前言：之前在公众号写了一篇如何高效利用参加技术分享的文章，现在分享给大家～
上周在北五环咖啡举办了AI快车道3期-推荐系统的技术分享，活动很成功，坚持到最后的基本上收获都不小，完成我们布置的Coding实验任务，大家交流的也非常开心。活动分三个环节，分别是：PaddlePaddle的全景介绍、推荐系统分享和CodeLive实验环节—PaddleCTR分布式实验。我在活动里负责第一和第三个环节，还有一个大牛在第二个环节中给大家分享深度学习中的推荐算法的难点和痛点，以及我们如何去解决等。话不多说，先放几张活动现场的照片嘿嘿
活动来了50人左右，最后坚持下来的我看了下可能有40人左右，有十多个人在第二个环节听完后走掉了，没有参加现场写代码做实验的环节，我在想这些走掉的人是什么原因呢？内容不感兴趣？讲的不好？觉得是用PaddlePaddle来写不感兴趣就不想听了？或者仅仅是觉得有事儿耽误了现在得马上走？都有可能。但是我觉得，参加任何一项活动，从你决定的时候，到你最后来到现场了，直到结束，都是由时间成本的，换句话说，你的这个时间成本属于沉没成本。如果有两个活动同时举办，你参加了这个，就没法参加那个。时间是很宝贵的，所有如何选择高质量的技术分享，并且能从技术分享中高效的学习，最大化的去利用外部资源是一件值得好好琢磨的事儿～
我参加过不少技术分享，从刚毕业的时候，参加过一个数据分析的，满怀信心去听，以为会分享数据分析的技巧和方法之类的干货，结果是一堆不同的主讲人在宣传自家的产品，只讲了自家产篇如何如何好，当然，这也没啥，可以理解，但是你也得分享分享你咋做到的呀，我听了没啥收获，只知道了一堆数据分析软件，还记得有张溪梦老师的GrowingIO，和一些日志记录软件等。之所以记得GrowingIO，是因为他是里面讲的最好的 - -！
后来也参加过一些组织很高大上，请的人的title也很牛的人来分享，但是很多是分享一个很泛的东西，听完觉得，诶，好像很有道理，但是回家全忘了。我工作一年的时候作为分享人，参加过一个活动，大概是叫做：女数据分析时如何成长之类的（面向女性想从也数据分析的同学，不是歧视男性 = =），那一次分享虽然很小白，但是现场干货还是很多的，认识了不少其他公司做的非常优秀的女数据分析师，虽然后来没咋联系了，但是感觉大家都过得不错。今年4月的时候，我参加了AI快车道第一次活动，讲特征学习的，主讲人刘国翌老师分享的时候大家特别安静，真的是牛逼，讲的深入浅出，而且人很儒雅，很有人格魅力，散场后问了不少同学，都被国翌老师"迷"住了哈哈，当时就觉得，这才是真正的干货分享！后来才知道国翌老师是百度视觉这块的负责人，直到第二期，目标检测，主讲人孙老师也是干货满满，QA环节在场的学员也是不停的一个问题接着一个问题抛出来，围着老师不停的交流在他们的公司实际应用里遇到的困难如何解决。并且每场都有实验环节，教大家如何实现所讲的内容中的一个案例。所以我觉得这才是我想要的干货。那么如何去判断一个技术分享适不适合你，报名以后如何最大化利用到场听的时间，我有几个小Tips可以分享给大家
是否适合参加
1.确认活动类型和人数
如果活动范围比较大，譬如QCon、各种"中国XXX开发者分享会"之类的，活动人数很多，那么主要目的其实是去听面儿上的经验和去social的，分享人很多，不会给每一个分享着太多的时间去讲其中的技术细节，这种其实有点属于各种产品集合在一块的发布会形式，可以听到新的东西，但是可能不会有非常细的技术细节。我们可以通过参加这种会结实各种不同公司/行业等的人，以后如果有合作交流也算先刷个脸存个档了。
如果活动人数较少，技术分享的主题属于某一个具体方向的，就比较适合去学习具体的细节，会后也会有时间去和分享人直接交流。
2.确认活动安排和主讲人