月份: 十二月 2017

當有經費和能力的話，直接購買電子書和論文來看是比較妥切的，但實際上大多數人都無法負擔這樣的方式，這使得科學新知應該要廣發傳遞的理念變得，好在目前有些替代方案，替這樣的我們提供“暫時性”科學知識的來源！

Sci-Hub
可用來搜尋文獻，直接使用doi即可，相當方便！
Library Genesis
含有大量書籍，但部分較近年份的書籍並沒有，介面較陽春

Booksee
搜尋介面蠻舒服的，收錄的書籍較新

之前因為好奇心使然，對所謂的雲端計算很感興趣，畢竟scalable computational skillset蠻重要的，自從之前有把整個研究室叢集電腦塞爆，不斷修改平行代碼，測試速度等，還是需要一個多月計算時間的經驗，如何短時間調用更多運算資源，可以解決未來遇到此類事件的scenario。

Google Cloud Platform之前因為使用SevenBridge的服務時有稍微碰到，因為SeverBridge的生資運算工具本質上是建立在Google Cloud Platform上的Genomic API，最近則是因為需要使用到GPU的效能，但暫時無法組一台桌機來做這件事，所以覺得可以試試看GCP，假如他的學習機會成本可接受，目前整體感覺GCP上手容易度頗高的，且在不使用客戶端下就能做很多事情。另外，GCP很大部分都是針對"資料工程"圍繞建立的服務，所以頗多針對機器學習常用工具推出的雲端服務，非常貼心！

 相對於AWS一開始從很底層提供雲端計算服務，Google Cloud Platform的邏輯比較跟者應用層跑，相對起來很快可以轉移上去。

Google Cloud 教程資源

Goolge Cloud Platform基礎架構說明
Compute Engine: https://cloud.google.com/compute/
Storage: https://cloud.google.com/storage/
Pricing: https://cloud.google.com/pricing/
Cloud Launcher: https://cloud.google.com/launcher/
Pricing Philosophy: https://cloud.google.com/pricing/philosophy/

Google Cloud Platform中層服務
Cloud Pub/Sub: https://cloud.google.com/pubsub/
Cloud Dataflow: https://cloud.google.com/dataflow/
Cloud Datastore: https://cloud.google.com/datastore/
Cloud Bigtable: https://cloud.google.com/bigtable/
Google BigQuery: https://cloud.google.com/bigquery/

Google Cloud Platform高級服務（high level application level）
Cloud Datalab: https://cloud.google.com/datalab/
TensorFlow: https://www.tensorflow.org/
Cloud Machine Learning: https://cloud.google.com/ml/
Vision API: https://cloud.google.com/vision/
Translate API: https://cloud.google.com/translate/
Speech API: https://cloud.google.com/speech/

GCP部落格或應用
Reliable task scheduling on Google Compute Engine
Real-time data analysis with Kubernetes, Cloud Pub/Sub, and BigQuery
Processing logs at scale using Cloud Dataflow

Big data and machine learning blog: https://cloud.google.com/blog/big-data/
Google Cloud Platform blog: https://cloudplatform.googleblog.com/
Google Cloud Platform curated articles: https://medium.com/google-cloud