不知不觉已经到加拿大九个月了，虽然一路上磕磕绊绊，但一切似乎都在我预想的轨道上发展，实在有些出乎意料。新的一个学期就要开始了，居然有点踌躇满志的意思呢。

生活

回顾：一开始真的不算顺利，先是遇到一个不怎么样的房东，lease没到就被要求搬走，押金也被扣了。初来乍到，只能认栽了，接下来又稀里糊涂的接了一个快到期的lease，结果住了3个月又得搬家。不到半年就搬了两次家也是醉了……还有吃饭，理发都是不小的问题。不过慢慢的自理能力也上来了，现在基本上生活上已经问题不大了，现在做饭虽然算不上多好吃，但基本饿不死了，周末还可以做个大盘鸡，炖个羊肉汤什么的，剩饭也可以炒个蛋炒饭，感觉还是挺滋润的。不过刚过来的时候碳酸饮料喝的有点多，导致现在牙齿有点敏感，可惜国外看牙太贵了，有机会回国的话一定得把牙齿好好检查一下。

展望：碳酸饮料需要戒掉，甜食也尽量少吃；多多学习烹饪，尽量少出去吃些快餐；多注意一下形象管理，别太邋遢了；还有就是平时多注意锻炼，吃完饭犯困了，可以出去走走，玩会儿pokemon go~

时间管理

回顾：出国后有段时间每天整体手机刷个没完，严重影响效率。之后下了不少时间管理的软件，也读了“Soft Skills: The software developer’s life manual”，加上一些机缘巧合（主要是被网上一些极易被煽动、且喜欢强加意志于别人身上的群体感到恶心），终于慢慢的把刷手机的习惯的淡化了。之前读pluskid的博客，他每周平均的工作时间居然是50h+，当时我也想达到这个水平，可我后来发现这对我来说根本不可能。每个人每天每周的精力其实都是有限的，如果超过一定的threshold，时间和生产力未必就是正相关的。提高效率的关键还是在于每天能否在有效的几个小时里做到专注，用短暂时间片来保持专注确实是个不错的方法（Pomodoro Method）。还有一点就是每天都要对今天要做的事有一个明确的规划，否则很容易在无所事事中浪费大量的时间。现在我平时差不多每天可以脱离手机专注工作学习6-7小时左右了，而周末的话基本只学习2-3小时。

展望：现在的节奏不错，希望可以继续保持，还有就是在工作学习的时候还是希望注意力能够更加集中（偶尔还会刷网页版的微博，或者总去看跑着的实验）。

科研与学业

回顾：过来的第一个学期，基本就是上课。一过来就选了三门graduate level的课，基本每天就是上课做作业，准备presentation，做project。一个学期一共做了4次presentation，3个project。一门PGM，一门NLP&IR相关的课还是收获比较大的。而且作为project在Kaggle上拿了第一个top10%，也算掌握了data science in python的一系列工具：pandas, numpy, scikit-learn, xgboost。之后又仔细读了winning solution的code，熟悉了Kaggle比赛的一整套的pipeline。最近自己稍微改了改套到另一个比赛里，用basic feature ensemble一下已经top10%了，可惜这个比赛得用neural nets，完全没这方面的经验，加的feature都一点improvement都没有，各种调参也没什么效果，sigh~

