【為什麼我們要挑選這篇文章】在台灣，你可能對 indeed 這家公司有些陌生，但看完這篇在 indeed 上班的軟體工程師的介（ㄒㄩㄢˋ）紹（ㄧㄠˋ）文後，保證你會開始寫履歷。

本文投稿作者鄭淳展（Bill Cheng），美國 Texas A&M University Computer Science 碩班畢業生，曾任職於美國 Viasat 公司，現職美國 Indeed 軟體工程師。

雖然前面說它是一篇炫耀文，但在本文中，作者會帶你全面認識這家在亞洲區可以給出跟 Google 一樣水準（甚至超越）薪資福利的求職網： indeed 的真面目。從面試過程、辦公環境，到薪資福利全都大公開！（責任編輯：藍立晴）

作者：鄭淳展（Bill Cheng）

前言

因為之前發了一篇分享前公司的軟體工程師生活，在 科技報橘 上得到非常好的迴響。所以決定我之後換公司再來跟大家分享，看我能收集幾家公司（開玩笑的啦～我其實不太喜歡跳槽）。

原本想說再過個幾年，等到我老婆完成學業我再離開我原本的公司 Viasat，但因為公司政治等等因素，我在 2018 年 11 月（工作 2 年之後）重新踏上找工作之路。我非常幸運，在今年確實拿到了幾個公司的面試和 Offer。我很慶幸當時沒有放棄 indeed，在剛開始找工作時，我根本不知道 indeed 是一個如此氣派的公司，一直到 onsite 面試時，我才被嚇到，沒想到德州有如此規模的公司。

公司介紹

誠如我們的座右銘 “We help people get jobs”，indeed 是目前全世界最大的求職網，每個月有 250,000,000 名活躍使用者，如關鍵評論網介紹，是 北美地區求職者的首選 。

時間線
2004 年：創始於德州奧斯丁
2007 年：轉虧為盈
2010 年：超越 Monster.com 成為北美最大求職網
2012 年：被日本 Recruit 收購

以下是 indeed 於世界各地的分部，我們的 R&D 辦公室位於 Austin, Seattle, San Francisco, Dublin, Tokyo, Hyderabad。今天要介紹的是位於美國德州奧斯丁（Austin）的 Engineer HQ。

產品

公司的產品就是求職網站 indeed.com，使用者為求職者和需要徵才的雇主。營運模式與 Google 搜尋類似，雇主徵才不收費，但若想要增加職缺曝光度則必須收取費用。

indeed 乍看之下也就是個求職網，大家或許很難想到為什麼我們需要這麼多工程師。其實 indeed.com 背後有很強大的演算法運作，才能夠判斷徵才文是不是釣魚文，以及求職者履歷的真實性。我們資料量非常龐大，需要資料工程師才能找出廣告徵才的最佳時機，讓客戶有更好的使用經驗。針對小企業主，indeed 會主動寫爬蟲程式，固定去企業網站找職缺自動刊登在 indeed.com 上，增加職缺的曝光度。其他 indeed 的有關產品如 beseen.com 等，我就不一一列舉了。

indeed.com 最大的特色是網頁開啟非常快速，因為我們費了很大的力氣去最佳化網站的細節和 SEO（Search Engine Optimization）。indeed 工程師厲害的地方，就是讓你搜尋關鍵字打到 indeed 的時候，出現的幾乎全部都是職缺相關的結果。

薪資

indeed 薪資在各區都算是非常有競爭力，據說在亞洲區可以有辦法跟 Google 相當，有時候甚至超越 Google 。

我們薪資組成主要是「底薪＋績效獎金＋簽約金＋第三年才拿得到的分紅」

底薪部分屬於公開資訊，可以在 indeed.jobs 找得到，以日本為例：

在東京上班的 indeed 軟體工程師底薪為 276 萬 ～ 518 萬台幣。薪資範圍大是因為實際薪資依面試和資歷而有所不同。Staff Software Engineer 一般來說都至少有五年以上的經驗。所以大家可以自己算一算 TC（Total Compensation），具有兩年經驗的軟體工程師在東京拿個三四百萬台幣也是相當合理的。

面試

indeed 雖然總部是在美國德州奧斯丁（Austin），但是我們面試過程和矽谷大公司相當，甚至更為冗長。面試主要流程如下：

HR Phone Screen Technical Phone Screen Onsite Offer

我們的 Onsite Interview 時間為早上 9 點到下午 4 點或 5 點，內容包含：考白板題目、系統設計、跟未來主管談。其中比較特殊的部分為上機考試，需要在一定的時間內在電腦上把題目解完。難易度我個人覺得非常困難，主要是面試過這麼多間公司，只有 indeed 需要耗費一整天，到了下午其實就會有點撐不住。indeed 內部的工程師也覺得這樣似乎不妥，但目前公司還沒有要調整的意思。

辦公環境＋福利

indeed 最新的辦公室，也是筆者現在上班的地點（位於美國德州奧斯丁）
說到福利和辦公室環境，indeed 在這方面可說是非常有競爭力的。我私心認為 indeed 的福利和辦公環境，在整個美國科技業裡面算是名列前茅。

indeed 的福利包含：

1. 無限假期：你只要敢請，主管都會准許（但當然你也不能一次請個三個月…）
2. 免費無限供應的食物：免費早餐午餐（Buffet）、咖啡吧、免費現烤麵包點心/飲料/輕食麵包/啤酒（啤酒我只有星期五下午敢喝 ）
3. 寬敞的辦公室與遊戲間（Xbox, PS4, Switch）
4. 每個 Quarter 團隊都會一起出去玩，可能去露營、玩水、看電影等等

感謝 PTT bigelephants 的日本辦公室影片（日本辦公室風格更有特色）

工作環境

我平時約早上 9 點左右到公司，5 點左右下班，即便是這個工時，我永遠都是我組別最早到公司的工程師。我們的主管人很好，只要事情做得完，他也不會管我們到底在幹嘛。

公司的同事們也都非常優秀，我所認識的工程師幾乎都是 University of Michigan 或是 University of Texas 畢業的，之中也不乏從 Google / Facebook 跳過來的同事，我從他們身上可以學到非常多東西，這是我在前公司 Viasat 得不到的經驗。同事之間也非常要好，常常一起天南地北亂聊，以前在 FB 的同事也經常分享 FB 發生的好笑事件。

另外，Austin 這邊有不少日本同事，因為他們常常輪調過來學東西，我們也有機會去日本東京出差。

後記

台灣人普遍對 indeed 這家公司很陌生，不知道 indeed 的薪資福利在亞洲區是跟 Google 差不多的，在美國也是 Top Tier 的軟體公司。

我們公司目前正在積極拓展海外市場和建立品牌形象：

1. 贊助 愛爾蘭的奧運國家隊
2. 冠名 贊助 了 Eintracht Frankfurt 德國足球隊
3. indeed 日本 One Piece 廣吿

希望這篇有讓大家認識到 indeed 這家公司，我們的薪資福利在世界上算是數一數二好的，下次要找工作時，不妨把 indeed 當作一個可能性吧！

（本文經投稿作者 鄭淳展（Bill Cheng）授權刊登，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈We help people get jobs：軟體工程師帶你一窺美國 indeed 公司的真面目 〉。意投稿者可寄至：edit@fusionmedium.com，經編輯檯審核並評估合宜性後再行刊登。）

延伸閱讀

【投稿】美國軟體工程師的生活：站著開會、效率至上、事情做完就下班
想進日本新創上班？赴日 11 年老鳥：台灣軟體工程師有很大的機會！
【史上最強求職攻略】產品經理海外求職大補丸：履歷、面試、實作流程大公開！

我們正在找夥伴！

【為什麼我們要挑選這篇文章】過去 15 年，Java 一直是最多人使用的程式語言，C 語言、PHP 皆無法撼動其地位；但在 2013 年，Python 突然竄起，在短短 5 年內，擠下 C 語言和 PHP，並在 2018 年打敗 Java，成為最多人使用的程式語言。

Python 憑什麼獲勝？2013 年發生了什麼事？（責任編輯：郭家宏）

「《科技報橘》徵才中！跟我們一起定位台灣產業創新力 >> 詳細職缺訊息
快將你的履歷自傳寄至 jobs@fusionmedium.com」

哪種程式語言最火熱？

在不同的時代，這個問題也有著不同的答案，而一個程式語言的使用人數變遷史，實際上也是一個電腦世界的成長編年史。

一位名叫 PYPL 的網友很盡心地統計了從 2004 年到 2019 年，每個月使用人數最多的 15 種程式語言，並將這 15 年來的變化，製作成了一個 4 分鐘的影片。

在這部 TOP 15 的程式語言榜單中，我們可以看到各種不同程式語言的流行度起伏。除了今天主流的 Python、Java、Javascript、C++、R 外，在這個榜單曾擁有姓名的還包括 C#、php、objective-C、Matlab、 TypeScript、Go 這些不那麼熟悉的名字。

而細細推敲每一次的榜單變動，在感嘆各種程式語言更新疊代之快的同時，也看到了一幅完整的電腦和程式世界變遷史：比如 2004 年 Javascript 語言的一度火熱，得益於網遊產業的興起；而 11 年左右 Objective-C 的流行歸功於 iPhone 的成功，編寫 iPhone 應用程式的主要程式語言是 Objective-C。

