Presentation & Visualization : PPT
目标
- 明确目的是什么,(推销什么东西,让对方理解或者明白什么)
- 列出围绕目的的各种相关内容
- STAR法则组织,situation/motivation: 做实验发现局限性和效果不好
- 明细内容间的逻辑关系,
- 明确各种信息的重要程度/优先级/关键点
- 看情况,讲主题的由来,和最后的展望、改进
- (讲论文)注意作者,机构,会议和时间
[^2]
常见误区
一:拿来主义
为了让自己的工作看得很漂亮,过多的讲述别人的漂亮工作,超多:
- 问题:产生幻觉,自己组织内容头重脚轻,读者听不懂你工作的要点。
- 改进:
- 根据自己的工作,介绍到读者明白背景(概念、难点)即可。
- 别人工作的精妙设计,除非自己改进了,不然不要提及。
二: 内容不紧凑,不Amazing,不Duang
- 问题:每页内容过于散,页之间重复信息多。
- 追求:
- 每页PPT的内容都是紧凑、有用、相关信息量爆炸的。
- 每个子项都是闭环的:STAR法则。
2.1:按序白开水/缺乏重点
- 问题:
- 没有整理、没有提炼总结、没有高度、没有思考。
- 没有强调重点,读者感知不到你工作的难度和工作量。
- 改进:
- 前期就高度规划工作的整体性、模块化。面面俱到,完整独立的模块开发设计。
- 后期根据完成事项,合并同类型,提炼分块。
- 仔细思考工作的难点和重点,在PPT展示和演讲时突出重点。
2.2:低效/繁琐工作
- 问题:由于自己掉坑里了,花了很多时间,就想多讲一点。有种诉苦情节。
- 负面:
- 这只会让评委觉得你能力不足,每天都在干这种垃圾事情。
- 读者能收获的内容不足。
- 改进:
- 如果只是弱智坑就完全跳过,
- 如果是繁琐的工作量,可以一句话带过,说明有许多工作量即可。
2.3:未闭环工作
- 问题:
- 汇报的大忌是介绍未闭环工作,有哪个leader在汇报时,会讲不足。都是放在展望里。
- 会给读者留下把柄,和不严谨的感觉。
- 改进:
- 未闭环工作原则上是不介绍的,除非在介绍里占比很高,很重要,逃不开才介绍。
2.4:陷入细节/原理
- 问题:
- 有些概念在不同场景下是有区别的,想避免懂行的大神客户提问和质疑。所以就提前讲了,在PPT里大量展开。
- 过度把读者当小白,极力解释清楚每一步推导,也在PPT里大量展开。
- 负面:
- 会极大的影响PPT的逻辑和结构。
- 读者可能对细节不感兴趣。
- 改进:
- 默认读者都是同事(知道基础概念)来写PPT,默认读者都是大神来思考可能的提问。
- 概念的区别和特例最多注释一下,表示有考虑。
- 有客户提问了,再详细解释。
2.5 不舍得删除
- 问题:
- 有时进行设计了和主题不是紧密切合的内容,虽然有趣,但是演讲超时。
- (计划和安排外的工作,比如开发了有用的工具、优化了算法。)
- 没有问题单,客户反馈没有强背景支持。
- 改进:
- 需要保持内容的紧凑,删除不紧密相关的内容。
要点与技巧
ETH 如何写好文章/博客
- A paper is the artwork of a researcher.It is important to treat it that way and be very thorough with it.
- 解释背景
- 由大到小,自顶向下,
- 简明扼要的谈论问题(标题简洁优先,留白比太具体好,可以避免复杂标题潜在的理解负担和描述矛盾)
- 短句为主
- 现在时态为主
- 名词单数表述
- 优先级结构清晰
- title abstract intro 是最重要的
- 用主动时态,而不是被动式
一、条理逻辑清晰
- topdown的递进方式来展开
- 注意条理,和各页PPT的联系、衔接话语
- 积极在标题前写
part1:
orstep1:
orobservation1:
来让读者感知到ppt间的逻辑。 - 重要的内容,字体更大更粗颜色更深,位置更靠前更居中。
- 激光笔来引导听众注意
二、易理解
- 多图和少大段文字。只有关键数据和文字来辅助观点说明。图形转换的小动画效果也很好
- 用绿色笑脸对勾,和红色哭脸和叉。来表明对应的观点态度。
三、高可信
弱化不足
注意侧重,(最后展示或者外行科普,而不是学术研讨)讲好的部分,局限性和不足之处就没必要重点讲。
数据魅力
为了让结果更好看,更有说服力。
- 重新定义问题的边界
- 多用平均数隐藏众数,中位数,和具体分布函数的问题
- 多用百分比来展示提升,隐藏基数过小的问题
- 多位小数能提高数据的可行度。
- 数据的表格的颜色,baseline的选取,和y轴选取的范围。整体会影响图表给人的感觉。
- 比较数据时,二维拉伸成平面:
- 比较数据时,二维拉伸成平面:
- 选择不公布效果不好的数据。
学术化表达
避免口语、追求学术性
- 客观公正: 避免第一人称,采用被动语态或第三人称。避免带入个人情感的描述
- 精简正式:删除不表意的语气助词来避免口语化用词:”越发困难”、是如此复杂”、”并非易事”和”更不用说”这些词汇和短语较为口语化
