區塊鏈學習筆記(帳本&幣)

帳本(Ledger)

去中心化的帳本(Distributed Ledger)
在區塊鏈的世界哩，帳本是電子化且不可竄改的
特性:
人手一本，去中心紀錄全世界的交易

沒有任何一個人(例銀行)能改動帳戶存款
公正紀錄每個人擁有的金錢數量
為自己的帳戶負責

透明

帳戶是匿名，交易細節公開，拒絕黑箱作業

可回溯

區塊鏈上的交易歷史紀錄會永久保存
隨時可察看任一時間點的交易

不可竄改
交易資料一上鏈，即不可修改
越久以前的交易，越具不可竄改性

區塊鏈學習筆記(測試鏈&水龍頭)

測試鏈(Testnet)

Testing Network

測試+鏈=專門用來測試的區塊鏈網路

為何需要?

與大部分區塊鏈(例如:乙太坊)互動不是免費的
給開發者模擬真實情境
乙太坊開發必要

區塊鏈學習筆記(去中心化&三角悖論)

去中心化(Decentralization)

中心化的舉例

政府:制定的政策、法律要去遵守
銀行:轉帳、交易都有些規範要服從
學校:考試規則、服儀規則

制定的規則要去遵守 
中心化的優勢

通常很快
不必重新建立信任

中心化的問題

單點失效(Single Point of Failure)
天災人禍:如果銀行發生地震，如果裡面存有所有人的資料，可能會因此消失
閉門造車:就像集權的概念
手續費 (Transaction Fee)
銀行轉帳、政府繳稅:如果這世界上只有一家銀行，規定轉帳手續費十塊錢，那我們只能乖乖服從

區塊鏈學習筆記(挖礦和Hash)

挖礦(Mining)

是指去中心化驗證區塊的機制，而從挖礦兩個字可以知道，分為挖和礦兩個字

挖:指的是需要付出某種工作
礦:指的是高價值的獎勵

隱藏含義是指不容易得到(成功的機率很小)

而在比特幣上的應用指的是礦工消耗電腦算力，時間，來驗證區塊，獲取比特幣

而驗證區塊可以比喻成比特幣系統出一道數學題，看誰先解出來

為什麼要挖礦?

因為區塊鏈沒有中心化伺服器來處理交易，所以用挖礦的方式來獎勵其他人(礦工)來做這項工作

ML 學習筆記(Convolutional Neural Network)

CNN是影像辨識中最常用的方法，其實NN也可以做影像的辨識，那我們為甚麼要用CNN呢?
因為我們用一般的NN來做影像辨識時，使用太多的參數。

ML 學習筆記(Introduction of Machine Learning)

ML Lecture: Introduction of Machine Learning

讀研究所獲得的心法

上了研究所後，發現自己程度真的很差，想要改變自己，於是開始觀察周遭成績或是日常表現較好同學的習慣以及跟他們請教學習的心法，在這邊紀錄一下~
如何學會讀書:
首先要先了解一件事，當在學習新知時，不管是老師講授還是自己看書，如果聽不懂或看不懂不代表你笨，只是他的敘述方式不適合你，只要找到敘述方式你的可理解的課程或書，自然就懂了，結論就是，如果這本書看不懂，別浪費時間，請把它放到一邊，去找下一本吧
當要去學一個新東西時:
會去圖書館找所有相關的書籍，大概會借個十本左右，從第一本開始看，然後看不懂就把那本書丟掉，拿第二本同樣章節起來看，看不懂就看第三本，直到有一本書是看得懂的為止
那會不會看了十幾本書都看不懂呢
有這個可能，雖然每本書都不適合你，但你都看了十幾本書，也就是說，有人用十種不同方式不同角度解釋講同一件事給你聽，再笨的人也會不小心了解
要work smart 不要 work hard:
很多篇文章都說努力的重要性，沒錯，努力是非常重要的，但是要找對方法，效率才會提升，努力才有所回報，像前面的如何學會讀書就是一個好方法，如果不去尋找方法，只會重覆看一本看不懂的書，花了很多時間，雖然努力了，但結果和付出的時間不成正比




Reference:
https://www.slideshare.net/ssuserf31548/ss-63287706
https://blog.csdn.net/woshilingdaoren/article/details/80158019
https://www.inside.com.tw/article/1624-believe-you-can-change
https://wiki.mbalib.com/zh-tw/%E8%B4%B9%E6%9B%BC%E5%AD%A6%E4%B9%A0%E6%B3%95

