「台北捷運路線查詢系統」是我碩一高等演算法的最後一個(第五個)程式作業，這個作業是我認為五個作業裡最有價值的一個，為什麼呢？因為有跟生活產生關係，不只是為了交差而寫，更是為了我的生活而寫，多麼有成就感哪～
事實上我每個作業除了寫完程式之外，還會將實做過程細節給記錄下來，因為我相信未來一定還會用到這些資料，果真這時候的我直接複製貼上到部落格XD～還是要再次感謝過去的我如此有遠見，寫了整整18頁A4的報告，在此我將濃縮報告精華，期許哪天我能把它寫成APP：）
看到阿立正在寫KD樹的光線追蹤，讓我回想起去年寫的光線追蹤，這個作業說實在的非常有趣，我可以對球作反射、折射、陰影、鏡射光、散射光之外，還能寫其應用如動模糊、景深、動畫、軟陰影、去鋸齒等，哈～不過我並沒有太多時間去完成，這點令我有點遺憾呢！
在這呢～我想要將我去年所做的成果貼上來，這回合是光線追蹤動畫 (Ray Tracing Animation)，想要知道動畫如何被製作出來，首先必須先參考我去年寫的光線追蹤 (Ray Tracing)。
這學期收穫最多的一堂Seminar就是行動使用者介面設計 (Mobile User Interface Design)啦！儘管這學期我並沒有修Seminar，但是一旦有我感興趣的講題，我還是會抽空下地下室去聆聽，有這麼棒的學習機會何不把握呢：Ｐ？
差不多去年四月初，系上請來太極影音 (Digimax)的副總楊宗哲到校演講，讓我對國內動畫界有初步的瞭解。如今5/10有機會到太極做企業參訪，實在令人高興呢！畢竟就算去年暑假在太極實習，我們實習生都在做技術性的學習，很少有機會可以概觀瞭解動畫產業呢！
承接支持向量機器 (Support Vector Machine)的介紹之後，我們知道資料通常沒有那麼容易地被完美分類，那問題是不是就無解了呢？其實不然，如果用直線無法區分，那麼就用曲線來區分，然而曲線也會遇到障礙，而不得不讓資料混在錯的類別，如果我們提高層次來看待分類，那麼問題似乎就變得簡單了。
支持向量機器 (Support vector machine)通常用在機器學習 (Machine learning)。是一種監督式學習 (Supervised Learning)的方法，主要用在分類 (Classification)和回歸 (Regression)上。現今多數人多簡稱之為SVM，在此來個SVM概念教學。
註：監督式學習，是一個機器學習中的技巧，可以由訓練資料中學到或建立一個模式（function / learning model），並依此模式推測新的實例 (instances)。訓練資料（training data）是由輸入物件（通常是向量）和預期輸出所組成。函數的輸出可以是一個連續的值（稱為迴歸分析），或是預測一個分類標籤（稱作分類）。
Precision and Recall是評估測量 (Evaluation Measurement)的方法之一，特別是在資訊檢索和資料探勘這兩個領域，我們想知道下query後系統的效能如何，系統回傳的結果是不是使用者想要的。
跟上次介紹的積分影像 (Integral Image)很像，積分直方圖 (Integral Histogram)有異曲同工之妙，都是dynamic programming的一種計算值的方法，可重複利用過去已計算過的值，來獲得未來所需要的值，這種DP技巧可以減少相當多的計算量，進而達到加速的目的。
去年已經寫過人臉偵測 (Face Detection)，那是Sedir同學 (這裡幫她廣告一下～目前單身，想認識可留言或寄信給我)推薦我使用的程式碼，這次我自己試用OpenCV 2.4 beta裡的tutorial code，發現它多了人眼偵測 (Eye Detection)，那就直接來玩這版的人臉偵測 (Face Detection)。
繼兩個月前(2/23)的演講之後，這次換我們主動前往精誠資訊 (SYSTEX)參訪。首先當然要做好功課，回憶一下那一次的演講內容：我是成功的社會新鮮人。這一次同樣由精誠資訊人資部蔡培儀小姐為我們上一課：我的職涯規劃歷程。
逍遙文工作室 
HappyMan・迴響