8. 穿PRADA的惡魔
看這部最大的好處是可以欣賞服裝,
比較願意重覆看練聽力, 梅莉史翠普的演技真是強大到爆炸,
難怪 Wikipedia 上這麼寫:
「很多觀眾與評論家評價她為電影史最偉大的女演員」
可是她的台詞都短又小聲, 似乎不適合練聽力啊
9. Yes Man
我喜歡這種以正面思考為題材的電影,
劇情不錯, 輕鬆小品, 女主角很有吸引力,
很喜歡她在劇中的性格和聲音,
她那個樂團超有趣的, 《Uh-Huh》其中一段歌詞:
「I wanna snap your neck and spit on you.
You said, Who are you? Who are you?」
10. 戀夏500日
看了 Yes Man 迷上 Zooey, 找了這部來看,
讓我想起國中的一些事, 讓我看得很難過,
看到一半有點不想看下去, 幸好有看到完,
又幸好有到 ptt Movie 版看大家討論, 讓我想通一些事情,
也許改天再來看第二次吧
之後想找梅莉史翠普其它部電影來看,
待聽力練熟後就能專注看演技,
像用 Yes Man 練習時就能專心看人物表情, 很有意思
剛看完今敏導演的告別信, 想起 Steve Jobs 那句 "Everything else is secondary, google 一下找出那段話:
Your time is limited, so don't waste it living someone else's life. Don't be trapped by dogma - which is living with the results of other people's thinking. Don't let the noise of other's opinions drown out your own inner voice. And most important, have the courage to follow your heart and intuition. They somehow already know what you truly want to become. Everything else is secondary.
最近在廁所洗手時, 看到鏡裡的我, 會不自覺想起 Michael Jackson 那首 "Man In The Mirror" (推薦到 YouTube 找 Grammy 88 那場表演, 不管看幾次都很感動)。
If You Wanna Make The World A Better Place Take A Look At Yourself, And Then Make A Change.
在 plurk 上碎碎念說未來想找收入不錯工時又自由的工作, 結果收到 Scott 的邀約, 聊聊互相的近況。想想好久不見, 週間把工作趕趕確定沒問題了, 週五晚間就和 Scott 約週六碰面聊聊。
Gmail 不用刪信這點實在是很方便, 在信箱裡搜一下, 就找到去年邀約的信, 其中有 Scott 的電話和地址。而且今年 Google Map 又多了 Street View, 這回也不用 Scott 到巷口接我, 我直接就能找到樓下。沒想到轉眼就是一年。回顧過去, 雖然也做了不少事, 仍覺得想做的事太多, 自己進步太慢。
兩個技術狂碰面, 眼前又有一台電腦, 那要聊多久都是沒問題的啦! 一轉眼就從下午兩點半聊到晚上九點。相關心得待整理後會再 po 出來。Scott 對 open source 的熱忱看來是有增無減, 不知在業界多待幾年, 我對於工作機會的考量, 會不會更重視 open source 這項呢? 考量到公司立場, 除非有很漂亮的商業模式 (如 Red Hat、ThoughtWorks、Google 或顧問業、出版業), 不然很難實現吧。
從 Scott 那聽了不少在職場歷練的心得, 讓我對自己的認知又更有信心一些。若要用一句話來描述, 大概就是老梗的「態度決定高度」。雖然仍不知道自己的定位, 不知道未來要怎麼走, 總之, 做到「隨遇而安, 盡其在我」就對了。
在練習聽力的同時，我同時觀察自己怎麼理解這些發音的。這實在是很奇妙的過程，有些音明明和標準發音差了十萬八千里，但是一連串的字彙連起來，卻能立即明白整句在說什麼 (比方 "William Kamkwamba: How I harnessed the wind" )；有些字彙即使講得再標準，沒有相關知識也聽不懂 (即使是母語也是如此)。看來重點是前後文和背景知識。
想到這裡，忽然發現這和 classification 認得特徵 (feature) 的方式相似。提供大量的訓練資料和它們對應的分類，learning model 自然會從訓練資料中找到重覆的特徵，分辨出那些特徵和某些分類有關或是反相關。在同樣數量的訓練資料中，若訓練資料的內容相似、特徵類型集中，model 可以更精確地掌握特徵，但也會因此認得較少特徵；反過來說，若想認得更多特徵，得讓內容發散，但很可能學錯特徵。若想同時學得又準又多，只好提供更多訓練資料。
對應回英文字彙也是如此。若我想習得準確且多量的英文字彙，只好持續投入大量時間接觸英文。雖說是理所當然的事，想通後才更甘心地花時間練英文。話說回來，不同的 learning model 用不同方式掌握分類和特徵的關係。強的 model 可以用較少的資料學得又準又多。人腦這麼強大，應當能更有效率地學英文。雖說持續投入時間接觸英文是必要的，也要不斷摸索如何學得更有效率。目前的想法是當我能用自己的話用上這些字彙時，就能記牢它們。所以要試著用這些字造句，或直接重述一遍原文。很土法煉鋼的作法，總比過去坐在那唉唉叫都不動來得好。
