Diary 2015

2015-07-15

I don't know what to write.  My keyboard is hot so it is uncomfortable to write on this.
I got heavy breakfast as per usual and it makes me feel dragged and lazy. I want to over come these feelings.

what I am now
1. negative attitude about life
2. lazy and selfish
3. very greedy, covetous
4. people sensitive
5. heavy eater
6. not a

do you know why before trying to change them.
1. the world is competitive
2. it is not easy to obtain what I need
3.

what I want to be
1. positive person
2. diligent
3. self-generous
4.

2015년 목표

• 육체적 습관적인 면

1. 주중 하루 한시간 아리랑, 삼십분 생활오픽
2. 주중 하루 한시간 기술 볾
3. 주중 두번 업드려 팔굽혀 펴기

          <수정: 2015-05-18>
          1. 주중:  아리랑(오전: 7:30-8:00), 오픽(밤: 8:30-9:00)
          2. 기술:  과목:        화,목(8:00-8:30)
                      알고리즘: 월, 화, 수,목 (9시-10:30), 오픽 (10:30-11:30)

           수정: 2015-5-27
           1. 시간단위로 계획 세우지 않기. 쪽 단위로            

• 정신적인 면

            1.겸손해지기
            2. 욕심부리지 않기

• 방밖에서

1. 7/10 에너지
2. 1시간일 ->  2시간 

5월:
6월: 논문 완성, 1차 오픽시험, 1차 SW 자격시험
7월: 2차 오픽시험
8월: 3차 오픽시험, 2차 SW 자격시험
9월: 4차 오픽시험
10월:3차 SW 자격시험
11월:
12월:

5월 마지막 주
Algo 2:  p854-863 (5/27 wed)  pass/fail  -> pass
                 p881-886 (5/28 thurs) pass/fail -> pass
Opic:  4week 10,11,12 (5/27 wed) pass/fail -> pass
         4week 8,9,10 (5/28 thurs) pass/fail -> pass

6월 계획
1째 주
Algo 2:  p898 - p912  (6/1 mon) -done
           p919 - p930  (6/2 tues) done
           p930 - p932  coding (6/3 wed)  fail ( this day is moive day)
           p930-  p932  coding (6/4 thurs) done
OPIC:    4.4   ~ 4.6  (6/1 mon) -done
           4.1   ~ 4.3  (6/2 tues) - done
           3.18 ~ 3.20 (6/3 wed) - done on tuesday and no study (movie day)
           3.15 ~ 3.17 (6/4 thurs) - done

Daily reflection 2 올해 계획 2014-11-25

남은 올해 목표:

1. 컴퓨터 비전 한글책 6장
• 비전에서 여러: object detection 방법들을 앎.
• non maximum compression 방법 앎.
2. BING 실시
3. 음성인식의 전반적 흐름을 현재 pdf 통해 앎.
4. 칼디를 통해 음성인식을 해볾.
5. (옵션) 작문 1장, 2장 끝내기

11월 마지막 주 (화 쪼금, 수,목)
화쪼금, 수 : 목표1:3장
목: 목표3: 3.1 3.2  목표:4장


12월 세개 주 (월 화 수 목)
첫째주
월 목표1: 4장, 목표2
화 목표1: 4장, 목표2
수 목표3: 3.3, 3.4  목표:4장
목 목표3: 3.5  3.6 4.1 목표:4장
세째주
월 목표1: 5장
화 목표1: 5장
수 목표3: 4.2 4.3 5.1
목 목표3: 5.2 5.3 5.4 5.5
네째주
월 목표1: 6장
화 목표1: 6장
수 목표3: 6.1 6.2
목 목표3: 6.3 7.1 7.2


모자란 진도
목표1: 7장
목표1: 7장
목표3: 7.3 7.4

Daily reflection 여러메모 2014-11-25

오라스콤 그룹:

이집트 회사 가족 회사 아들들이 계열사 사장 몇십조 매출을 올림 리스크를 즐김 북한에 투자. 유일하게 북한에 투자한 외국계 회사 북한의 값싼 노동력과 통일이후의 가능성을 보고 투자. 2000년대 중반 북한과 합작으로 북한에 통신회사 설립 북한에서 미혼여성 결혼 예물로 핸드폰이 유행함. 

국민감독 김인식
300패에서 배운다. 80년대 중반 타이커드 코치로 시작 90년대 초 쌍방울 레이더스 감독으로 데뷔 몇몇 어려운 구단 감독을 맡아 좋은 성과를 몇번 냄. 국가 대표 감독도 맞아 월드 클래스에서 우승, 준우승을 함. 야구는 승리보다는 패베에서 많이 배움. 여러해 계속 잘 나갈때는 독단과 배려없음이 생김. 300패 정도는 해야 야구를 알수 있음. 뜨거운 마음보단 따듯한 마음으로 선수와 구단을 이끌어 가야 함.

전략일기
오늘 무엇을 할지 고민보다는 목표를 먼저 설정할것

 메타물질
음성 소리를 흡수 스텔스 잠수함 가능 메타물질을 잠수함으로 둘러싸서 소리를 흡수해 가능 70-80년대 개념 시작 많은 application이 가능 아직은 좀 이른 단계

독일 실리콘 알레
베를린의 여러 스타트업들이 모여있는 곳 독일은 기존의 제조업 강국 + IT기술을 접목 2012년한해에만 약 9천여개 벤처들이 설립 미국, 런던에 이어 독일의 실리콘 벨리 실리콘 벨리에 비해 아직 걸음마 단계 과감한 투자가 안 이루어지고 실패한 두려움이 아직 많음.

 일본 노벨상을 바라보며
시사점 실효성은 없더라도 조금만 연구하면 실적이 나오는 연구 vs 실효성은 큰데 연구가 어려운 연구
보통 첫번째 대부분 사람들이 매달림. 하지만 2번째에 큰 관심을 가짐.
3명 모두 도쿄대학, 일류대학 출신이 아닌 지방대학 출신
비인기 분야라도 장인정신처럼 매달리는 사람이 많다.
많은 연구비를 받지 못했다. 산학연구가 많다.
결국 정말 자기가 좋아하는 분야를 하는것이 중요하다.

HMM 음성인식
아직 잘 어떻게 돌아가는건지 모르겠음.
페이퍼가 나름 써베이 논문같은데 이것 조차도 쉽지 않음.
하지만 이걸 극복해야 할거 같음.
decision tree clustering문제와 연결
N-gram language model (3-gram)= p(w) = pi P(wi| wi-1, wi-2)

그외
임유선 책임이 분산컴퓨팅에 대해 공부를 해야할거 같다고 얘기.
이건 내년 SRA-SV와의 협업에 대해 준비를 하는 것임.
임책임은 똑똑하고 반면 착함.

(paper for fun) An Introduction to quantum computing

Title: An Introduction to Quantum Computing.
Author: Norson S. Yanofsky

It introduces a taste of quantum computing targeting for computer science undergraduate and even advanced high school student.

Hilbert space: regular vector space except each axis is a complex number.

One of key points in Quantum Computing.
: Quantum can be existed in SEVERAL states AT THE SAME TIME.
: when quantum is measured, it is aggregated either 0 or 1. (in case of 2 bit quantum computer)

(Paper)Information-Theoretic definition of Similarity

Title: Information-Theoretic Definition of Similarity.
Conference: ICML 1998

Paper provides a general similarity measure applicable across many domains.
Previous similarity measure is specific for each domain.

Report for 3/4

What I did:
Collected over 60 UCI data set.
Currently, 105 UCI data set is available. However, about 70 data sets are applicable to classcification.

Very fortunately, I think, that I've found some interesting patterns for 3 or 4 meta features.

The problem I got:
For some data set, MLP ate too much time. Even I used three computers, I haven't got MLP results yet for 6-7 data sets.

What I will do next time.
There are many things to be done.
1. Cluster data set based on the vector of accuracies.
2. Examine meta features per cluster