Kommentare sind wohl wirklich tot

Dies ist der vierte und letzte meiner Jahresrückblick 2014-Posts. Die anderen sind unter dem Tag jahresrückblick14 zu finden.

Wie schon voremene Zitli nahm es mich letzthin wunder, wie’s denn heutzutage so mit den Kommentaren hier aussieht.

Dafür hab’ ich mein Skript zur Kommentar-Visualisierung ausgegraben, minimalst aufgehübscht und liess es über meine WordPress Datenbank laufen.

Wie früher auch schon klar ersichtlich, hat die Kommentar-Zahl sowohl die Posting-Zahl abgenommen. Die Posts haben sich in der Region von ca. anderthalb Posts pro Woche eingependelt, während seit ein paar Jahren ein Post von mir im Schnitt höchstens noch einen Kommentar generiert.

Aber wie schon das letzte Mal soll nicht unerwähnt bleiben, dass das hier ja mehr so ein halbwegs visuelles Tagebuch meiner coolen Erlebnisse ist und ich nicht auf die Kommentare angewiesen bin. Interessieren würde mich aber schon, wie das bei anderen (WordPress)-Bloggern aussieht. Wenn ihr einen solchen Plot macht, macht doch einen Kommentar oder Trackback hierhin, damit wir ein paar Datenpunkte mehr haben.

Making Of: Neujahrskärtli 2015

2015.jpg

Dieses Jahr versuchte ich mal wieder, für meine Neujahrskarte eine etwas spezielle Idee umzusetzen.

Zutaten:

  • Ein Stativ mit Kamera oben drauf
  • Drei Sätze Kleider
  • Drei Stäckli mit angeklebten Sprechblasen
  • Etwas Platz in der Marktgasse

Mise en place:

  • In der Marktgasse das Stativ so aufstellen, dass die Trams links und rechts noch durchfahren können. Dabei geflissentlich die komischen Gesichter der Tramchauffeure ignorieren.
  • Die Belichtungszeit auf eine Sekunde einstellen und ca. 15 Minuten die Passanten im Weihnachtsstress fotografieren. Der Zeitraffermodus meiner D7000 ist noch gäbig dafür.
  • Ein unterbelichtetes Foto vom Himmel machen, weil der mit einer Sekunde Belichtungszeit hoffnungslos zu hell ist.
  • Stäckli fürenäh, Mitts in die Marktgasse stehen und mit kurzer Belichtungszeit ein paar Fotos machen. Sich nicht von den komisch guckenden Menschen ablenken lassen.
  • Stativ stehen lassen, in der Marktgasse umziehen, sich nicht von den komisch guckenden Menschen irritieren lassen.
  • Zweites Stäckli näh, links in der Markgtgasse nochmals härestah und ein paar Fotos machen.
  • Nochmals umziehen, mit dem dritten Stäckli rechts härestah, ein paar Fotos machen und dann zusammenpacken.

Zubereitung:

    • Fotos durchgehen und die besten 8 auswählen. 4 mit Passanten, eins mit Himmel und 3 mit mir.
    • Alle Fotos in hugin reinladen und aneinander ausrichten.
    • Gute Bereiche mit einer grünen “Include”-Maske einschliessen, schlechte Bereiche mit einer roten “Exclude”-Maske ausschliessen.

1_mask2.jpg
1_mask1.jpg

  • Foto zusammenrechnen lassen.
  • In Aperture noch etwas an den Farben drehen und mit Pages eine Rückseite bast

Backen:

  • Etwas aufgehen lassen und noch eine Nacht darüber schlafen.
  • Im CopyQuick in genügend grosser Auflage drucken lassen.
  • Einen Teil auf die Post bringen und den Rest (im Schnee) vervelölen

Äbe: Auch wenn schon chli spät; Äs guets Nöis!

3_2_1_2015.jpg

Jahresrückblick auf mich selbst

Das ist der dritte meiner Jahresrückblick 2014-Posts. Die anderen sind unter dem Tag jahresrückblick14 zu finden.

Im 2014 lernte ich Git lieben, hab’ viel Bildverarbeitung mit Python gemacht und gelernt, dass Gesichts-Erkennung mit OpenCV in ein paar Zeilen Code möglich ist.

Gesichtserkennung, mit Augen

Dazu kam, dass ich praktisch jeden Tag ein Selfie von mir machte, mit der Everyday App. Eigentlich wollte ich diese beiden Dinge verbinden, fand dann aber irgendwann im Herbst raus, dass ich nicht der erste bin, der daran gedacht hat [1]. Rob Lourens hat ein Python-Skript geschrieben, das Bilder nimmt, auf diesen Gesichter und Augen erkennt und die Bilder zueinander ausrichtet.
Mit minimalen Anpassungen liess ich das Skript über meine 339 Selfies aus 2014 laufen. Zusammengesetzt mit der Zeitraffer-App mit 1 Woche pro Sekunde kommt schlussendlich dieses Video hier raus.

Knapp die Hälfte der Tage dachte ich daran beim Arbeitsschluss im Treppenhaus ein Foto zu machen [2]. Dadurch ist der Hintergrund und die Beleuchtung in diesen Bildern etwas konstanter, was das Ganze etwas schöner zum anschauen macht. Dieser Film ist so zusammengesetzt, dass eine Arbeitswoche einer Sekunde entspricht.

