之前的週記都沒有徹底執行『覆盤』：檢視上週自己訂定的目標，檢討這週的執行成效。

這週決定開始執行。看看上週自己訂的衝刺目標，實際上完成了哪些：

(Review last week) 下週衝刺目標：

1. 工作：解掉主管交辦的 Task、開始 Online Mapping Training with real dataset.✅
   • 完成 Fall PERF Self-Review (by Wed) ✅
2. 生活：嘗試新的作息（6:30 Hard Cutoff），早點吃晚餐，早點睡覺。✅
   • Make it a non-negotiable! ⚠️ 有早下班，但還是太晚吃飯＋睡覺
3. Side Project & Learning:
   • 看完納瓦爾寶典第一章節 + 筆記 ✅ （看完章節、筆記還沒開始寫）
   • 整理 ML System Design 筆記 ‼️ At risk: Did NOT do.
   • 重新開始練棒球 Pitching Mechanism ✅ （只練了週一 😅）

除了上週目標以外做了什麼：

1. 更新個人網站，新增『ML Roadmap』區塊
2. 讀了 Waymo Senior MLE (Perception) 的 JD，寫下複習 ML Fundamental ，熟習 Waymo Open Dataset，到做出 Capstone Project 的目標與計劃
3. 開了一個新的『咖啡廳日誌』帳號，目標每週末生出兩篇文，記錄每次去咖啡廳品嚐咖啡/Pastry/Food的心情與食記
4. 週六早上啟動『抄寫英文的奇蹟』第一篇—預計連續一百天一天抄一篇。
5. 週六看了一小時的『查理蒙格的普通常識』，學習 Berkshire Hathway 帝國是如何透過一次次的併購有潛力的公司，來幫母公司不停產生現金流與報酬。

生活

這週生活中有幾個開心的收穫：

• 找到一間新的咖啡廳：Devout Coffee。Devout 是『虔誠的』意思，老闆取名超有智慧，期許顧客像虔誠的信徒般持續回訪。熱的 Cappuccino 超好喝，以後必點。
• 週六的 Lifestyle 很喜歡：早上咖啡＋閱讀，中午健身，下午回家唸個書，晚上和朋友吃飯。唯一傷心的是在一個 Stop Sign 因為沒有完全靜止被 Pull Over了。警惕自己以後安全第一，就像 John Wooden 說的：「個人品格的真正考驗，在於無人看見時的所作所為。」
• 這週閱讀最大的收穫，是讀了查理蒙格的人生故事。雖然只是一點，想記錄一下：

蒙格出生於 Nebraska State 的首府：Omaha city。想起四年前從 Michigan 開往 Aptiv 在 SoCal (Agoura Hills) 辦公室的路上，第二站就是去 Omaha 吃一個日料。記得那個餐廳超棒，各種動漫海報裝潢和音樂，當時還有 YC和他女友一起 XD 真的超酷。Charlie Munger 出生在中西部保守的一個村莊，大學竟然去 University of Michigan 讀數學！大學唸到第二年就去服役，後來在 New Mexico (Albercurque) 和 Cal Tech (Pasadena) 讀了物理、熱流、和氣象，真的學識淵博呀！服役完畢透過關係，成功進入哈佛讀法學碩士，畢業後和朋友合開律師事務所，做了六～八年。中間再一次返鄉處理父親後事時認識巴菲特，兩人相談甚歡，互相交流各種投資哲學。從此開啟他放下律師身分，潛心致力於發掘淺力公司的投資事業。兩人合手創辦 Berkshire Hathway 帝國，旗下有數間知名公司（GEICO, See’s Candy等）。

• 週日和 Ethen & Kyle 再度訪問 Devout Coffee。我提出對於『若半年後又向主管提請假回台灣是否會造成印象差』？兩人給我的反饋：取決於你的 Performance和 Trust。我深刻的體悟：回到納瓦爾說的：We are being tracked on the “Outputs”, not “Inputs”。只要能夠 deliver 足夠的產出，相信一切都是 negotiable！
• 善用 Gemini ＋ 我的每日願景清單，請他整理過去一週我的表現，並給予評價。記錄在這個 google sheet 裡，以後每週都來 self-review，應該會加速覆盤的時間。