線上簡報測試

AlexNet簡報分享

Image Processing 影像的縮放

影像的放大和縮小，必伴隨影像中Pixel的增加或減少，而我們要討論的就是要增加或減少那些Pixel
現在主流的影像縮小放大演算法有以下三種

• 最近鄰居法(Nearest Neighbor):最簡單，最快速的算法。以影像的放大為例，作法是將放大影像的座標點換算回原始影像上，與原始影像哪個座標點最近，就取其Pixel值做為新Pixel值
• 雙線性插值(Bilinear Interpolation):視覺上會比Nearest Neighbor要好一些，但運算量稍大。以影像的放大為例，作法是將放大影像的座標點換算回原始影像上，通常不會是整數位置，若是小數位置即跟周圍的四個點按距離按比例計算Pixel，做為新Pixel值，以下為例子:
  欲求的點：P(x,y)
  四鄰點：Q11(x1,y1)、Q12(x1,y2)、Q21(x2,y1)、Q22(x2,y2)
  設距離：a' = x2 - x1 、b' = y2 - y1、a = x - x1 、b= y - y1
  P(x,y) = ( (a'-a)(b'-b)Q11 + a(b'-b)Q21 + b(a'-a)Q12 + abQ22 ) / ( a' * b' )
  
• Bicubic Interpolation

如何換算回原始的影像:

反向映射計算方法，就是將放大或縮小的影像坐標乘上其倍數的倒數，即可大致得到其在原圖中的位置。

如：2*2 放大 2倍 --> 4*4。

4*4 像素點反向映射： 

(0,0)*1/2 = (0,0)，(1,0)*1/2 = (0.5,0)，(2,0)*1/2 = (1,0)，(3,0)*1/2 = (1.5,0) 

(1,1)*1/2 = (0.5,0.5)，(2,2)*1/2 = (1,1)，(3,3)*1/2 = (1.5,1.5) .........

Reference:
https://jason-chen-1992.weebly.com/home/nearest-neighbor-and-bilinear-interpolation
https://blog.csdn.net/weixin_35811044/article/details/84242921

Image Processing 大津二值化(Otsu's)

影像的二值化，指的是用灰階影像轉成為二值影像，二值影像即一個Pixel只有兩種變化:全黑(0)或是全白(255)，單獨紀錄二值影像每個Pixel只要1bit就足夠了

而要將一個灰階影像二值化，你就要能夠很好的區分那些是背景，哪些是前景，或者說哪個部分要全黑，哪個部分要全白，這裡就要靠找的一個適合的Threshold(閥值)，把大於Threshold的Pixel設為全白，反之設回全黑。
Threshold我們可以自己手動設定，也可以用自動化的方法，Otsu就是一個不錯的方法，透過計算找到最佳的Threshold。

Image Processing 灰階影像分割(bit-plane slicing)

灰階影像:通常每個Pixel是由8個bit組成，即有256種變化。然而每個Pixel的8個bit，從最高位到最低位攜帶的信息量是逐漸遞減的，可以看下面幾張圖

表達能力訓練

上了研究所後，才發現自己的表達能力很差，說話沒有邏輯，或者是說出來的話別人無法理解，因此在這裡紀錄幾個提升表達能力的方法，以此督促自己，使自己提升
一.思維整理
有時在說明事情時，是否會發現常常這裡說一點、那裡說一點，對傾聽者來說非常痛苦，因為說話沒有脈絡可循，所以當要跟別人說明主題時，先把那主題所有重點都列出來，透過多次排列組合，看看怎麼排比較通順，說起話來比較流暢，經過大量的訓練後，說話的思維便能有所提升
二.三十秒演講
為甚麼是三十秒演講呢，而不是一分鐘或者是一小時呢?因為現今的社會節奏很快，沒人會想花寶貴的時間聽你說半天的話，舉凡向上司報進度、向客戶推銷東西、跟別人解釋概念。因此請每天想一個主題，用三十秒的時間盡可能完整表達所有重點，多多訓練，能讓表達能力提升

三.知識儲備
和別人溝通時，能一舉反三、談笑風生，而不是只能當一位傾聽者，這靠著就是知識的累積，而累積的方法就是靠閱讀不同的書、文章，來提升自己知識的廣度，在閱讀時，一定要做筆記，或者看完後能默寫這本書(文章)的重點，並且說明給其他人聽，這樣這本書的知識才是你的，才能達到知識儲備的目的
Reference:
https://kknews.cc/zh-tw/career/3angz48.html

Image Processing 影像濾波器

markdown 在提影像濾波器之前，要先來講影像中的頻率:

###影像的頻率指的是影像顏色變化的劇烈程度。

頻率又分兩種:低頻分量和高頻分量

低頻分量:一張圖中，顏色變化緩慢的部分叫做低頻部分。通常是描述影像的主要部分，比如人的臉

高頻分量:一張圖中，顏色變化劇烈的部分叫做高頻部分。通常是描述影像的邊緣部分，比如臉的輪廓、臉上的青春痘等。

我們知道影像每個pixel是由R、G、B三個channel所組成，所以這裡的影像的頻率通常是把影像轉成灰階，變成單一的channel，這樣才好判斷顏色的變化