又能增加对机器的了解。不做的话，就是个缺乏常识的理论家。

训练个工业场景下的物体检测模型对技术人员的英语、编程、数学能力的要求可能远没我想象的那么高，对人的耐心要求倒是挺高的。

当前经济问题，主要是贫富差距越来越大。效率越是提高，越是讲什么“生产力工具”、“十倍工程师”……越是会加重贫富差距。

在北美华人网上，有人说来中国生活就跟不要钱似的，只要有个三百万美元就能过来体验财务自由的生活，谁家还没个两千万人民币……

这就跟国内专家讲的，谁家还没个五十万，没工作可以去开滴滴呀，到城里买房开车回家种地……

互联网上声音最大的代表的是极少数人，大多数人都在保持沉默。

我感觉只要改变分配制度，经济就能立竿见影的改善。并且分配制度应该随着生产力的提高不断调整，但是现在完全看不到这样的趋势，只有少数专家、教授在提这样的建议。

同事让我关注下抖音上“搞机器人的包租公老陈头”，大家也可以借此账号了解下国内工业自动化内卷的激烈程度。

我还是坚持昨天的看法，年轻人最好不要搞技术，中产不要创业。

虽然工业上物体检测并不是那么难，但老板不是让我来做这个的，这只是第一步，再往后就用到数学了。

两年时间世界会发生很大的变化，如果不是热爱，不要做技术。

我到公司第一周时做的第一个项目比较简单，稍微花了点力气就做出了超出老板预期的效果，之后几周在修修补补不断完善那个项目，压力比较小。

这个月大概是客户发现性价比更高的选择了，老板让我转头去研究一个更难的项目。

我下载了十多本英文参考书，还在看论文、国内外的论坛、抖音和微信公众号的文章，感觉摆在面前的难题很多，没有半年都推出不了产品，压力大到吃不下饭、睡不着觉，也不想去骑车、打球。老板是不会给我半年时间的。

小公司想要破局，就要做出高性价比的产品，那就意味着要去研究行业里没人用的技术组合，出奇制胜。虽然那可能是巨坑，公司也想用最低的成本证明那条路走不通。PoC or GTFO！

我之前说我们就像植物的种子一样，在夹缝中艰难的求生存。一旦发芽的时机没把握好，或者没能野蛮生长，就会陷入进退两难的境地。

刚上班一个月，就想要回家躺平。不过我感觉我也不能太任性了，我把复杂的问题分解成几个相对简单的试验，未来一段时间，努力验证下同行没有使用的技术组合效果到底怎么样。

经济学人没有2023年8月5日的版本，7月29日的是Summer double issue。

从2022年开始，出现了Summer double issue，大概在在七月底发行。

我过去整理的电子书都是mobi格式，主要在Kindle Paperwhite 3漫画版上看。在Kindle退出中国市场后，我把仅剩的一个Kindle也送人了。

现在制作电子书还保持mobi格式，因为我懒得去改程序，但我会用calibre转换成PDF格式，方便在大屏阅读器上看。

最近国家发生的事情挺多，还是有必要看看外媒都是怎么说的。

人的大脑跟AI有个相似之处，投喂的数据越多，数据越能代表现实世界，构建的模型越好。
​
​模型的好表现在准确率/precision和召回率/recall高，泛化能力强，对长期大趋势预测的更加准确。
​
​“把厚书读薄”就是构建模型的过程，把“薄书读厚”就是使用模型解决问题的过程。

recall怎么翻译感觉也不容易理解，它表示“挑出来的好瓜占所有好瓜的比例”。precision表示，挑出来的好瓜占 挑出来的所有瓜 的比例。