在 4 分鐘的影片中，15 種程式語言在過去 15 年來的起伏變化一覽無餘，下面，請隨文摘菌（本文作者）一起，沿著時間線，回顧各種語言的變化史。

2004 年，位居榜首的四大金剛：PHP、C、C++、Javascript

故事開始於 2004 年 8 月，這一年，Java 用戶量最多，其次是 PHP、C/C++、Javascript。Python 在這時候還是個比較小眾的程式語言，用戶量並不多，排在第九位。

位於榜首的這四大金剛是怎樣的語言，它們各自又有什麼樣的特點呢？文摘菌帶大家先來科普一下：

Java 最初由 Sun Microsystems 開發和支持，而在 2010 年 1 月，Sun Microsystems 由 Oracle 收購，因此這之後開發和支持工作由 Oracle 完成，Java 創建的宗旨是 WORA（Write Once Run Anywhere，程式碼運行無邊界），Java　的平台獨立性是其在企業界取得成功的支柱之一。

PHP 最初由 Rasmus Lerdorf 於 1995 年建立，PHP 廣泛用於建構動態網頁和伺服器端開發。

Dennis MacAlistair 美國電腦科學家 Ritchie 於 1967 年至 1973 年間，在 AT&T 貝爾實驗室建立了 C 語言，C 非常流行並廣泛用於系統編程，它比 Java 的歷史更久遠，但它仍在程式語言中佔據一席之地。C++ 被開發為 C 的下一代語言。它具有物件導向的編程功能，與更結構化的 C 語言相比，這一功能是十分令人驚嘆的，因為它非常接近本機系統和而且具有物件導向特性，在金融的高頻交易領域被廣泛使用。

Javascript 是一種廣泛運用於客戶端的解釋性腳本語言，由 Brendan Eich 設計，並由 Netscape Communications Corporation 開發，在瀏覽器中可解釋運行，跨平台性能良好，幾乎每個主要網站都在使用這個語言。

在影片開始，這四種語言在 2004 年初居榜首，實力地位不可撼動，而後隨著各大程式語言的迅速崛起，這種形式逐漸發生著變化。

2004.09 – 2004.10：網路遊戲市場下的 Javascript 和 VB

2004 年 9 月到 10 月，Javascript 一直在與 Visual Basic（簡稱 VB）語言爭高下，2004 年網路遊戲市場風起雲湧，包括 Javascript 在內的很多程式語言開始興起，使得 JS 一度超越 Visual Basic 位居第四。

2004 年，《三國策Ⅲ》於 9 月 25 日由皓宇互動開發，《武林外史》是 2004 年 11 月 28 日由韓國 CR-SPACE 公司耗時 2 年時間開發完成的全 3D 純武俠網絡遊戲，除此外還有《傳奇》等經典網遊，這些遊戲產業的興起，使得遊戲開發中需要使用到的 Javascript 語言一度火爆，用戶人數增長直逼 Visual Basic，有一段時間甚至超越 Visual Basic。

當然 Visual Basic（簡稱 VB）也不甘示弱，Visual Basic 是 Microsoft 公司開發的一種通用的，物件導向的程式設計語言，其在發展過程中的第三方控件和 GUI 極大方便了數據訪問和程式開發。在引入 .NET Framework 後，2004 年，微軟開放了 Visual Studio 2005 的測試版本（代號 Whidbey），包含了 .NET Framework 2.0 的測試版本有關，使用 Visual Basic 的用戶上升，再一次超越 Javascript，出現了上圖中兩者「爭執」的局面。

2004.12 – 2005.01：爭執不休的 Python 和 Delphi

Delphi 是 Windows 下的開發平台，其最初原型是 DOS 時代盛行一時的 BorlandTurbo Pascal。

「真正的工程師用 C++，聰明的工程師用 Delphi」，這句話是對 Delphi 最經典、最實在的描述。Delphi 被稱為第四代程式語言，它具有簡單、高效、功能強大的特點，和 VC 相比，Delphi 更簡單、更易於掌握，而且在功能上絲毫不遜色；和 VB 相比，Delphi 則功能更強大、更實用。可以說，Delphi 同時兼備了 VC 功能強大和 VB 簡單易學的特點。

而我們現今廣泛使用的 Python，是個解釋型腳本語言，於 1991 年發行。Python 2 於 2000 年 10 月 16 日發佈，穩定版本是 Python 2.7。自從 2004 年以後，Python 的使用率呈線性成長。

這一時間區間，Python 和 Delphi「爭執不下」，主要是由於 Delphi 9.0 版本於 2004 年末發佈，在語法方面：加入了 inline 及 for in loop 等功能；IDE 方面：把 Borland Delphi. Net、Borland Delphi Win32、Borland C#、Enterprise Core Objects 等環境和功能整合成一個開發工具，因此可以在 Win32 和 .NET 開發環境中切換或同時進行，這些功能的優化，使得 Delphi 的用戶數動態變化，與 Python 展開激烈爭鬥。

C# 的兩次「躍進」

2006 年年初，C# 超越 Perl，位居第 6：

Perl 是一種高級的、通用的、解釋的、動態的程式語言，Perl 由 LarryWall 在 20 世紀 80 年代中期設計和開發，因其出色的文本處理能力而聲名鵲起，被廣泛用於 CGI、數據庫應用程式、網絡程式和圖形程式。

2006 年 5 月，C# 成功超越 Visual Basic 位居第 5。

C# 為什麼能在 2006 年來兩次絶地反殺呢？它是一種怎樣的語言？

C# 是微軟公司在 2000 年 6 月發佈的一種新的程式語言，是第一個物件導向的程式語言，它借鑒了 Delphi 的一個特點，與 COM（組件對象模型）直接整合，並且新增了許多功能及語法，而且它是微軟公司 .NET windows 網絡框架的主角。

那麼為什麼在一年內，它能超越其他兩種語言？2006 年又有哪些不平凡呢?

文摘菌將時間定位到 2006 年 1 月 1 日到 2006 年 12 月 31 日，在必應（Bing）中搜尋 C# 語言，搜尋得到的結果如下：

站在後人的角度看當時人們對於 C# 語言的理解還挺有意思的，2006 年人們對於 C# 語言還是充滿了疑問，產生了 C# 與 C 語言的區別，C#.NET 的前景如何諸如此類的問題，同樣的，在百度搜尋引擎中輸入 C# 語言得到的結果如下：

2006 年 web 2.0 的興起，同年，網絡遊戲免費模式繼續得到了大規模推廣，像盛大公司的《傳奇 II》和《夢幻國度》，C# 和與 Unity 結合的敏捷遊戲開發，使得那段時間的 C# 開發一度火熱，拋卻時勢使然，還有 C# 搭建桌面應用的便捷性以及 C#3.0 的發佈。

在 2005 年 9 月份的 PDC 大會（Professional Developers Conference 微軟專業開發人員大會）在大會上，發行了 C#3.0（研發代號 Orcas——魔鬼）的技術預覽版。

C# 3.0 則是率先實現了 LINQ 的語言，可以用類似於 SQL 語句的語法，從一個數據源中輕鬆地得到滿足一定條件的對象集合。例如要尋找一個字元串數組 names 中所有長度大於 5 的字元串，就可以寫：var longname = from n in names wheren.Length > 5 select n;

這些原因加起來，使得 C# 在 2006 年成為工程師的寵兒。

2007.04 – 2007.05：Javascript 與 C/C++ 持續較勁

2007 年 4 月到 2007 年 5 月，Javascript 一直在與 C/C++ 較勁，不過最後還是 Javascript 穩居第三，Javascript 做為入口網站的必備語言，2007 年 5 月開始，千龍網、新浪網、搜狐網、網易網、TOM 網、中華網等 11 家網站舉辦「網上大講堂」活動，旨在透過網上授課的形式與網民互動，傳播科學文化知識，C/C++ 短期內的火爆，還是沒有撼動 Javascript 在網站開發方面的地位。

2008 年：C# 和 Python 的攀升

2008 年除了 C++ 和 Javascript 僵持不下外，也同樣見證了 Python 的兩次逆襲和 C# 第一次超越 C/C++。

2008 年年初，Python 超越 Perl：

2008 年 10 月，Python 超越 Visual Basic，僅次於 C/C++：

同年 7 月，C# 超越 C/C++，位居第四：

2008 年到底發生了什麼？使得這兩種語言能夠脫穎而出呢？

2008 年，汶川大地震、北京奧運會等重大事件促進網路媒體提升主流媒體價值，同時中國網民躍居世界第一，雖然受到金融危機的影響，網路的浪潮已經是大勢所趨。

Python 的 Web 開發，只需要下載引入一些成熟的包，這些便利性是 Python 的優勢所在，同時 3.0 版本在後續的發佈，也吸引了一批開發者，使得 Python 在一年內兩次攀升。