Wer die beiden Videos genau anschaut, sieht, dass ich im 2014 5 Mal die Haare und 18 Mal den Bart geschnitten habe. Und diesen Pickel an der Backe nur mit Bildbearbeitung los geworden bin, aber das ist ein guter Vorsatz im neuen Jahr :)
Und, weil’s grad so gäbig geht, und chli zu Rumänien passt. So seh’ ich aus, wenn mensch den Durchschnitt aus allen 339 ausgerichteten Bildern macht. Habis durchschnittliches Gesicht im 2014.

Habis average face for 2014

[1]: Ich sag’ immer: Es gibt fast nichts, das nicht schon jemand mal auch schon als Problem hatte, das schwierige daran ist nur, die Lösung trotzdem herauszufinden.
[2]: Oder war auswärts am arbeiten. Oder nicht am arbeiten.

Where was I in 2014

This is the first second of some of my look back on 2014 posts. To see the other ones, take a look at the jahresrückblick14-tag

Introduction

I tracked my location data with OpenPaths since the beginning of 2014. OpenPaths comes as an application for your phone, which tracks its location, uploads it to the OpenPath servers, where you can donate your data for scientific research, and look at the data yourself.

To do this, we grab a .CSV file with the location data. Log in to OpenPaths, and click on CSV under Download my data, which gives you a comma separated list of your location data, which can then visualize with R, which is what we’ve done here.

Data

We want to plot the location points on a map, which we can do with the wonderful ggmap library. First, we load the CSV file and display a summary of the data.

library(ggmap)
data summary(data$lat)
summary(data$lon)
summary(data$alt)
## lat
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 34.6 46.9 47.2 46.0 47.5 53.6

## lon
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 4.76 7.50 8.20 21.80 8.22 141.00

## alt
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## -48 353 380 463 546 2670

In 2014 I was somewhere in woods somewhere in Romania in the mean, and somewhere in Beromüster as the median.

summary(data$device)
summary(data$os)
## device
## iPhone4,1 iPhone6,2
## 13453 1093

## os
## 7.0.4 7.0.6 7.1 7.1.1 7.1.2 8.0 8.0.2 8.1 8.1.1 8.1.2
## 829 261 2238 2065 1551 145 6095 479 449 434

We see that in 2014 I changed from an iPhone 4S (iPhone4,1) to an iPhone 5S (iPhone6,2) and went through 10 different iOS version numbers.

Location data

Extremes

Interesting points in our data are

  • The minimal and maximal latitudes of 34.601 and 53.5866, South and North.
  • the minimal and maximal longitudes of 4.762 to 141.1744, East and West.
  • as well as the altitude, which ranges from -48 AMSL to 2671 AMSL.

We can get the extreme points out of the data pretty easily. To do so, we subset the data depending on the value we want to have, build a Location from these points, grab the map from that location, display this map and add a pointer.

For the most northern point, this goes like so:

NLocation = c(lon = subset(data, lat == max(data$lat))$lon[1], lat = subset(data,
lat == max(data$lat))$lat[1])
mapImage zoom = 15)
ggmap(mapImage) + geom_point(aes(x = subset(data, lat == max(data$lat))$lon[1],
y = subset(data, lat == max(data$lat))$lat[1]), alpha = 0.5, color = "darkred",
size = 10) + ggtitle("Northmost point in 2014")

where_is_the_northmost_point_

We see that in 2014 I was in Hamburg, which is the northmost point. Correctly, the northmost point would be in Oslo, where I spent New Years Eve 2013/2014, but I’ve only really started to use OpenPaths in mid-January 2014…

The rest of the extremes can be extracted accordingly.

where_are_the_other_cardinal_direction_extremes_1
where_are_the_other_cardinal_direction_extremes_2
where_are_the_other_cardinal_direction_extremes_3

The most eastern point was (unsurprisingly) in Japan, the southmost point in Cyprus and the most eastern point in Amsterdam (while flying to Japan).

The highest peak I reached in 2014 was the Bettmerhorn, probably while skiing. The lowest point at -48 AMSL was at home and is probably a fluke in the GPS data :)

where_is_the_highest_point_

Where was I in Switzerland?

To plot the obtained data on a map, we have to center the resulting map location. Since I only want to show the data points in Switzerland, we center the map on that. Afterwards, we can simply plot all the data points on top of that image, and you can see where I was in Switzerland in 2014.

HomeBase zoom = 8)
AllPoints ggmap(HomeBase) + geom_point(aes(x = lon, y = lat), data = AllPoints, size = 3,
alpha = 0.25)

Swiss_Locations

If you’d like to see the full R code (in R Markdown), you can take a look at the OpenPaths.Rmd on my GitHub account.

Kritik: The Martian

Andy Weir ist einer der ersten Menschen, die auf dem Mars landen. Durch unglückliche Umstände bleibt er auf dem Mars, während der Rest seiner Truppe wieder auf die Erde zurückfliegt. Das heisst, er wird auf dem Mars sterben.

Die Erklärung, wieso er doch nicht auf dem Mars stirbt, ist in einem spannenden Buch von Andy Weir verpackt, dass mich unglaublich in den Bann zog [1] und viele coole MacGyver-mässige Tricks drin hat. Ebenso sind ein paar Stellen drin, bei denen ich beim Lesen laut rauslachen musste, obwohl’s eine Science-Fiction-Geschichte par excellence ist.

[via Smarter Everyday]

[1]: Mitunter ist das Buch der Grund, wieso ich nach zwei Stunden nach dem ins-Bett-gehen in der ersten Nacht im neuen Jahr nochmals aufgestanden bin um die Kamera aus der Kälte hereinzuholen.

Recommended readings: 1. January 2015

Im letzten Monat las ich folgende Texte/sah folgende Videos und fand diese gut: