1.项目的方向很重要，在项目开始之初就应该做好设计，而不是将希望寄托于别人已经做好的开源项目上，要自己做好系统设计，不能老想着直接用外部成型的项目，最多看看他人的逻辑，而不是说全部拿来。这点最为重要。前期应该多做background reading，自己做好系统架构。
2.做项目的时候，开始启动项目的时候要确定好架构的应用场景，比如spark，hadoop确实很火，但是用它们来跑deeplearning真的很慢，在最开始做的时候，就要发现这个问题，及时调整方向就好了，而不能等到最后还在死扛着，整个项目就毁了。所以应该考虑使用spark和hadoop来进行个性化推荐或者舆情分析的。
3.队友的选择很重要，自己在项目之初高估了自己的能力，也没有用上队友的能力，导致最后这个项目只能死扛了，当时其实没有必要，大家都没有获得到东西这样。而自己一个人也不想做了。
在做项目过程中的感悟：
1.不是什么东西都是可以改改就可以用的，或者虽然可以跑了，但是性能并不好，但这反应的是我的基本工不好，比如我没有完全弄清楚spark怎么调优，虽然deeplearn4j是可以在spark上使用的， 但是它们的example就不合适，也许对于模型训练最好的还是在一台性能强大的机器上 去完成，并且虽然deeplearn也许需要大量的数据集，但是我选择的数据只是很小的数据，更加不应该放在集群上跑了。不过我自己也有一个疑惑，deeplearning一般的训练数据集是有多大了？
2.对于spark，我发现还是大量数据才能有用，也许是流数据才行了。比如，其他组主要做的是streaming的推荐以及舆情分析。或者商品推荐也是一个应用方向。听说还有的是图像处理方向，比如相似图片的推荐等。
目前自己想要立的flag：
1.做一个系统，涉及到舆情分析的：初步设想子系统分布：获取tweet数据，处理数据，----使用deeplearning或者NLP模型进行预测结果，将这一段时间的结果进行统计并且展示。
---- 这里也可以使用数据进行云图，将关键字列出来。
这个系统还有一个模型训练的问题，我目前的想法是使用现有的论文进行参考，然后实现一个。
2.在做一个新闻推荐系统，如果新闻推荐系统没有数据源，那还是参考tweet数据，根据个人的tweet来classification，然后进行tweet的消息推送，这个也可以扩展到微博的使用上。
希望，后面可以用两个星期来完成这两个项目，个人项目，所以还涉及到网页的展示。dashboard上。
另外就是这些项目是不是可以考虑使用scala来完成。不过工具的使用还是要考虑性能，我的能力，而不是为了使用而使用。