至於 C# 的攀升，不難理解，遊戲市場和桌面應用的持續發酵，騰訊於 2008 年新推出的《穿越火線》等一系列遊戲在催生著 C# 的發展。

歸功於 iPhone 的成功，Objective-C 排名向前

2011 年 11 月到 2012 年 1 月，Objective-C 一路開掛，超越 Ruby 和 Matlab 居第 8 位。

Matlab 是商業級別的數學建模軟體，這個語言我們耳熟能詳，那 Objective-C 和 Ruby 又是什麼語言呢？

Ruby 最初是由日本的 Yukihiro Matz Matsumoto 在 20 世紀 90 年代中期設計和開發的，主要用於 Web 應用程式開發，被 Twitter、Hulu 和 Groupon 等各大網站所使用。

Objective-C 看到這個語言的標識，就知道和蘋果有點關係了，它是擴充 C 的物件導向程式語言，主要使用於 Mac OS X 和 GNUstep 這兩個使用 OpenStep 標準的系統。

2011 年 10 月 4 日，蘋果發佈了第五代 iPhone，即 iPhone 4S，這款手機採用了 iOS 5 系統，並與 Twitter 進行了整合。

Objective-C 的流行歸功於 iPhone 的成功，編寫 iPhone 應用程式的主要程式語言是 Objective-C。

Python 因為「雲端」興起，大舉超越 C/C++ 和 PHP

2013 年 5 月，Python 第一次超越 C/C++，成為排名第四的語言。

到了 2013 年 12 月的時候，Python 已經超越 C#，躍居第三。

2013 年再一次見證了 Python 這匹「黑馬」的實力，時代造就英雄，這背後是時代使然，也是必然。

2012 到 14 年，「雲端計算」這個詞出現在大批創業公司和巨頭的耳中，大家都在做 IAAS，很多著名的雲端計算開源平台都是基於 Python 開發的（如 OpenStack），催生出不少的 Python 崗位，Python 的開發者和用戶普遍增多。

OpenStack 傳送門

2014 年到 2015 年，「大眾創業，萬眾創新」的口號響徹中國的大江南北，什麼語言最適合快速搭建原型呢？Python 再一次嶄露頭角，在 2015 年末，成功超越 PHP 成為用戶量最多的第二大語言，緊逼之前一直穩居第一的 Java。在這以後，Python 用戶量逐漸成長。

小插曲：被 R 超越的 Objective-C

2017 年 9 月到 10 月間，Objective-C 和 R 語言一直爭執不下。

Objective-C 之前有瞭解，那 R 語言又是怎樣的語言呢？

R 是屬於 GNU 系統的一個自由、免費、原始碼開放的軟體，它是一個用於統計計算和統計製圖的優秀工具，R 是受 S 語言和 Scheme 語言影響發展而來，其最主要的特點是免費、開源、各種各樣的模組十分齊全。在 R 語言中，提供了大量的第三方功能包，其內容涵蓋了從統計計算到機器學習、從金融分析到生物資訊、從社會網路分析到自然語言處理、從各種數據庫各種語言接口到高性能計算模型，可以說功能十分齊全。

Python 人數在快速成長的同時，為什麼有 R 語言超越 Objective-C 這一局面呢？

2016 年 3 月，Alpha Go 與圍棋世界冠軍、職業九段棋手李世石進行圍棋人機大戰，以 4 比 1 的總比分獲勝，這足以使人們意識到「人工智慧」不再是概念，解決一些此領域的問題，難免需要對數據做統計，運用機器學習的演算法解決問題，R 語言做為優秀開源的統計工具，也是在這一時期內用戶量波動攀升的原因。同樣 Python 中大量的科學計算包，也使得用戶量一度緊逼 Java，Python 有可能超越 Java 嗎？別急，時間會告訴我們答案。

在 AI 的助推下，Python 終於得冠

2018 年 2 月到 5 月，使用 Python 語言的人數不斷增多，大有趕上 Java 的趨勢。

到了 2018 年 6 月，Python 已經超越 Java 成為用戶量最多的語言。

2018 年 7 月到 8 月，Python 居榜首後，Java 用戶量不斷減少，而其用戶量的不斷活躍增多，這其中可能是一部分 Java 工程師投入了 Python 的懷抱。

一份 2017 年來自 Python Developers Survey 的數據顯示如下圖：

Python 開發者占比比較多的依次是美國、印度、中國（2017 年的調查數據，僅供參考）

而到了 2018 年 8 月的時候已經成為用戶量最多的程式語言。

Java 的跨平台性和穩定性，一直讓其成為程式語言界的第一把交椅，實力地位不可撼動、但其冗長的語法讓很多開發者詬病，這也是 Java 開發者減少的原因。

Python 在很多領域都能使用，例如如網頁開發、金融、運維、機器學習、AI 等，從來沒有一個語言能涉及如此多的領域，其他因素包括：

1. 世界科技巨頭喜歡它，Google、YouTube、Facebook、IBM、NASA、Dropbox、雅虎、Mozilla、Quora、Instagram 和 Reddi t 只是技術領域的一些巨頭，它們將 Python 用於各種用途，並且一直在尋找 Python 工程師。例如，Google 使用 Python，從 AI 演算法用到 App Engine Cloud。同時，99.9% 的 Dropbox 程式碼採用 Python，包括伺服器後端、桌面客戶端、網站控制器邏輯，API 後端和分析工具。

2. Python 廣泛用於機器學習。隨著數據科學的興起，Python 作為科學語言的普及程度已經飆升，有許多用 Python 編寫的機器學習庫，以及大量的工具，可以輕鬆地進行機器學習。

3. Python 對於初學者來說是完美的，它是初學者工程師的絶佳選擇，因為它的語法簡單靈活，使用 Python，您可以輕鬆地開始使用，並立即著手構建可用的東西。早期的這種成就感是學習編碼的一個非常重要的因素，近五分之四的 Python 開發人員將其用作主要語言。

4. 它可能只是你需要會的唯一語言。這是可能的，因為 Python 是一種多功能語言。根據 Skill Up 2018 開發人員技能報告，Python 是一種腳本語言，它為從筆測試者到 DevOps 工程師的每個人提供了很大程度的控制。它允許他們解決問題，你可以使用 Python 來架構網站，開發 GUI，分析數據，將其他語言結合在一起，這代表你可以使用這種語言來滿足你的開發需求。

Python 如此受廣大開發者歡迎，那麼具體 Python 開發者的薪資有多少呢？會不會很誘人呢？

美國各州 Python 開發者平均薪資

到了 2019 年，美國哪個州 Python 工程師工資最高呢？daxx 網站大起底，如下圖所示：

根據 Gooroo 的說法，美國平均 Python 開發者薪水為 110,021 美元（約新台幣 341 萬元）。紐約和加州擁有最高的 Python 開發人員薪水：122,135 美元（約新台幣 379 萬元）和 121,443 美元（約新台幣 377 萬元）。

另一個有趣的事情是加州，紐約州，馬薩諸塞州和弗吉尼亞州在美國擁有最多的開放 Python 職位。

有一個大趨勢表明專門研究稀有技術的開發人員，比那些知識更廣泛的語言的人得到更多的工資，是不是相比 Python，其他偏冷門的程式語言工資更高呢？事實並非如此，下面兩個圖表告訴你答案，Python 是一個例外。

Python 是美國薪水第三高的程式語言

根據 Gooroo 的說法，Python 開發人員的平均工資是每年 110,021 美元（約新台幣 341 萬元），這使得 Python 成為美國第三大收入最高的程式語言，只有 Java 和 Ruby 超越。

觀察上圖可以發現，Python 開發者的薪酬在 2017 到 2018 年之間一直水漲船高，遙遙領先，不過到了 2018 到 2019 年有下降的趨勢，這也和上面 Gooroo 的調查一致。雖然如此，Python 也居薪酬前列，Python 做為現今人工智慧領域的工具，其火熱程度可見一斑。

以上從 2004 年到 2018 年，回顧了 15 年來各大語言的歷史，下面將對這些變化做總結，以古為鏡，可以知興廢。

時勢造英雄，AI 造 Python

上面這張圖，將 2001 年到 2018 年，各種語言在 TIOBE 的排名繪製成了折線圖，不難看出，從 2004 年起，Python 一路披荊斬棘，走上神壇，而其他語言，Visual Basic、C# 等排名下滑。

正如《琅琊榜》中的詩句所言：「遙映人間冰雪樣，暗香幽浮曲臨江，遍識天下英雄路，俯首江左有梅郎。」時勢造就英雄，AI 造就 Python。

（本文經合作夥伴 大數據文摘 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈4 分钟看尽 Top 编程语言 15 年沉浮：C#默 Java 泪，Python 终上位！〉。首圖來源：Pxhere CC Licensed）

更多關於程式的消息

教你如何用 Python 執行蒙地卡羅方法，證明圓周率等於 3.1415926
【內附影片、程式碼】微軟工程大師開課啦！用 44 個短片讓你速成 Python 技能
只會用 Excel 還不夠！七大主題，教你如何用 Python 優化數據分析效能

即刻免費報名《2019 邊緣運算論壇》

【為什麼我們要挑選這篇文章】軟體工程師時常是新創團隊的 CEO，因為在創業初期時，他們最能發現痛點、解決問題。不過，要從一名優秀的工程師，踏上 CEO 之路，這 3 種心態需要先改變。（責任編輯：藍立晴）

作者：吳岱蓉（AppWorks 分析師）

在 AppWorks Accelerator 生態系中，累計的校友總共有 351 支活躍新創團隊、1,044 位創業者。這些團隊中，大約 50% 的 CEO 是由具備軟體工程師背景的創辦人所擔任。

為什麼會有這麼多「軟體工程師創辦人」？根據我們的實務觀察，主要原因之一，是這最符合創業初期的經濟與時間效益。例如，還在擔任軟體工程師時，經常會發現一些市面上尚未有完整解決方案的問題，或是還未被滿足的痛點，索性就自己動手寫程式、解決問題。

若解決的問題，有足夠的市場潛力，很多人在此時會毅然踏上創業之路，認為只要把好的產品與服務做出來，就自然會有人使用，不僅可以解決這個問題，更有機會因此創業成功。

然而，事情當然沒有想像中簡單，我採訪了 AppWorks 校友中一些從「工程師」成為「CEO」的創業者，他們以自身的經驗分享，希望對於同樣擁有軟體工程師背景的創業者有所幫助：

1. 忍受產品的不完美，先開發客人再說

擁有軟體工程師背景的創業者，最常見的情況，就是希望等到開發出心中功能齊全的完美產品再上線。但我通常會建議新創團隊，快速做出一個 MVP（Minimum Viable Product；最小可行產品），如果經過客戶的回饋，真的有缺乏一些重要的功能，那時候再來調整也不遲。

花多久做出 MVP 才算快速？AppWorks Accelerator 第四屆 (AW#4) 校友、專門協助企業進行 email 與電子報行銷的 NewsLeopard 電子豹 創辦人 Louis 張國基認為，最多不要超過兩個月的時間，最好能在一個月內完成，只需要完成約 70% 即可，這才能叫做 MVP。就算是複雜的技術，也可以透過簡單的模擬頁面來測試市場需求。

以電子豹為例，剛創立時，Louis 為了知道市面上對於電子報的需求，是不是真的如他所想，他花了兩週的時間做出一份簡報。透過這份簡報，來對潛在客戶進行訪談，尤其他的目標客群是中小企業，AppWorks Accelerator 校友中的企業，絕大多數正屬於這個客群，透過大量的訪談、不同的優化簡報，電子豹的雛形就出來了。接下來，Louis 並不是馬上急著打造產品，而是先透過現有的電子報系統做發送測試，來看成效是不是如自己所想的一樣、是不是符合客戶的需求。

在創業前，創業者通常會觀察市場與產業前景，進而提出假設，以此來制定完美的產品策略、商業模式。但創業的真實狀況，其實產品永遠沒有完美的一天，而且絕大多數，創辦人假設的完美產品，並非真的符合市場所需，必須透過多次的測試、驗證、收集市場回饋、修正產品。所以，快速做出 MVP 來收集市場回饋，是十分重要的任務。

對創辦人來說，MVP 的最後一步，則是找到第一個願意付費的客戶，並且要讓這位客戶願意花第二次錢使用產品，這才算真正解決他的問題。當客戶願意付錢，往往就願意提供使用經驗與建議，這時，新創團隊自然就有繼續優化產品與服務的方向。

對工程師而言，程式碼 1 就是 1，0 就是 0，輸入正確的指令，就會出現想要的答案，但「製作產品」和「寫程式碼」卻完全不同。產品是新創團隊和客戶溝通的橋樑，也是幫助客戶解決問題的一種闡述方式。產品是就算不完美、有人願意花錢使用就是好產品。切記，最重要的一個準則：永遠要真正去聆聽對方的聲音，並換位思考。

Airbnb 的創辦人兼執行長 Brian Chesky 曾經 說過 ：「你應該讓 100 個人死心塌地瘋狂愛上你，而不是讓 100 萬人好像有點喜歡你。」（It’s better to have 100 people love you than a million people that sort of like you.）只要解決這群死心踏地用戶的問題，就算產品不是最完美、創業也已經跨出成功的一大步了。

2. 將程式放手給夥伴負責，專注在更長遠的策略性思考

身為創業者，與工程師最大的不同，就是永遠有比寫程式更重要的事。AW#8 校友、提供房地資訊的 Foundi 房地 創辦人 Andy 鄭依桓就分享，剛開始創業時，若開會一整天沒有寫程式，就讓他覺得自己今天沒有生產力，所以就算下班回家，也會想辦法再多寫幾個小時的程式。

但創業幾年後，他開始明白，身為公司 CEO，必須聚焦在那些只有 CEO 能做，而無法假手他人的重要工作。所以他現在很少在寫程式，把絕大多數的時間，花在思考公司的未來策略與方向、和利害關係人及團隊成員溝通，將目光放在未來的道路，而不再是眼前的程式。

厲害的軟體工程師成為 CEO 後，遇到的最大挑戰之一，就是無法不寫程式、也無法忍受寫得不好的程式。尤其是創業初期，難以用高薪找人才，通常會採用實務經驗比較少、但是有潛力的年輕人。

當然，因為他們經驗少，必須花一定的時間來教導他們。有時候心一急，為了想趕快上線，就會乾脆自己跳下去寫程式，覺得這樣省時又省力。然而長遠來看，隨著公司規模成長，不可能永遠都是由創辦人來寫程式。

3. 除了 Google 大神，創業路上還需找到兩種人才能走更遠

踏上創業這條路，會遇到許多過去從沒想到的問題與挑戰，即使 Google 也沒有答案。AW#1 校友、跨平台網路廣告技術新創 Tagtoo 塔圖科技 創辦人 Teddy 楊長峰認為，創業的路上要找到兩種人：一種是 Mentor（導師），另一種是 Peer（同儕）。

Mentor 走過你正在走的創業歷程。所以可以事前提醒未來可能遇到的困難，並建議可以選擇的解決方法。每位創業者，可以擁有很多種類型的 Mentor，有的是同產業可以提供專業的知識建議，有的是可以在心靈上提供支持，Mentor 未必要是投資人，沒有利害關係，有時候反而能給予更客觀與全面的建議。

Peer 最好跟你創業的「年資」差不多久。若資淺太多，難以理解你現在的處境；資深太多，可能已經忘記當時的心情；差不多久的創業年資，你遇到的問題，他可能也正在經歷，可以分享最「新鮮」的經驗談。

像是在 AppWorks 校友中，Teddy 就有一群創業資歷差不多的好朋友，大家每週都會固定聚會，一起吐苦水、一起分享好消息，適度的良性競爭，也是讓創業者可以在跌倒後，拍拍身上的灰塵站起來，繼續往前邁進的一大動力。

過往擔任工程師時，大多數的時間都是在和電腦溝通，只要指令正確，電腦就會提供想要的答案，也因此在寫程式的過程中，工程師習慣在遇到困難的時候，先自己想辦法 Google 找答案，所以有時候不擅長尋求協助。

但在創業時碰到問題，遠比寫程式更為複雜，這時候，找到可以理解、交流的人就很重要，不管是 Mentor 或 Peer，都能陪伴創業者，在創業這條路走得更遠。

從「工作者」變身為「創業者」，其實是持續自我成長的過程。身為創辦人，任務不再只是專注在完成執行面的工作、把眼前的程式改得更有效率，而是要透過不停地犯錯、思考以及與前輩請教，一步一步的帶領團隊走向更遠的未來。希望以上 3 個改變心態的建議，能幫助更多優秀的軟體工程師，順利成為傑出的創業 CEO。

作者簡介：

負責 Accelerator 與投資。加入 AppWorks 前，任職於富邦產險電子商務部，負責線上投保平台的專案管理及 Email 行銷，喜愛探究數字背後的意義。曾前往芬蘭交換學生半年，期間走遍半個歐洲，喜歡寂靜的自然風景勝過繁華的現代都市。畢業於台大財金系，擔任系女排隊長，熱愛美食、排球、旅遊及挑戰新事物。

（本文訊息由 AppWorks 提供，內文與標題經 TechOrange 修訂後刊登。新聞稿 / 產品訊息提供，可寄至：pr@fusionmedium.com，經編輯檯審核並評估合宜性後再行刊登。本文提供合作夥伴轉載，Photo by Pixabay。）

更多 AppWorks 深度好文

台灣擁有發展 AI 強大能量與優勢！AppWorks 告訴你 AI 新創可以把握的 3 大機會
自學 Python、JavaScript 總是卡？破解學習程式語言 3 大「欠矯正」的心態
【創業十年心得全揭露】EZTABLE 創辦人：創業幫助我認識自己是誰，是整個人生的改變！

我們正在找夥伴！

【為什麼我們要挑選這篇文章】日本離台灣近，薪水也較高，不少台灣人前往日本求職。求職會遇到怎樣的關卡？日本人怎麼評量面試者？以及要怎麼提升求職的效率？

本文作者為文組畢業生，在日本求職三個月後，拿到年薪 600 萬日幣（約新台幣 165 萬）的 offer。藉由他的故事，我們可以瞭解日本求職的流程與眉角。（責任編輯：郭家宏）

作者： 東京工程師

部落格 原文

有一句浮誇的話叫做「選擇比努力重要」。前一篇文章講述了我意外走進東京就業博覽會會場、拿到了一些二面；這一篇文章我將會講述我如何努力再努力，卻接近徒勞無功的故事。而這兩篇文章的結合，恰好很經典的詮釋了「選擇比努力重要」。

這篇文章的最後，我會分享給「想去日本的新鮮人、有工作經驗想去日本的工作者」，哪些選擇是 CP 值較高的作法。

不用害怕選擇做對還是做錯，你可以挑一個先做

承接上集我決定要去日本公司的二階段面試之後，我開始著手兩件事情：

1. 日本住宿要住哪？費用應該要怎麼規劃？
2. 還要應徵哪些公司？該怎麼應徵？

首先第一件事情，我從預算開始抓。

當時因為沒有求職經驗（連台灣都沒有），傻裡傻氣地認為一個月到兩個月之間應該可以結束所有面試，因此我只帶了價值 5 萬台幣的日幣就出發了。

以結果論來說，我完全錯估求職的時程，我最後花了三個月才離開日本，而令人驚訝的是，我竟然只用了 17 萬日幣（約新台幣 4.7 萬）就在日本待了三個月，這是包含所有的住宿、吃飯與交通。（其實以一般日本新鮮人就業，期間大概會花十個月）

第二件事情，要應徵哪些公司的部分。

目標是大商社、投銀、大外商與本土銀行與知名公司。因為完全沒有資源，就是上網看別人怎麼寫。

以前樂天（Rakuten）下面有個服務叫做「就活揭示板」，看一下大概有什麼內容，整體來說，就是看大家針對每間公司有什麼評價。

因為是新鮮人就活，所以企業研究要研究到非常誇張。舉例來說，會有所謂的「適性檢查」，有名的有「玉手箱」跟「SPI」，你要研究你目標的公司喜歡什麼樣的人。舉例來說，每年大商社的申請人數都是近萬，但錄取人數只有 100~150 人左右，在這樣大規模的，前面通常會有兩個「測驗」，一個是線上測驗、一個就是適性測驗（玉手箱、SPI），通過這兩個測驗後，才會有真正的「面試」。

當時我投的有七大商社母公司的總合職、投銀、本土銀行、知名品牌（富士通總研、NTT 等），基本上就是對自己要求高的日本畢業生會投的公司。

東京貧民窟的奇幻旅程：住宿

回到比較偏生活面的部分，因為一開始就知道自己預算不高，所以住宿的方面，鎖定了 Airbnb ，想辦法挑裡面最便宜的，最後找到一個月 4 萬（日圓，約新台幣 1.1 萬）在上野的住宿。

一般來說，住長久再怎麼便宜也都要 6 萬（日元，約新台幣 1.6 萬），而短租便宜都要 8 萬（日元，約新台幣 2.2 萬）以上，去了以後，才知道，天啊這簡直聚集了全東京的魯蛇，甚至我還因此知道東京哪裡可以買到毒品，因為我當時的室友就在吸毒。

而空間來說，大約是一個 20 坪的房子裡面塞了超過 30 個人，想當然爾，睡覺的地方不會是一般的床，而是類似膠囊旅館，但又比一般膠囊旅館更差，原因是膠囊旅館大多你都可以在裡面以正常的姿勢坐著，但我住的 Airbnb 並不行，而且一般的膠囊旅館頂多兩層，而我住的 Airbnb 垂直來說高達四層，且因為第四層實在是太難爬了，只住了兩個人，據說一個月費用是 2 萬日幣（約新台幣 5500 元）。

我第一眼看到的時候非常傻眼，一間四五坪的房間，塞了 16 個「膠囊」（4 x 4），而與其說是「膠囊」，我都稱之為「牙膏盒」，而我就是那條牙膏；但因為沒什麼預算，加上我個人吃苦能力還不錯，所以就待了下來。

另外，因為我住的比較久，中期以後有換到比較好的床位，也就是「最下面那層」；但有一好沒兩好，這個位置也是整個房間十多人的唯一電源線插頭來源，上面插滿著延長線，我那時候的直覺是，如果電線走火，我就死定了。

另一個特點是：沒有冷氣。基本上夏天的時候就是超熱，擠著日本人、外國人、台灣人（最開始只有我，但後來來了另一個台灣人），很常有人沒穿上衣就睡覺，甚至因為太熱了沒辦法睡在「牙膏盒」裡，所以直接睡在地板上，而我起床的時候我都要非常小心不要踩到在睡覺的大家。

後來我才知道，整間牙膏盒根本就沒有消防安全，會知道的原因，是一個新加坡的新住宿者，但當我第一眼看到他的時候，他就說他要搬離這個地方，因為他是學建築的，這個在學建築的人眼中，根本不能住人，以消防安檢來說，結構實在太危險了。

當時我剛聽到的時候非常不以為然，直到他說早上在跟房東吵架的時候，為了示範這棟建築物有多危險，他一拳把牆壁打穿了，所以，原本男生有兩個房間，在被他一拳打穿之後，就只剩下一個房間，兩邊就打通了，很不方便。（雖然牆壁結構與消防安全關係的連結我不太懂，但視覺上實在很震驚）

東京貧民窟的奇幻旅程：生活

講完了住宿硬體，講講軟體的部分，也就是：生活。

回頭來看，其實很慶幸人生有這段經歷，因爲認識了許多有趣的人，例如在裡面認識了一個日本 DJ、一個美國 DJ，還有認識一些作特種行業的女生。

談完了住宿費，雖然在 Airbnb 網站上當時三個月的費用是 12 萬（日元，約新台幣 3.3 萬），但因為發生了許多奇怪的事情，包含牆壁被打穿事件之後，討價還價下，最後付給房東 10 萬出頭（日幣，約新台幣 2.7 萬），那我的生活費，其實只剩下 7 萬塊錢（日幣，約新台幣 1.9 萬），這包含了我 90 天的吃飯費用與面試通勤費用。

因為實在太窮，所以研發出了許多神奇的生活方式，所以我可以很自豪地說，我一天在日本的生活費是 50 塊日幣（約新台幣 14 元），就是吃得非常便宜。

舉例來說，有一陣子我的攻略是到附近的業務超市，趁 yakisoba 日式炒麵有便宜的出清，一大包裡面有五包，只要 108 塊（約新台幣 30 元），那我一次吃一包的話就要 22 塊（約新台幣 6 元）附近（含稅），但因為只有澱粉實在太不健康了，所以要補一點青菜，所以就買了豆芽菜，一個巴掌大大概只要 30 塊日幣（約新台幣 8 元），可以分三次吃。

極端的時候一天只吃一餐，這樣就只要 32 塊日幣（約新台幣 9 元），有時候覺得要奢侈一點，就會去買小香腸，一天大約就是 50 塊日幣（約新台幣 14 元）。

而這樣的經歷，讓我至今再也沒吃過 yakisoba。

所以當有人問我：「日本的物價是不是很貴」，我都會回答：「這其實決定於你怎麼生活」。

我自己在當觀光客的時候，也是會花到一天 1 萬日幣（約新台幣 2700 元）的生活費，但當我自己在日本找工作的三個月，以及後來在日本工作的一年多來，大部分的時候都是自己煮，所以跟台灣自己煮相比，我個人花費是比台灣低，因為業務超市裡面的菜肉牛奶跟台灣全聯的菜肉牛奶比起來，價格是比較低的。

但無論我怎麼省，有些該花的錢還是少不掉，例如：電車費。去面試的時候一定得要做車去，而電車費對生活花費是非常大的考驗，因為做一次電車來回就會花掉我一個禮拜的開銷。

值得一提的是，相對於一開始就節省開支的我來說，有另一個台灣人也住進了上野貧民窟，但因為他一開始沒有控制預算，原本是預計 10 萬塊錢（約新台幣 2.7 萬）的生活費玩兩個半月，結果因為提早把錢花完，我還借了他 2 萬日幣（約新台幣 5500 元）。（重點是我不記得有沒有還，如果你是那位朋友且沒有還我錢，請把錢拿去捐給有意義的機構，謝謝！）

總之，在這段時間我體驗到了極致節省的生活，例如我買一杯飲料都要斤斤計較，因為我的單位不是用「杯」來算，而是用「cc」來算，鑫鑫腸也是，一餐大概是使用三根，然後切片，這樣可以有比較豐盛的錯覺。

結束了貧民窟的住宿與生活，接著是極大的反差。

由於我在日本求職的過程，目標的都是大商社、投資銀行、顧問等等的企業，所以面試的時候氣勢不能輸，出發來日本前，我還買了一套對窮學生來說天價的西裝（1.5 萬）是那種偏時尚浮誇型的，其實不是很適合日本面試，但當時沒有想這麼多。

待了三個月的過程當中，整個貧民窟，我是唯一一個會穿西裝的人；如果側拍看過去當時的畫面，就會是一整排人躺在地上沒穿衣服倒在底上，而一個穿著貼身浮誇西裝的人準備要去面試。

把自己變成日本人的形狀、跟日本人競爭

エントリー 來自英文的 Entry sheet ，是透過網路求職時，幾乎是 100% 要寫的文件，基本上就是回答：「為什麼要申請這間公司、自己三、五年十年後想成為什麼樣的人」

每一天公司大概會寫三篇、所以當時我的電腦裡面，有一份 30 多頁的全日文文件，就是累積了 50 幾間公司的 Entry sheet 。

而這 50 多間的投遞、13 間 on-site、2 間終面放棄、1 個 offer。

商社：筆試 3 家，一面 1 家
保險公司：筆試 2 家，一面 1 家
IT 公司：一面 3 家，二面後放棄 2 家，終面放棄 1 家
化學商社 / 工程技術顧問：一面 2 家，拿到 1 家
顧問業 / 總研：一面 3 家，二面 2 家，終面放棄 1 家

有趣的是，在面試富士通總研的時候，所有日本人都是乖乖正裝坐著，而我超隨性的去拿了架上的雜誌，當我看到身邊人的眼神的那一瞬間，我就知道，富士通總研我應該是沒希望了…. 果不其然，無聲卡一張。

再過了一兩年後，身邊有更多朋友、學弟妹們到日本求職後，我才知道，如果你選擇「日本人形狀」風格的求職，就是要做到極致。

舉例來說，我身邊數十位到日本求職的朋友，只有一個女生是走這路線最後順利拿到日本電通的工作，她當時的狀態是大四（或大五）下在日本交換，使用著學校的求職資源，包含上一屆的學長姐、學校求職中心，例如她的 entry sheet 是寫了好幾個版本，給無數日本人精修，跟我坐在貧民窟的餐桌上，給隔壁 hiphop 日本人修兩下，是完全不同等級的。

再來是「線上測驗」這件事情，很多外商公司、大商社會有網路測驗，這部分就是考智商、考數學等等，很多應屆畢業生是會集體租一間會議室，一起打開「線上測驗」，然後互相照應通過考試，於是乎，坐在 Airbnb 餐桌獨立奮戰的我，相對起這些人的線上測驗分數，應該是智商低到一個無以復加。

富麗堂皇的虎之門之丘，面試考題：寫程式

浮誇的標題配上浮誇的建築，標題「600 萬年薪（日元，約新台幣 165 萬）」的公司，就位於虎之門之丘，虎之門之丘當時是日本第二高的辦公大樓，比 101 豪華數倍，整間公司走進去是白色的木質牆壁，很像是走進日劇最浮誇的辦公室，非常像皇宮，而且年薪非常高，以網路上查得到的公開數據來看，底薪是 500 萬日幣（約新台幣 137 萬）以上，而加上不成文的加班費加整體 bonus，是絕對超過 600 萬的。

產業是金融 IT 顧問，非常特別的是，這間公司與我所有面試的經歷都不同，是屬於「實力至上」的公司。

什麼意思？意思是，公司不太看你的適性測驗、人格特質，只要你「實力」夠，基本上就有非常高的機會會拿到 offer。

公司的面試分成三關，第一關與大部分的公司相同，基本上就是把 entry sheet 的內容再寫一次，而第二關是「上機測驗」，因為我投遞的職缺是「金融 IT 顧問」，因此需要有一點點程式基礎，「上機測驗」的執行方式，就是給你一本程式語言的教學書，然後請你在三小時內，寫出一個簡單的應用程式。

或許幸運女神是站在我這邊的吧，非常幸運與取巧的是，當時面試人員問我：「你會 Java 嗎？」

我心裡的想法是，我寫過半年的 Python ，但我完全不會 Java ，所以我回答了：「恩，我不會 Java 。」

可能因此被分配到了「不會寫程式的組別」。坐到座位上後，我拿到一本大概 400 多頁的 Java 入門課程；對方跟我說：「你現在有三個小時，完成一個包含 error handling 的剪刀石頭布程式」。

雖然我不會寫 Java ，但對於有半年 Python 經驗的我來說，這個測驗是非常簡單的，只要搞清楚 Java 的語法就可以了。

不過因為 Java 的「顯示」跟 Python 有點不同，且我沒有網路可以查，所以只能拼命地翻書，去找到「顯示」該怎麼做，所以當下的表現非常像一個初學者，當我搞定「顯示」的時候，時間剩下半個小時。

而整份作業大概有七八題，兩個多小時過去只完成一兩題，其實進度是偏後段的，但本質上來說，我是會寫這個程式的，所以就花了 30 分把剩下的六七題作業一次做完，並且一次繳交（可以寫一題就交一題）。

而當我交卷的時候，面試官用了幾乎全考場都聽得到的高分貝說：

「你是天才！」
「你是天才！」
「你是天才！」

我自己很傻眼，而我相信在場的所有求職者也都非常傻眼。

但最後非常可惜，最後要終面的時候，我因為兵役的關係卡在台灣，無法出境。不然根據該公司在網路上相關的討論，以及大部分公司的新卒終面來說，是不會刷人的；所以嚴格來說，我是拿到了「接近 100% 錄取的終面，但因為兵役失去了」。

如果都要重新培訓，我們在乎的就是人格特質

說來好笑，我一直認為我不算是個會寫程式的人，因為我就是修了一個線上課程、寫了半年的 Python ，再加上大一的時候考過日文 N1 ，當這兩個單獨存在都不算太有用的技能，在日本的求職旅程上，居然幫我拿到了兩個工作機會。

該公司的事業體內容經過四年，其實我已經忘了差不多了，但是是一間文化上一直聊得來的公司，最後接近進到終面的時候，人資的意思就是「已經確定會發錄取通知，終面要談薪水，是否願意談下去。」

而我一直是一個沒有什麼藝術天分的人，我怎麼樣也無法想像自己跑去做網頁前端工程師，因此就拒絕了（公開資訊，年薪大約是 450（萬日幣，約新台幣 123 萬）左右）。

但會提到這間公司，是因為有跟面試官聊得比較深入，問他為何會願意錄取一個「不太會寫程式」的外國人，他給我的回答很有趣：「你也知道，日本大學生基本上都在打工、玩耍跟喝酒，所有技能都要重新培訓。」「如果都要重新培訓，我們在乎的就是人格特質，而不是原本已經會的能力。」

這段話後來在「日本人我朋友」身上也得到驗證，他剛踏入三井的總合職的時候，就開始從初級會計學開始學，且是邊參與併購專案，一邊學初級會計學。

這或許也是為什麼，有些工作他們願意找外國人，因為他們認為只要透過他們的培訓，有潛力的人都能成為人才吧！

有效率的赴日求職管道有哪些？

我想這段應該是整篇文章最乾貨，而這方面的資訊我也幾乎沒有在網路上找到，也是我寫這一系列文章最想分享的部分（笑）。

如果你是應屆畢業生，想去日本工作，基本上有兩個方向：

1. 走日本人管道，參加為期一年的就業活動
2. 走海外求職管道

我們先談第一點，走日本人管道這塊。

我身邊走「日本人管道」這條路的，如前面所說，只有一個「最後一學期待在日本交換」的人，運用了大量學校資源，再加上比日本人還要努力的意志力，才能拿到不錯的結果。

且當你一但把自己當成日本人，你就會很自然而然得去投「大商社總合職」，但我現在回頭看，以 www.goodfind.jp 來看，絕大多數的名額，其實應該都是留給日本國內的學校，甚至你不是早慶東的學生，機會微乎其微。

接著我們談談海外求職管道。

其實我第一次去參加 Career Forum .NET 的時候，並不知道 CFN 是偏海外人才的途徑，CFN 最有名的是每年辦在波士頓的那場，對海外人才友善的最頂尖日本職缺，基本上都會在那邊招募，且因為目標是海外人士，招募的流程並不冗長。

就算沒有參加線下的 CFN ，也可以透過官方網站，去找尋對外國人才友善的公司，以我有拿到工作機會、或是接近拿到工作機會的三間公司來說，都有參加 CFN 的活動。

以我身邊的朋友來看，第一份工作就在日本就職的人，不是最後一學習期在日本，就是透過 CFN 或是台灣的獵頭過去日本。如果已經離開學校，或許念個專門學校，並透過專門學校最後一學期的時間找工作，也是許多已經工作過一段時間的人，想去日本找工作的低風險路徑。

如果你是有經驗的工作者，我認為有效率的作法，是透過獵頭公司在網路上先面試過，如果有合適的機會，第一關與公司的面試通常也會是「線上」的面試，有機會往下一步的話，許多公司是願意出機票讓求職者飛過去面試的。

管道的話， Linkedin 是個不錯的選擇，因為會使用 Linkedin 的獵頭，基本上就是偏向國際化的獵頭，且以日本中途轉職來說，是非常需要獵頭的。

這篇主要講的是我在日本三個月的求職旅程，以及如果你是要找工作的新鮮人，我會給予的建議。

下一篇我會分享這次找工作的經驗對我人生的影響，以及後來我短暫在日本工作一年多，對於日本求職市場的體悟。

如果你有興趣去日本工作，歡迎與我們聊聊！
免費諮詢
線上課程
日本求職社團

（本文經 東京工程師 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈文組畢業到日本找工作，年薪 600 萬 — 面試地獄 〉 。首圖來源：Piqsels CC Licensed）

