吐槽

雖然說過「歐洲的城堡都一樣」，不過美國基本上沒有真正的城堡這點還是非常遺憾

還有很莫明奇妙的是，在 Espresso 旁的雪櫃有 85% 是 reduced fat milk，但同時又要落 syrup (罪大惡極)，耐人尋味

不過，至少還沒看到 canned coffee 這種不能稱為咖啡的物體.. 其實喝過「真正」的咖啡以後就完全鄙視像雀Ｘ的罐裝咖啡

但多得有 Amazon ，我早已在 Expresso 的路上奔馳

Quora haqathon 2014

Quora haqathon today, from 11am to 7pm - Pacific standard time! Features 9 problems mixed with tradition algorithm tasks, machine learning and system programming tasks.  Link to site.

Ontology
Linearize the tree - each query reduces to "in question q[x...y], how many of them start with prefix p?". Offline query + Partial Sum + Trie. Linear time.

Wombats
Maximum closure.

Labeler
Use training set to calculate \(\text{Pr}[q_i \in t_k | w_j \in q_i ] \) for all question \(q_i\), topic \(t_k\) and word \(w_j\). Improve using bi-gram.

Duplicate
Use \( \text{Pr}[w \in \text{question_text}_i \text{ and } w \notin \text{question_text}_j ]\) as classifying criteria - 60% accuracy. Consider also \( \frac{\text{view_count}_i }{ \text{view_count}_j } \) improved it to 70%.

PhD 4: Peaky Blinders

無意中在 Netflix 發現的英劇, 看了第一集還不錯
尤其是看完 這種水準的之後, 還是先換一下類型
這劇主要看點是歷史感
另外看完美劇後緊接看英劇就很明顯聽出不同的 accent

image from wikipedia

PhD 3: Old news is so exciting

近來看到一個「早該知道」但昨天才知道的 fact: if \(X \subset L^d_2\) then \(X\) isometric embeds to \(L_1\)
如果只說 idea 很簡單 -- pick a random vector \(r\) in unit sphere \(S_{d-1}\), consider map \(f: x \mapsto \langle r, x\rangle\), then

\( \mathbb{E}[|f(x) - f(y)|] = \mathbb{E}[|\langle r,x \rangle - \langle r,y\rangle  |]
= \mathbb{E}[ |\langle r, x-y \rangle|] \propto ||x-y||_2
 \)
所以只要取"足夠"(無限)多的 sample 然後做 scaling, 就可以準確地 preserve 原本的 distance
加上因為 \(L_1^* \hookrightarrow L_1^{\binom{n}{2}}\), 所以是存在 finite dimension 的 \(L_1\) embedding

PhD 2: Netflix

Netflix, 線上睇片網站, 月費 $9, unlimited streaming (嚴格來說 bounded by 2 screens * 30 days), 睇美劇一流, 而且似乎唔少歐洲電影

花了三個星期把  Breaking Bad 追完, 才剛發現原來在 imdb top TV 居首
(一開始不完全是因為出名才看, 而是看完簡介覺得劇情半重口味很合胃口)

1. 發現原來只用英文字幕也足夠, Netflix 練英文一流
2. 很成功地避免了所有劇透

image from wikipedia

睇完又將 "好劇" 的 threshold 提升, HBO 快點出 internet streaming 吧...