平常有点声音无所谓的。

SCamera （国区叫静拍），国人开发的，用了挺多年的，作者更新软件速度很快。
想保持安静的时候用一下就好了。去广告价格也很便宜。

对自己学科如果都没有热情扑在上面的话，你这硕士完全就是为了那一纸学历去了，肯定痛苦。
可以尝试从行业基础的论文开始看，总会找到一点感兴趣的东西，然后结合一些新的技术或是其他领域的知识会比较有点子。

github page 完全够用了

习惯是生日 x10+N 这样的形式

thefuck

AI 方向的话, 扎实掌握高数, 统计学后进展会很快. 所以就算我是 AI 方向学科的计算机专业, 也是大二下才开始系统学习.
大二下基本上进行的是概述, 大三才开始真正的算法学习, 实装等等.
我们研究室的学习会, 教授指定入门书目是 [The Elements of Statistical Learning]( https://web.stanford.edu/~hastie/ElemStatLearn/), 电子版免费的. 另外一本简单一点的参考是 [统计机器学习]( https://www.amazon.co.jp/%E7%B5%B1%E8%A8%88%E7%9A%84%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E2%80%95%E7%94%9F%E6%88%90%E3%83%A2%E3%83%87%E3%83%AB%E3%81%AB%E5%9F%BA%E3%81%A5%E3%81%8F%E3%83%91%E3%82%BF%E3%83%BC%E3%83%B3%E8%AA%8D%E8%AD%98-Tokyo-Tech-Be%E2%80%90TEXT-%E6%9D%89%E5%B1%B1/dp/4274502481)
纯看书的话我当时吃不消, 一边查找资料一遍看的. 参考比较多的是李航的统计学习方法. 网络资源的话, CSDN 有很多复制粘贴, 但是其中有一部分文章质量还不错, 有图讲的挺清楚的, Udemy 上有些课程可以参考.
计算机学科的资源网络上真的太多了, 优质的也很多, 完全取决于你自己想不想学, 有没有毅力坚持看下去.
也可以买一些实战 Python 机器学习的书练手, 就有比较多的 pandas, numpy 使用可以熟悉. 但是感觉就和教授和我讲的差不多, AI 相关的本科就算读完了知识也不够, 现在已经决定考研.

我自己的话其实不在乎方向的, 学计算机学的就是一个兴趣, 用 Flask 开发 API, 简单的 IoT 设备组装开发, Swift, go-lang 后端, 网页设计, UI 设计, 算法, Unity 小游戏开发, 有空都会自己去试试, 我觉得只有试的多了才知道自己最喜欢最适合搞什么.

用两步验证了就找个地方记一下还原码呗。

如果用 1Password 的话，本身就可以当两步验证器用，全平台同步。

现在养成习惯了，稍微复杂点的逻辑就写点注释，确保以后的自己能看懂。
但是随着自己语言理解的加深，总是忍不住去重构一次又一次。🐶

我是感觉圆角舒服多了，梯形有种很刚的感觉

leancloud，用在 hexo 上很舒服

我选择第一种, 以后维护方便.

我开始往自己文章里加参考文献，是进了大学之后开始阅读他人论文之后的事了。
要是天天都是看别人抄来搬去，排版错乱的文章，那自己写起来也很容易敷衍了事。

感觉吧，文章的质量，是和作者的阅读质量成正比的。

虽然我算是比较喜欢跟旁边人插科打诨的，也遇到过团队气氛活跃的情况下，还是喜欢一个人做事的人。
不过肯定得尊重他啊，不管他自己喜不喜欢都要强制他融入的话不就变成 harassment 了。

而且大部分其实是闷骚，等熟了之后真是什么骚话都出来了。

暗色的话 Seti 主题不错的

谷歌云不就可以？