三個月四天工作有感(一年前了哈哈) — 源起 突如其來的想法，太多idea想實行，卻偏偏懶的運用調劑枯燥生活的週末。為何不試試四天工作？ 如何開口 我開口的方式很直接：向公司提出review 安排，順便提出想法。 剛巧接近一年的review，時機尚算合適，順便可以討論薪資安排。我指出我個人的效率，四天工作就做了別人五天工作的事；加上有想學的東西（Machine Learning），所以問公司可否安排四天工作，或許這個安排能給予公司回報也說不定。 （謎之聲：或許只是你不夠膽開口。或許你總是怕你的上司會問你為何提出這些不可能的事。或許同事會問到，為何你會有特權。） 但當時沒有亂想以上的東西，很大膽便是。 實行四天工作 其實和平日工作方式一樣。碰巧公司重要大事都是星期一多，所以需要與別人交流溝通的，都安排在星期一。這小小安排卻更能提高我做事的效率： 一、集中星期二三四全力工作，更有節奏做事 集中力對軟體工程師來說很重要，不用多說。當我與團隊互相安排星期一主力溝通，便有三日可以集中工作。遇上問題，星期二還有時間可以釐清問題。

看了第一集 Monday Morning，內容主要關於一班醫生做術後檢討。第一集共兩次的檢討會中，都是一大班院內醫生，加上一位主持人負責。主持人會選中某一事故，然後叫主診醫生上台，接受主持人一步步的質問。 這一集中，讓我最深刻的，莫過於第二論的檢討會。沒有血肉模糊的鏡頭，卻彷彿讓人窒息。主要是一個小孩位於腦中的惡性腫瘤，因為主診醫生忘記了做兩件事： 重大手術應該詢問第二意見 未做好背景調查，了解因為單親家庭而未能即時聯絡上的，病人的父親的病歷史 結果病人就死了。 最後主持人單刀直入，指出主診醫生的傲慢、自負，忘記了這些基本步驟。 我想，這種回顧對醫生進步很有幫助，但做法實在讓人抖不過氣，很大壓力。（當然，不能忽略，電影節目為了增加吸引力，而設定這種回顧的方法哈哈。） 最近公司每天的工作也是抖不過氣。 隨著死線接近，越近就越挑戰著半年以來，堅持之下的固定模式：每天Refactoring，不論大小。每次都作一點兒嘗試，去做好每一個功能，不論大小。

最近在學習（三分之三） — 口中常說：我用緊scala。 但個人感覺，自己學得不到位，scala community 其實有很多工具未好好使用，每天都像是為了完成某些功能，忘記了好好去學習自己不懂的東西。 很難得在多了空閒時間，所以也在慢慢摸索自己對 scala 的認識。 這次是 rabbit mq + akka stream 。 朋友一句： Unleash the power of Rx. It’s not just a multithreading tool. Treat your data as an infinite stream. You will realize how simple your app could be. 我便總是在想，可不可以將 rabbit queue message 變成一條 infinite stream，然後可以寫成 Rx 的樣子？ 稍微 Google 了一下，先是找到了lightbend 分享的例子。當中使用rabbit 的例子不錯，是很簡單的listen一條 queue messages，如果message當中有字 terror，將它放進另一條queue，沒有，便將它放進 okqueue。

最近在學習（三分之二） — 第二樣學習的東西是玩玩 Python，完成了Data Science in Python。 Introduction to Data Science in Python - University of Michigan | Coursera Introduction to Data Science in Python from University of Michigan. This course will introduce the learner to the…www.coursera.org 這個課程其實有五部曲，而這是他的第一部曲的課程。沒有Statistics基礎的以為會很吃力，但只要最後一份功課的最後一條，才會發現不足哈哈，不過討論區當中不要問題都問得很好，有些提示幫到你完成課程。 課程只有四個星期，每星期其實只有不多於一小時的影片，但有很豐富的Programming Assignment。你不用安裝任何程式，便可在網上寫程式，以便完成功課和自己寫寫Python程式。

最近在學習（三分之一） — 最近在忙這個基礎得不得了的machine learning class: Machine Learning - Stanford University | Coursera Machine Learning from Stanford University. Machine learning is the science of getting computers to act without being…ml-class.org 大學時代學了一點Data Mining的東西，加上這個 Machine Learning 的線上課程，好像又認識多了點基礎。 一直以來對Statistics不敏感的我，上這個課程還算是輕鬆的。課程上一直都說：「你沒有甚麼甚麼數學基礎無所謂，我告訴你從數學中得出了這一條公式，你可以用。」 所以很有趣的，變成一個Machine Learning的入門課程。先後共需要上十一個星期的課程，每星期大約有一兩小時的影片，半小時的Quiz，和三小時的Programming Assignment。

過勞死，本是從日文而來，充分表現日本長時間工作的文化。在《如何成功地在亞洲植入敏捷和DevOps》一文中提到：日本人更願意看重的是投入而非產出，因此對長時間工作的人評價很高。 但這不只是日本而矣。我感覺，都籠罩著整個亞太區。不少朋友的公司，總是將多勞多得的正面精神，扭曲成偷懶、不OT是罪的奇怪心態。 但「唯結果論」，準時放工，又能按時完成手頭上的工作，不是更好的選擇嗎？ 在 Learn how to learn 的課程當中，總是提醒著學生，在面對棘手而困難的時候，盲目地花時間去「鑽研」、轉牛角尖，不一定能解決問題，或只是徒添煩惱。相反，我們應該： 給予自己短暫休息的時間，在身心放鬆的狀態之下，更容易該腦袋「發散」思考。最後在之後解難所花的時間裏，有效率地解決問題。 入面甚至提出，每晚睡覺前，可計劃明天的待辦事項。你的潛意識會自動運轉，在休息過後，難題會自然迎刃而解。 在Uncle Bob 的 《Clean Coder》 中，對超時工作有個頗有趣的取捨：

同事問了一條有趣既問題：If you can learn one thing instantly, what would that be? （如果你可以「秒懂」一樣東西，那會是甚麼？） 我答：如果我可以學懂一種方法，可以「秒懂」其他東西，那不就是最好的選擇？ 最近的確在學習「如何學習」。https://www.coursera.org/learn/learning-how-to-learn/ 只是第一個星期已經讓我大開眼界，其中有一個有趣的短片提及一位寫作高手是如何寫作，我卻嘗試將她所指出的問題，放進到Software Engineering 的世界哈哈。 她指的問題是，我們一直學習寫作的方式，特別是在中學時期，都經常教我們：先寫大綱，再寫文章。但她卻發現這一種方式就像是預備吃飯的時候，一邊放碟子上枱，一邊做清理的樣子，最後你就吃不了一餐飯。文章要寫得有趣，需要在寫作前多一點「發散」，而她選擇的方法是 Mindmap 。

最近想試玩 crawler。想開始試的情況下，卻發現公司電腦有安裝 docker，自己的 macbook 竟然無裝！結果急急設定好環境，發現同之前玩 docker 的感覺好多不同之處。 希望設定好之後，不論玩 scrapy 定係 pyspider 都應該無問題。 Step 0: 安裝 Homebrew 我想安裝 Homebrew 應該是每個 macbook user 都會有的 MacOS package manager? /usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)" Step 1: 安裝 virtualbox & docker-compose brew update brew install virtualbox brew install docker-compose