你今天是不是發現公司很多工程師都穿白色衣服呢？
這是因為 9/13 正好是每年的第256天 = 2的8次方
也就是程式設計師們所熟悉的8位元基數
所以這天就被認為是 #程式設計師節 啦！

那為什麼是穿白色呢？
因為在 RGB 顏色空間裡，每種原色有 256 種級別
當紅綠藍三原色達到最大值時，即為 16 進位的0xFFFFFF 就是⬜白色(#FFFFFF)！
所以白色就成為程式設計師節的Dress Code啦😆

在這白色星期一讓我們謝謝用 Code 改變世界的程式設計師們❤️

你也想要進入程式設計的領域，成為一份子？
那就讓微軟的🔗免費自學程式資源，助你更上一層樓
🔗https://aka.ms/MS_0913

@你身邊的朋友一起揪伴來練功！
就先從了解如何使用 C#、F# 和 Visual Basic 這類程式設計語言，跨平台、開放原始碼的應用程式建置開始吧🤘

#Microsoft #ProgrammersDay

[NBA作家群/Clubhouse初體驗]

首先，先感謝昨天以下朋友的加入共同主講：

🏀烏托邦/P League法律顧問/運動視界名人堂專欄作家/卡爾粉絲團管理者/公牛專職寫手但能寫的不只公牛

🏀春少/運動視界名人堂專欄作家/卡爾粉絲團合作作家/國王專職寫手但能寫的不只國王

🏀瓶子大/台灣NBA最早期的單隊專欄作家/粉專：瓶子溜馬日記/溜馬專職寫手但能寫的不只溜馬

🏀追追熊/運動視界名人堂專欄作家/粉專及水管：追追熊/台灣最有名的影片戰術分析

🏀Joseph/運動視界名人堂及台灣NBA官方專欄作家/太陽隊單隊粉專及PTT版主/太陽專職寫手

🏀鮪魚/運動視界名人堂專欄作家/卡爾粉絲團合作作家/粉專：礦區鮪魚/金塊專職寫手

🏀Ken/專職運動媒體人生涯登錄中/運動視界名人堂及台灣NBA官方專欄作家/卡爾粉絲團合作作家/粉專：十的三次方

🏀Chris/台大校男籃運動防護/運動視界專欄作家/粉專：暴龍的異想天地/暴龍專職寫手

🏀🏀

本來只是趁著過年期間，想說做第一次的嘗試，因此宣傳上並沒有非常大力，議題設定上也就比較直線設計，但得到的反饋很不錯，也發現其實對於這些已經運動成痴的朋友們，能夠聚在一起交叉而深入地聊聊籃球這件事情，其實挺不錯的。

也因此應該會更組織性地來做這件事情，每周一次，然後提前討論跟設定主題，甚至是可以從各個參與者們的產出來做為前導閱讀，讓參與的人也能有些背景知識。

🏀🏀

昨天討論的其實圍繞在三個主題：

1/重建的方法以及資產最大化
2/球隊文化對於重建跟經營的重要性
3/給公牛本季的球員異動建議

🏀🏀

我想對於昨天參與的朋友來說，雖然因為講者都是不同球隊的支持者，會各自往不同球隊的個案情況去展開討論，但是每個講者都對於球隊有長期的觀察，能夠不只是從數據，更是球隊長期的經營方針跟文化，還有許多幾乎等同於美國當地本地媒體的小道消息補充，甚至有許多人都是直接跟美國本地隨隊記者甚至類官方管道有直接聯繫的。

但很多時候這些討論受限於「對談深度」的落差，由於對談雙方的語言跟認知落差，無法進到那個深度。而當無法進入到那個深度時，會失去很多「知及所以然」的機會，相當可惜，這也是為什麼會想要持續地把這個活動辦下去。

🏀🏀

如果這裡的朋友們，對於未來持續關心跟參與這個ClubHouse是支持的，幫我留言回個"1"，那如果你除了會支持，也對於下面我設定下次討論的主題，是有興趣的，就回個"1+A(B/C/D)"，好作為我們的參考。

A/Jimmy Butler真的很吉巴嗎
B/什麼叫做薪資制度：也談談台灣職籃的薪資制度未來
C/本季NBA最讓你驚奇的球隊或個人：好的跟壞的
D/小孩子才做選擇我全都要

🏀🏀

需要知道上面共同講者的作者頁或粉專，也歡迎在底下留言唷！

#BullsHit
#ClubHouse

微表情不一定反應情緒，而是行為傾向
.
關於人類表情的研究，大體分為兩個學派。第一個也是最傳統的學派叫基本情緒論 (Basic emotion theory, BET) ，大多來自神經科學與情緒心理學者，認為表情反應人們內心的感受或情緒。例如，微笑反應當事人內心的愉悅感。另一新興學派叫行為生態論 (Behavioral ecology view of facial displays, BECV)，大多來自社會心理學，認為表情反應的是下意識或潛意識的行為傾向與社交語言。例如，微笑可能要取悅互動的另一方。所謂互動的另一方，可能是真人、照片、動物、甚至電腦或機器(例如自拍)，或雖獨自一人但腦中正在與別人互動時。
.
基本情緒論早期對情緒的分類，大體分為開心、害怕、難過、吃驚、生氣、厭惡與不屑等七大類，經常被用來判斷一個人是否在說謊。有興趣的可以看美國影集-謊言終結者《Lie To Me》或FBI教你讀心術這類書籍。但有愈來愈多心理學家與電腦科學家合作，運用電腦視覺結合AI深度學習 (歸類在情感運算Affective computing的領域)，捕捉人們五分之一，甚至四十五分之一秒的臉部動態，又稱作微表情。正常人難以控制 (即微表情不會說謊)，卻容易在與他人互動時無意識地展現出來，且不易被肉眼觀察到。但即便是微表情，也不盡然能反應當事人當下的情緒。反之，卻能顯著且高相關地預測一個人下一秒甚至未來一年與他人互動的行為傾向，例如性格(歸類在性格運算 personality computing)或特質與價值觀屬性的職能。因此，結合視訊面訊，開始被用來當作人力資源測評和甄選的工具。
.
註: 以下這則報導用86個微表情不太正確，而是臉部86個偵測點 (facial landmarks)，這86點在特定情境與時間的動態 (所以是86的86次方)，才是微表情。
.
來源:
Crivelli, C., Carrera, P., Fernández-Dols, J.M. (2015). Are smiles a sign of happiness? Spontaneous expressions of judo winners. Evolution and Human Behavior, 36, 52–58.
.
Fridlund, A.J. (2017). The behavioral ecology view of facial displays, 25 years later. In: Fernández-Dols, J.M., Russell, J.A. (eds.) Oxford Series in Social Cognition and Social Neuroscience. The Science of Facial Expression. pp. 77–92. Oxford University Press, Oxford, UK (2017).
.
https://www.youtube.com/watch?v=8r3slSJG_7c&t=12s