- 用词专业精准
- 语句复杂丰富从而表意全面、注重逻辑
四、有趣
- 深入浅出:用明白易懂的语言表达出深刻的道理。
- 穿插比喻,tip,BTW来理清、强调复杂逻辑中的critical path。
- 故事化: 可以有效的串联其零散的工作内容,使其有设计感,整体感,故事趣味化。常见于在topdown的介绍work details时,解释motivation和challenge的解决的思考思路时。
五、有用
- 观众想听什么: 独特的发现,观点和视角。
- 听的人在乎启发,而不是细节
工具
focusk in HTML5
focusk is more useful than PPT, when the topic have strong TOP-DOWN logic, like:
- milestone point in the timeline
- multi-layers like pyramid
- Specific real relationship, e.g., cities in the earth
- Xmind structure
基于Markdown的PPT工具
Presentation Slides for Developers
实例
雷军的演讲技术
把一件平平无奇或者并没有那么厉害的东西用数字、百分比或者其他的形容词给描述成超级无敌厉害。雷军的PPT和王家卫的台词有异曲同工之妙
举个例子吧,普通人下一碗面就是我什么时候在哪下一碗什么面但是雷军的PPT会这样说:
- 经我们小米的员工连续300个日夜不间断的大数据研究发现,97%的人类在早晨七点零三分56秒的时候会出现明显的饥饿感,相比较七点整,饥饿感整整提升了57%。
- 为了解决这种困扰人类几干年的饥饿感,我们小米员工反复研究比对发现,面粉的饱腹感要比大米的饱腹感高出21%,于是我们专门找到了面粉的发源地一位于中东的新月沃土,砸重金在新月沃土研制出了一款迄今为止最有饱腹感的面条。
- 那么究竟多有饱腹感呢?比传统的面条饱腹感提升了73%。我们也给它取了一个好听的名字,叫小米空心面。
- 同时呢,我们还联合饮用水的行业巨头一农夫山泉,研制出了业内首创的泡面专用水一农夫谷泉。用我们农夫谷泉煮出来的面条饱腹感还能提升11%。
深入浅出的演讲:毕导视频科普
毕导的视频兼顾了故事的趣味性和学术的严谨性。有几点是值得注意的:
- 在介绍重要定理和公式时,用特殊的拆解,和可视化的方式来推导解释。
- 平衡复杂的推导和简单的应用:同时有简单的例子来举例,然后逐渐复杂例子,来实现解释的连续性
- 平衡理性的理解,与感性的认知:同时从读者的角度吐槽,和给出感性的评价理解,”太难了之类的”。然后进行一定程度的抽象解释,达到不同层次的读者都能有一定程度的理解的目的,不至于有些人完全不懂。
- 流行梗与反串讲法。
李一舟卖AI课程营销
涉及到一种常见的营销策略,通常在推销各类课程或产品时使用,目的是为了说服潜在客户购买:
- Step 1. 制造+放大焦虑
在这一步,销售人员或营销者会识别并放大潜在客户的某些焦虑或不安,比如对未来的担忧、对当前技能的不满意、对失业的恐惧等。通过强调这些焦虑,使潜在客户感到需要采取行动来解决这些问题。
- Step 2. 给出解决方案
一旦焦虑被放大,营销者会提出他们的产品或课程作为解决这些问题的完美方案。这些解决方案通常会被描述为能够快速、有效地解决潜在客户的问题。
- Step 3. 话术逼单戴高帽
这一步涉及到使用精心设计的话术来说服潜在客户,包括夸奖客户的智慧和决策能力,使他们感到被高度评价和尊重,从而更容易接受推销的产品或课程。
- Step 4. 强化危机意识
在这一步,营销者会继续强调如果不采取行动,潜在客户将面临的风险和危机。这可以增加紧迫感,促使客户在心理上感到必须立即采取行动以避免未来的不利局面。
- Step 5. 合法诈骗
这个术语可能有些争议,通常用来描述那些虽然在法律框架内,但在道德上存疑的销售行为。这可能意味着虽然产品或课程的销售没有违法,但销售方式可能利用了客户的信任和缺乏信息,或者夸大了产品的效果,从而在道德上显得可疑。
这种策略通常侧重于情感操纵和心理压力,而不是提供真正的价值或解决方案,因此在很多情况下会受到批评和质疑。如果你考虑购买任何课程或产品,特别是那些声称能够迅速改变你生活的,一定要进行彻底的研究,寻求独立的意见,并保持批判性思维。
其他
科研画图 tips
中文表达语法
消融实验(Ablation Study)通过去除或修改系统的某些部分来检验这些部分对系统整体性能的影响。在消融实验中,研究人员可能会逐一去除模型的不同组件或特征,然后观察模型性能如何变化。这有助于理解每个组件的作用和重要性,以及它们是如何相互作用的。通常用于科学和工程领域,特别是在机器学习和人工智能领域.
TO DO
参考文献
Presentation & Visualization : PPT
http://icarus.shaojiemike.top/2022/04/27/Thinking/3-EfficientLife/presentation/