Domain Knowledge Learning

• Numpy Broadcasting: 這週練習了基礎的 numpy array broadcasting，請見以下範例：

import numpy as np
A = np.array([[1,2,3],[4,5,6],[7,8,9]]) # shape: (3, 3)
"""
A = 
  [1, 2, 3]
  [4, 5, 6]
  [7, 8, 9]
"""
b = np.array([10,20,30]) # shape: (3,)
"""
Normal Broadcast: A + b, b becomes:
[10, 20, 30],
[10, 20, 30]
[10, 20, 30]
"""
print(f"A.shape {A.shape}") # (3, 3)
print(f"b.shape {b.shape}") # (3,)
print(f"b.T.shape {b.T.shape}") # (3,)
# So, A + b result:
"""
[1, 2, 3]     [10, 20, 30]      [11, 22, 33]
[4, 5, 6]  +  [10, 20, 30].  =  [14, 25, 36]
[7, 8, 9]     [10, 20, 30]      [17, 28, 39]
"""
result = A + b
print(f"A + b result: {result}")

result2 = A + b.reshape(3,-1) # broadcasting: shape (3,3) 
print(f"A + b.reshape(3, -1) result: {result2}")
"""
[1, 2, 3]     [10, 10, 10]      [11, 12, 13]
[4, 5, 6]  +  [20, 20, 20].  =  [24, 25, 26]
[7, 8, 9]     [30, 30, 30]      [37, 38, 39]
"""

import numpy as np
A = np.array([[1,2,3],[4,5,6],[7,8,9]]) # shape: (3, 3)
"""
A = 
  [1, 2, 3]
  [4, 5, 6]
  [7, 8, 9]
"""
b = np.array([10,20,30]) # shape: (3,)
"""
Normal Broadcast: A + b, b becomes:
[10, 20, 30],
[10, 20, 30]
[10, 20, 30]
"""
print(f"A.shape {A.shape}") # (3, 3)
print(f"b.shape {b.shape}") # (3,)
print(f"b.T.shape {b.T.shape}") # (3,)
# So, A + b result:
"""
[1, 2, 3]     [10, 20, 30]      [11, 22, 33]
[4, 5, 6]  +  [10, 20, 30].  =  [14, 25, 36]
[7, 8, 9]     [10, 20, 30]      [17, 28, 39]
"""
result = A + b
print(f"A + b result: {result}")

result2 = A + b.reshape(3,-1) # broadcasting: shape (3,3) 
print(f"A + b.reshape(3, -1) result: {result2}")
"""
[1, 2, 3]     [10, 10, 10]      [11, 12, 13]
[4, 5, 6]  +  [20, 20, 20].  =  [24, 25, 26]
[7, 8, 9]     [30, 30, 30]      [37, 38, 39]
"""

工作

• 這週正式 Close 掉 Incremental Autopatch Updates 這個 project，Context Map 暫時也沒問題要修（除了週五臨時接到一個 request，但馬上一天內修好，開心！）
• 終於有餘裕可以 Focus 在 Online Mapping 的 Training。很開心這週修好上週因為 TFRecords 沒有指定的 fields，和 tensor reshape error 的問題。Root Cause 是來自：有一組 scene set 是混著不同型號車子的 driving logs，因為兩個車子使用的 Sensor 規格不同，所以一組 LiDar是 (32,x) 一組是 (25, x) 導致產生 mismatch。Exclude 少數不該使用的 logs 後成功完成 model training，非常好！
• 這週開了兩個 branches 比較使用 default ground-truth CM labels 和 custom ground-truth CM labels 的比較，使用的是 P3 dataset variant。週二上午開始 train，竟然週五早上才訓練完成（花了 ~3 days）。下週來和 Joey 學習如何 compare & evaluate trained model performance。目標：學會 scaled eval & gated eval interpretation!
• 這週五開始做主管希望有的 nuro-CI SLAM 功能（在 PR 可以下 comment，自動launch 一個 staging SLAM job）。雖然這個偏 Software Engineering，但就抱持著學習的心態，也算是多一項技能！
• 這週完成了過去半年的 Performance self-review，是進入 Nuro 後第一次寫 PERF self-review。花了很多時間，但也趁這機會在讀了主管的 L&M Vision 後，挑出自己想貢獻的專案並 Propose my plan for Future Focus for the next 6 months。接下來就期待之後的 1-1 看有什麼結果囉！

整體而言，這週的工作節奏算滿意（給 8/10），突然從之前一直在救火的急迫性，回到稍有餘裕，能有更多時間做 Deep Thinking & Planning。希望未來能繼續更好，保持現在的工作＆生活的節奏，才能維持長期的身心健康，在這個長期遊戲世界中持續升級。

下週衝刺目標：

1. 把個人網站 ML Roadmap 區塊整理完成（有 Fundamental & Case Study)
2. 啟動 Week 1 Study:
   • Numpy & Pytorch Fundamentals
   • Linear Algebra & Calculus
3. 嘗試新的運動計畫：
   • Mon: (light) Push Day + light run
   • Tue: (light) Pull Day + light run
   • Wed: Leg Day + light run
   • Thur: Threshold Run
   • Fri: Push Day + light run
   • Sat: Pull Day
   • Sun: Morning Long Run (1hr or 10K)