更多關於海外的職場資訊

想進日本新創上班？赴日 11 年老鳥：台灣軟體工程師有很大的機會！
工程師海外薪資情報：跑去美國當數據分析師，年薪可以拿多少？
【史上最強求職攻略】產品經理海外求職大補丸：履歷、面試、實作流程大公開！

我們正在找夥伴！

【為什麼我們要挑選這篇文章】很多矽谷的公司會去中國成立分公司，但他們的目的地未必是北上廣深等一線城市，而是西安、成都等二三線城市，原因很單純：人力成本低，只拿三分之一的薪水，而且加班配合度高，毫無怨言。但這些中國工程師，幫助矽谷公司創下科技奇蹟。

程式代工已行之有年，從早年的印度到現在的中國，代工者多是產業鏈底端的碼農。雖然工程師薪水比多數行業高，但仍需要進修與自我成長，以提升自己的工作價值。（責任編輯：郭家宏）

Harrison Rose 在美國科技行業浮沉已有四十餘年。他在矽谷創立商用機器人硬體企業 TRC 不久，機器人就被寫上了外資審查名單。這一道落下的貿易鐵幕，卻沒能擋住他去中國建立分公司、招募軟體工程師的計劃。

至於他的目的地，不妨一起猜一猜：是靠近工廠的深圳？還是投資人聚集的北京？

Rose 告訴矽星人（本文作者）：對我來說最好的地方，應當是西安，或者是成都。

矽谷創業企業為什麼選中了中國西部的工程師，讓涼皮肉夾饃牛油鍋（中國西部傳統菜餚）與程式碼迎來了新的結合？

一個不容忽視的背景是，中國軟體工程師的隊伍，正在北京深圳等一線科技大城之外的地方迅速壯大。他們當中既有傳統的高校畢業生，也有從流水線產業工人轉型的軟體開發工程師。最勵志的一位女工程師孫玲，已經從深圳電子廠走到了 Google 的紐約辦公室。

能從女團出道的紡織女工楊超越只有一個，但能複製、能「速成」的軟體程式技術，無疑為更多國內尋求新機會的人打開了更廣闊的大門。

一手需求，一手供給。如果說中國「出口製造」的時代正在消逝，難道「出口腦力」的時代正在到來？

程式工作開始全球分工，歐美國家將碼農工作外包給中國

有一名美國工程師很早就發現了中國工程師的價值。

早在 2013 年，美國主要電信企業 Verizon 發現系統長期出現來自中國的訪問記錄，懷疑遭到中國駭客侵入。調查發現，一名地址顯示為中國瀋陽的員工 Bob，勤勤懇懇透過 VPN 寫程式碼，熬夜在美國時區「朝九晚五」工作，還獲得了程式碼乾淨、最出色工程師的好評。

進一步的調查顯示，真正的 Bob 四十多歲，是美國辦公室的老員工。他的工作日常是在 YouTube 上看萌貓影片，去 eBay 購物，刷一刷 Reddit、Facebook、LinkedIn，5 點下班。

真相揭開：美國的 Bob 年薪六位數，用自己五分之一的工資，把自己的工作外包給瀋陽一家軟體外包公司。他將 RSA 動態令牌快遞到了中國，讓外包商可以在工作日透過 VPN 訪問公司系統，幫他完成他的工作。

雖然 Bob 沒有逃過被解僱的結局，他其實是一個具有資本家眼光，深諳跨國套利之術的員工。

之前提到的創業者 Rose 選擇中國西部的原因也是成本：如果是深圳北京，成本要高 25%。

Rose 常用矽谷流行語來品評時事，比如「Garbage in garbage out.」（錯誤輸入，錯誤輸出）。「Pick the best of both worlds.」（擷取兩個世界最好的果實），則是他對中國計劃的總結。

美國大型企業和創業公司的 IT 外包早有歷史。印度受益於語言便利和更早的資訊技術產業投入，IT 外包產業創下千億美元價值，也是國家支柱產業之一。

企業跨國外包的原因，都寫在了廣告詞裡：既能獲得高品質的外國員工，還能夠節省 70% 的人力成本。

有意思的是，曾經美國企業的外包目標是印度等英語為主要語言的國家，如今中國工程師卻正在走入視野。

一名負責輝瑞集團亞太地區的軟體架構師 Troy Hunt，與印度、中國、菲律賓三地的數十個供應商，完成了上百個專案。他比對了 2015 年三地的工資數據，與英美國家形成了巨大的差異。

印度和菲律賓都是英語母語國家。但在三個國家之中，他還是最希望與中國團隊保持合作，因為中國工程師品質高，處事靈活，附加條件少。但必須是長期合作，因為中國的工程師不太精通英語，改中國工程師語法的任務量還是太大了。

他認為：「如果你熱衷於技術而不關注中國的動態，那麼你可能會錯過未來幾十年，世界上最重要的技術創新和成長來源。」

資本總是飛往成本最低的地方，選修過總體經濟學的同學們都被教育過：各國生產自己具有相對優勢的產品，全球分工、交易互換。兩個國家都能以更低的價格消費更多的產品，讓所有人從中受益。

從舶來珠三角的製造業工廠，到中國內地城市興起的外企軟件園（海外企業軟體園區），再到飛往西部尋找軟體工程師的矽谷創業企業。

從紡織工到流水線，全球分工的腳步已經來到了「程式」領域。

矽谷企業的「東方秘密武器」：中國工程師

早就看到這個機會的不止是外包公司。近年一些美國市場企業出奇制勝的秘密武器，就是遠在中國的工程師研發團隊。

從獲利上市的 Zoom 到新興的播客平台 Castbox，中國團隊都發揮了舉足輕重的作用。特斯拉也正在中國建立研發團隊。

Zoom 是矽谷今年罕見的獲利上市獨角獸，在招股書中披露：

「我們的產品開發團隊主要位於中國。與其他地區相比，中國的人力成本更低。」

Zoom 招股書顯示，其在中國多個研發中心擁有 500 多名員工，約占其總勞動力的 30%。從 Zoom 中國的校招資訊來看，其研發崗位分佈在杭州、蘇州、合肥三地。

根據招募資訊，Zoom 在蘇州與合肥的工程師職位，最高月薪不超過 3 萬元（人民幣，約新台幣 13.5 萬元），一些職位實行 14 薪。而據 Glassdoor，Zoom 矽谷工程師的年薪至少在 11 萬美元（約新台幣 340 萬元）。

中國的工程師們在行業網站上討論 Zoom 的工作環境，「在合肥是純研發團隊」，「Zoom 在合肥算最好的了，主要是沒強制加班什麼的」。

在上一年中，Zoom 的研發支出為 3300 萬美元（約新台幣 10 億元），僅占總收入的 10%。Zoom 稱，如果他們不得不將產品研發團隊從中國轉移到另一個司法轄區，那麼他們可能會支付更高的成本，這將對利潤率產生負面影響，並損害他們的業務。

中國背景的創業團隊，應當最早意識到這種人才成本的差異。

在矽谷的一場創業分享上，播客平台 Castbox 創始人王小雨聊起了她的中美兩個團隊。雖然如同兩個平行宇宙，美國團隊更有創造力，但中國團隊面向用戶的營運能力、工作效率，都更勝一籌。

Google 的年度開發者大會正好在中國的五一假期之後，於是 Castbox 讓中國團隊在五一期間加了個班，上線了新功能，剛好趕上 Google I/O 的特別展示，推向全球的開發者。

但如果讓美國團隊加班，還是一件阻力太大的事情。

Rose 看到中美團隊的不同：「美國文化管理下的企業，有自下而上的內部溝通，能夠碰撞出好的想法。」

也有帶領中國外包團隊的美國人對比這種差異：「如果給這些中國工程師看一塊磚，告訴他們，這塊磚很好，但我希望你能找出改進它的辦法。比如可以使它更耐用、更便宜等。

兩週後，中國工程師會與你聯繫，問：『我們需要做什麼？』

但是，如果你給他們提供磚廠的建造圖，並告訴他們建造工廠並生產一百萬塊這樣的磚，他們是可以做到的。」

要避開印度陷阱，跳脫產業鏈底端

在為全球出口軟體工程師上，印度其實做的最早最大，甚至成為了「離岸外包」的代名詞，也是國家財富的重要收入來源。

這是資源，也是跳脫不出產業鏈底端的詛咒。

中國的科技企業前往矽谷搶奪人才，看中的是頂尖的技術與經驗。矽谷的科技企業也盯上了中國的工程師，似乎更多是因為「性價比」。

對於一些在矽谷苦熬 H1B，衝擊天花板的華人工程師來說，能在國內拿著矽谷的大包，去解決「事業父母不能兩全」的問題，有更多的話語權，是兩全其美的夢想。

但如果在中國拿著一份優於本地、遜色矽谷的收入，做著非核心的業務，也會讓一些工程師「忿忿不平」。

在這一輪產業分工的變化中，軟體開發的價值，固然高於流水線上的廉價人工。但中國工程師能夠跳出印度外包工程師的困境，掙脫產業鏈的底層束縛嗎？

中國或許有一個不同的故事。

Rose 前往中國，用政策風險換取低成本，看起來並不是最好的時機。

中國的工資成本，也正在一路上揚。但更有吸引力的，是在中國市場募資、研發、製造、向美國之外的廣闊市場銷售。

中國畢竟走出了「世界工廠」時代，只有低廉的土地和人工。中國沿著產業鏈向上攀登，華為 200 萬年薪（人民幣，約新台幣 900 萬元）招募博士畢業生等人才儲備計劃，抬起了中國工程師的身價。中國走向海外的創業公司，也更多將核心研發團隊放在中國。

