1. UX 专业排名

网站创建者基于自己的一套方法得出的 UX / HCI 专业排名，第一到第十见上图。学费、地点、语言和 GRE 要求都列出来了。至于创建者用的方法，我个人觉得虽然筛选条件（以 Google 为标准）片面了点，但还是比各大官方要实际。

方法就是在 Linkedin 上筛选供职 Google、title 涉及 design，然后特定学校（比如 CMU ）毕业的人数。

https://www.topuxschool.com/program/us

2. 效率并不是时间管理

大多数人都把效率等同于在单位时间内能完成任务的数量，所以效率就变成了时间管理。但效率只是手段，并不是目的，挣扎于效率高低最后的结果是完成了一堆可有可无的事情。

我们缺少的不是效率，而是驱动力；如果注意力放到任务可能带来的作用，你自然而然会明白做这件事应该花费的精力。

所以与其注重时间管理，不如转向注意力管理。而注意力管理的核心是时机。不要在有趣又有意义的任务后完成那些枯燥重复的任务，它们之间的对比只会让你的注意力不停转回到之前那些好玩的任务上，导致完成效率更低。

另一个是根据每个人的生物钟自行调整任务分配；有的是早起型，那就把需要精神集中的分析类任务安排在早上；有的是夜猫子型，那就把发散思维的创意类任务放在还没彻底清醒的早上。

效率是很个人的一件事，虽然有各类关于效率管理的书和文章，但实际上它们可能对作者以外的人都没太大作用。

https://www.nytimes.com/2019/03/28/smarter-living/productivity-isnt-about-time-management-its-about-attention-management.html

3. MIT 设计了一个非常会数数的算法

不要小看数数这件事。如果数字涉及 Facebook 广告业务的点击量和 impression 或者 Amazon 订单量的时候，计数就变成了一件极为困难又相当关键的任务。无数的算法都在试图解决这个问题，MIT 日前设计了一种新的机器学习算法 LearnedSketch；它会预测并将某些特殊情况分到单独的池子里个别分析，而其他数据则使用传统算法。

对于复杂任务，比如估算流量，LearnedSketch 的错误率减少了57%；而简单任务比如估算搜索请求，该算法错误率相对要少71%。

https://thenextweb.com/artificial-intelligence/2019/04/01/mit-created-a-new-algorithm-thats-really-really-good-at-counting/