Continuous Quality improvement for Life and Work
  1. 直接搜尋:不管你用哪一個瀏覽器,或者是否用自己的電腦。直接用Google 搜尋DuckDuckGo後,可以連結到DuckDuckGO的搜尋網頁。在搜尋框可以直接搜尋就可以了!
  2. 修改瀏覽器預設:若在自己的電腦或手機,可以透過修改瀏覽器的預設搜尋引擎。

DevonAgent 主要特色:

  • 可以準確搜尋,類似google的一些搜尋語法。
  • 可以搜尋Devonthink資料庫
  • 可以在同一介面搜尋不同資料庫(如Pubmed, Google. Googleschoar等)
  • 可以快速貯存搜尋條件(包含所搜尋的keywords以及目標資料庫)
  • 可以快速將摘要或內容轉存到Devonthink。
  • 與Devonthink相同強大的See Also

使用場景context:

  • 搜尋醫療專業,使用pubmed。
  • 搜尋關鍵字後,在DevonAgent中快速瀏覽。
  • 固定定時搜尋,存檔後可以定時搜尋,快速更新。

使用流程workflow:

  • 根據要找的關鍵字,使用Devonagents 搜尋。

前言

Logit GEE

fam = sm.families.Binomial()
ind = sm.cov_struct.Exchangeable()
mod=smf.gee(formula=formila, groups='hmpcrtno',time="datetime", data=df_dataset, cov_struct=ind, family=fam)
res = mod.fit()
res.summary2()

OLS GEE

fam = sm.families.Poisson()
ind = sm.cov_struct.Exchangeable()
mod= smf.gee(formula=groups='hmpcrtno',time="datetime", data=df_dataset, cov_struct=ind, family=fam) res = mod.fit()
res.summary2()
  • GEE 架構除了regression的formula外,在statsmodel還有幾個重點:
  1. cov_struct: 變數之間得結構,是否有內在相關。如果是個別獨立可以用independent,但是大部分都是合用exchangeable.
  2. family :根據使用的類別來使用,Logit 這類二元分類,就要用binominal,線性可以使用Gaussian,其他比率問文可以使用Poison
  • 資訊爆炸的資訊社會,資訊與檔案的抓取與儲存越來越重要,但是資訊過量的結果,確認我們失去對檔案的掌控力,連到影醒到我們工作與任務的管理。過去我把檔案與筆記分別存放在Dropbox與Evernote,這樣導致筆記與檔案整個脫節,在執行任務時更是困難重重。從去年開始,我把檔案系統與筆記系統整合在Devonthink的架構下,但是檔案結構一直沒辦法配合我 …

方法一:將YouTube 嵌入markdown筆記

  • 在Youtube 中選擇分享,並選擇嵌入模式。
  • 再嵌入模式複製嵌入的程式碼。

## method1:

### code:

from sklearn.preprocessing import StandardScalerfrom sklearn.neighbors import NearestNeighbors

def get_matching_pairs(treated_df, non_treated_df, scaler=True):
treated_x = treated_df.values
non_treated_x = non_treated_df.values
if scaler == True:
scaler = StandardScaler()
if scaler:
scaler.fit(treated_x)
treated_x = scaler.transform(treated_x)
non_treated_x = scaler.transform(non_treated_x)
nbrs= NearestNeighbors(n_neighbors=1,algorithm=’ball_tree’).fit(non_treated_x)
distances, indices = nbrs.kneighbors(treated_x)
indices = indices.reshape(indices.shape[0])
matched = non_treated_df.iloc[indices]
return matched
matched_df = get_matching_pairs(treated_df, non_treated_df)
Python code

### 說明與思考

## method 2

# python 
model = ‘treated ~ age + male +edu’ propensity = smf.logit(formula=model, data = df).fit() propensity.summary()