由于是winter term才入学，又是course-based的所以没有认识到太多人，着实比较遗憾，也挺尴尬的。3月份偶然看到Google Summer of Code开始申请了，由于课上介绍knowledge bases 时提到过DBpedia，作业里也有用到，所以抱着试一试的心态去申了DBpedia的项目，没想到就申请上了。学期结束等成绩时还挺忐忑的，最后发现担心完全是多余的，两门A，NLP&IR相关的A+。然后和教NLP&IR的老师谈了一谈，基本上就确定可以转thesis-based了。然后整个暑假就是搞GSoC了，其实感觉前半部分都挺颓废的，随便找了篇paper搞了一下。到后半段整个人才调整过来，边打Kaggle，边读paper做实验完善code。整个暑假还把Coursera上EPFL关于Scala的三门课程学了（虽然Coursera现在要收费了，但我发现只要申请助学金，还是可以拿到verfied certificate），晚上偶尔会自学Stephen Boyd的convex optimization和做做statistical inference上的exercise。今天Google Summer of Code的结果出来了，没什么意外的通过了，一个暑假赚了5500刀，和去美帝读硕，各种FLAG实习的小伙伴差距太大了，说多了都是泪。不过通过GSoC这个项目，我还是确定了自己之后的研究方向（至少是研究生阶段）会在knowledge graph及其相关任务和应用了，比如link prediction，entity resolution之类的。和GSoC的mentor的交流也挺愉快的，之后应该还会继续合作，可能会造个关于DL on Scala and Spark的轮子，想想还有点小激动呢~

展望：新学期开始前其实还不确定能不能顺利拿到TA，一方面是钱的问题，另一方面就是来国外也挺久了，然而用英语和人的交流还是太少，有TA的话应该会有更多的机会。没想到的是，转成thesis-based之后，和管TA的教授聊了聊，居然拿到了Machine Learning的TA，offer也很快下来了。这实在属于意外之喜了，一般的MSc甚至PhD刚开始一般都只会TA一些比较基础的本科课程。这门课其实是undergraduate和graduate混合的课程，本来我还差点去选，从需要花钱上课到拿TA，这转变真是让我始料未及。但我其实ML的底子也一般，就在网上走马观花的上过几门课，在Kaggle上随便水水，几次想尝试啃大部头，最后都放弃了。之后也一直有意识的想要加强自己的数学底子，然而进展缓慢~现在反而要去回答本科生甚至是研究生的问题，我还是有点虚的，所以这学期我决定认真准备这门TA。这门课相当一部分作业就是Andrew NG的那门ML课里的，网上Python版本的也有不少，我决定用R全部重写一遍（可能的话，也可以用scala基于spark写一写distributed的），然后就是好好搞定statistics和convex optimization，争取能跟着课程进度把”Elements of Statistical Learning”啃一遍，顺便写点blog什么的。

这学期我就选了一门课，不过是门神课”Reinforcement Learning”由大牛教授rachard sutton亲自上。毕竟是University of Alberta计算机最为出名的研究领域，肯定要上一上，不过看了看材料，压力显然不会小，还有midterm和final，需要踏踏实实的学好。除此以外，Coursera上Geoffrey Hinton的Neural Networks for Machine Learning又重新开了，决定去上一遍。还有EPFL关于scala and spark的后续课程如果开了，估计也会去跟一跟。本来还想上点关于finance的课，毕竟手上有了点闲钱，想去捣腾下美股，后来想想还是算了，就算我annual return能翻倍也没几个钱，投入太多精力在这上面根本不划算。

至于在research方面的话，主要就是和mentor合作用scala and spark to factorize DBpedia。另外，刚来国外比较空虚，关注女明星比较多，所以用新浪的API写了个检测明星微博数据的小玩意，准备维护个营销号玩玩，可能也会根据名人之类的，搞个construct a knowledge graph from scratch之类的玩意。还有想到大公司都有自己的knowledge graph，所以就想抓google的搜索结果可以当做一些research的benchmark或者做improvement之类的。没想到google也太流氓了，几乎瞬间被block，搞得我有些心灰意冷，没办法，只能先抓抓Bing和Baidu了，等程序框架成熟了、Proxy IP池什么的都有了，能大规模抓Bing和Baidu之后再试着去抓Google吧。

洋洋洒洒的写了这么多，对未来的畅想实在是有点太理想化了，如果有机会的话，还想搞篇paper什么的呢。差不多就这样了，希望一个学期以后计划的事能做到一半以上吧~