### 思考

from selenium import webdriver
import random
from datetime import datetime
year = datetime.now().year
month = datetime.now().month
day = datetime.now().day
driver = webdriver.Edge(‘C:/WebDriver/bin/msedgedriver’)
driver.get(‘https://docs.google.com/…’)
date_check = driver.find_elements_by_xpath(“//div[contains(@class,’quantumWizTextinputPaperinputContentArea exportContentArea’)]//input”)[0]
date_check.send_keys(year, month, day)
position_Check = driver.find_element_by_xpath(“//div[@class=’appsMaterialWizToggleRadiogroupEl exportToggleEl’ and @id=’i12']”)
position_Check.click()
code_check = driver.find_elements_by_xpath(“//div[contains(@class,’quantumWizTextinputPaperinputContentArea exportContentArea’)]//input”)[1]
code_check.send_keys(‘XXXXX’)
name_check = driver.find_elements_by_xpath(“//div[contains(@class,’quantumWizTextinputPaperinputContentArea exportContentArea’)]//input”)[2]
name_check.send_keys(‘XXX’)
travel_Check = driver.find_element_by_xpath(
“//div[@class=’appsMaterialWizToggleRadiogroupEl exportToggleEl’ and @id=’i51']”)
travel_Check.click()
contact_Check = driver.find_element_by_xpath(“//div[@class=’appsMaterialWizToggleRadiogroupEl exportToggleEl’ and @id=’i65']”)
contact_Check.click()
temeprature = str(round(random.uniform(35.8, 37), 1))
temperature_check = driver.find_elements_by_xpath(“//div[contains(@class,’quantumWizTextinputPaperinputContentArea exportContentArea’)]//input”)[5]
temperature_check.send_keys(temeprature)
submit = driver.find_elements_by_xpath(“//div[@role=’button’]”)[0]
submit.click()
driver.close()
  1. | CQI365 | 林軒名醫師 | 等待雨果 |: 整合HighlightsApp + Obsidian,建立效率的整合閱讀與標記流程
  2. | CQI365 | 林軒名醫師 | 等待雨果 |: 建立zettleKasten 筆記:Devonthink or Obsidian ?
  3. | CQI365 | 林軒名醫師 | 等待雨果 |: 使用Devonthink3.7取代Obsidian做筆記
  4. | CQI365 | 林軒名醫師 | 等待雨果 |: Typora 有禪味的Markdown編輯器

幾個問題

  1. Wikilink :Wiki link 可以說是obsidain的強項,他可以根據建立的wiki link 自動搜尋連結當對應的筆記,起建立連結地圖與反向連結。但是也有一個致命的缺陷,如果你在非obsidian系統架構下,做檔案「檔名更動」,那obsidian就無法偵測到檔名的變動,wiki link就會斷開!我以devonthink為主力系統下,在devonthink更動名稱是很常見的作法,這樣一來就會讓一推wiki link 常常在失效。失效後,一定得要手動才能修復,這時在造成我莫大的困擾。
  2. 無法預覽其他文件檔:這一點是相對devonthink而言的,因為devonthink可以預覽幾乎大部分的文件檔案,因此在devonthink中遊走略覽是非常方便的。但是在devonthink中一定要打開第三方軟體,才能閱覽到許多文件檔,這樣整個流程都被打亂了!雖然後續obsidain更新版後,可以支援PDF閱讀,不過我的文件種類繁多,還是需要其他閱覽氣得支援。
  3. 資料整理功能薄弱:這也是相對devonthink來說,整體的obsidian主要功能就不是整理,因此整理的功能相對devonthink不在同一個檔次。因此我就被迫要在devonthink處理大部分的工作,然後回到IObsidain寫作,這樣真的沒有節省到時間。
  4. 龐大:如果摒除wikilink與他強大的連結地圖,身為一個單純的markdown編輯器,Obsidan又過於龐大。因此如果要單純找一個markdown編輯器,其實我們更好的選擇可以搭配Devonthink。

最終組合:

  1. 資料庫整理:回到devonthink。 資料庫一向是Devonthink的優勢,他強大的整理能力,加上item link的連結模式,可以建立自強大的KM,不需要在藉助其他的軟體或服務。
  2. 編輯器:回到Typora。雖然Devonthin更新到3.7,其Markdown編輯器可用性高很多。| CQI365 | 林軒名醫師 | 等待雨果 |: 使用Devonthink3.7取代Obsidian做筆記。但是連續使用一兩個月後,我還是無法接受那個故於簡陋的介面。因此回到Typora當我的MD編輯器,Devonthink則是扮演資料庫與整理的角色。兩個軟體的特性迥然不同,搭配與互補的很好。

要適應的問題:

  1. 針對wiki link 問題:不使用Obsidian,就不太能使用那個強悍的Wiki link。雖然Devonthink也有wiki link,但是相較obsidan還是功能差太多。因此我直接回到devonthink使用item link。這樣一來除了可以在MAc 上使用,也可以在手機版本的DTG使用,也省去了更改檔名造成連結喪失的問題。
  2. 沒有graph:其實那個 fancy的圖,只能連接Markdown格式的文件,對我這種PDF, word, PPT一堆的工作者,真的也什麼用處。
  3. 介面問題:透過美麗的Typora,介面就不是問題了!

CQI365

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store