來自瀋陽、吉林的工程師們，也把自己掛在了外包服務的網站上。他們的時薪在 30 美元到 40 美元，約 210 元到 280 元人民幣（約新台幣 930 到 1240 元），在當地已屬於不錯的薪資。

還有更多產業工人離開了珠三角的工廠，想實現一個從流水線到工程師的夢想。

而海外的科技企業，正在向中國尋找人才，深入中國的二三線城市尋找人才，甚至是研發方向的人才。

但願在全球分工的體系中，人人都能成為渺小卻快樂的星塵。

（本文經合作夥伴 品玩 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈硅谷看上中国 N 线城市“码工”：只拿 1/3 薪水，肯加班无怨言 〉。首圖來源：Pxhere CC Licensed）

更多關於工程師的資訊

新創團隊 CEO 多是軟體工程師，從「工作者」變身「創業者」需要改變這 3 種心態
【投稿】薪資福利跟 Google 相同水準！軟體工程師帶你一窺美國求職網 indeed 的真面目
會寫程式只是基本，「懂得刪程式碼」的工程師才是企業要的人才！

我們正在找夥伴！

【為什麼我們要挑選這篇文章】美國名校柏克萊推出最新深度學習課程！超好用資源降臨，工程師們趕快存起來閒暇時間進補。（責任編輯：陳伯安）

「《科技報橘》徵才中！跟我們一起定位台灣產業創新力 >> 詳細職缺訊息 
快將你的履歷自傳寄至  jobs@fusionmedium.com」

柏克萊最新的無監督深度學習 CS294-158 課程資源放出啦！建議先收藏慢慢看！

這個課程涵蓋了兩個不需要標記數據的深度學習領域：深度生成模型（Deep Generative Models）和自主學習（Self-supervised Learning）。近年來生成模型的發展使得對高維原始數據建模成為可能，如自然圖像、音檔和文本語料庫等。

14 週由深入淺拆解「深度學習」基礎、應用

自監督學習的進步已經開始縮小監督表示學習和非監督表示學習之間的差距，對看不見的任務進行微調。

課程涵蓋了這兩類領域的理論基礎和最新的應用，一共有 14 周，每周的課程都有相應的 PDF 課件和 YouTube 講課影片。

直接來看課程目錄

Week 1 (1/30)

Lecture 1a: Logistics

Lecture 1b: Motivation

Lecture 1c: Likelihood-based Models Part I: Autoregressive Models

Week 2 (2/6)

Lecture 2a: Likelihood-based Models Part I: Autoregressive Models (ctd) (same slides as week 1)

Lecture 2b: Lossless Compression

Lecture 2c: Likelihood-based Models Part II: Flow Models

Week 3 (2/13)

Lecture 3a: Likelihood-based Models Part II: Flow Models (ctd) (same slides as week 2)

Lecture 3b: Latent Variable Models – part 1

Week 4 (2/20)

Lecture 4a: Latent Variable Models – part 2

Lecture 4b: Bits-Back Coding

Week 5 (2/27)

Lecture 5a: Latent Variable Models – wrap-up (same slides as Latent Variable Models – part 2)

Lecture 5b: ANS coding (same slides as bits-back coding)

Lecture 5c: Implicit Models / Generative Adversarial Networks

Week X (3/6)

Final Project Discussion

Week 6 (3/13)

Lecture 6a: Implicit Models / Generative Adversarial Networks (ctd) (same slides as 5c)

Lecture 6b: Non-Generative Representation Learning [UPDATED 3/24]

Week 7 (3/20)

Lecture 7: Non-Generative Representation Learning (same slides as 6b)

Week 8 (4/3)

Lecture 8a: Strengths/Weaknesses of Unsupervised Learning Methods Covered Thus Far

Lecture 8b: Semi-Supervised Learning

Lecture 8c: Guest Lecture by Ilya Sutskever

Week 9 (4/10)

Lecture 9a: Unsupervised Distribution Alignment

Lecture 9b: Guest Lecture by Alyosha Efros

Week 10 (4/17)

Lecture 10: Language Models (Alec Radford)

Week 11 (4/24)

Lecture 11: Representation Learning in Reinforcement Learning

Week 12 (5/1)

Lecture 12: Guest Lecture by Aaron van den Oord [slides not available]

Week 13 (5/8)

RRR week: no lecture

Week 14 (5/15)

Final Project Presentations

OpenAI 科學家手把手教學

講解這門課程的一共有四位：

第一位是 Pieter Abbeel，他是柏克萊機器學習實驗室主任，柏克萊人工智慧研究實驗室（BAIR）聯合主任，還是 OpenAI 的科學家兼顧問；

第二位 Peter Chen 是 Pieter Abbeel 教授組裡的博士研究生，也是 OpenAI 的研究員；

其餘兩位 Jonathan Ho 和 Aravind Srinivas 也都是 Pieter Abbeel 教授組裡的博士研究生。

工程師快把資源存起來

課程傳送門： 點我

（本文經合作夥伴 大數據文摘 授權轉載，並同意  TechOrange 編寫導讀與修訂標題，原文標題為 〈伯克利最新无监督深度学习课程资源放出！〉。）

延伸閱讀

超省時 GitHub 新功能！點選函數就能看定義，記憶差的工程師不用再苦苦尋找了

【大騙局】《華爾街日報》拆穿 Engineer.ai 假面具！AI 服務背後全是「印度工程師」

工程師殺手級工具！一秒自動補齊後續程式碼，還支援 23 種程式語言

我們正在找夥伴！

【為什麼我們要挑選這篇文章】昨日傍晚全台 ATM 大當機，原因是 IBM 工程師維修時，誤觸網路線路造成系統當機。

這不是 ATM 系統第一次當機。去年 8 月，財金公司也因為 IBM 大型主機 IMS 系統異常而當機兩小時。金流是維持國家經濟的血脈，我們的金融系統還有待優化。（責任編輯：郭家宏）

國內銀行 ATM 17 日傍晚傳大當機，導致民眾無法跨行提款。金管會指出，向財金公司了解，造成 ATM 跨行提款問題主要是因為 IBM 工程師進行定期維修，誤碰到內部網路線造成系統當機。

全台 ATM 大當機，原因是工程師維修失誤

17 日傍晚有網友在 PTT 發文指出，想要領錢，但換了 3 台 ATM、3 家銀行都無法跨行提款，只能到自行 ATM 才能提領現金。

金管會銀行局官員指出，向財金公司了解，這次造成 ATM 跨行提款問題主要是因為 IBM 工程師到公司進行定期維修，不小心碰到內部網路線造成系統當機；財金公司也強調，跟中華電信外網流量並沒有關係。

銀行局也表示，會再了解工程師不小心碰到的原因，至於這次問題跟去年財金公司系統當機原因不一樣，會要求財金公司警惕作改善。

主要負責銀行間轉帳清算的財金資訊公司董事長林國良稍早曾表示，目前已恢復正常，後續進一步了解發生原因。

2018 年 8 月 18 日，財金公司也曾因 IBM 大型主機連線管理系統程式異常，導致全台 ATM、網路銀行當機 1 個多小時無法領錢，財金公司並因此遭金管會開罰新台幣 150 萬元。

（本文經合作夥伴 中央社 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈ATM 跨行提款當機 金管會：工程師誤碰內部網路線 〉。首圖來源：Max Pixel CC Licensed）

延伸閱讀

矽谷企業的東方秘密武器是「中國工程師」：薪水只要三分之一，加班配合度高無怨言
新創團隊 CEO 多是軟體工程師，從「工作者」變身「創業者」需要改變這 3 種心態
5 個步驟、55 次約會，美國工程師用 Python 成功脫魯！

我們正在找夥伴！

【為什麼我們要挑選這篇文章】寫了多年的程式，工程師有哪些職涯選擇？繼續寫程式是一個選項，但也可以朝向管理者、分析師的方向發展。以下是 5 個可行的職涯方向，給想更上一層樓的工程師參考。（責任編輯：郭家宏）

「《科技報橘》徵才中！跟我們一起定位台灣產業創新力 >> 詳細職缺訊息
快將你的履歷自傳寄至 jobs@fusionmedium.com」

寫了 5 年程式，年齡已近 30，頭髮尚存幾縷，除了寫程式其他並無所長，職業未來在何方？

對於從畢業就進入網路公司，已經工作了 5 年甚至更久的工程師來說，現在是時候想想在你職業生涯的下一個階段了。

然而該怎樣規劃自己的職業方向呢？很多人又很迷茫，猶豫不決中，失去了很多機會。Medium 上一位版主就以 Java 工程師為例，列出了 5 個可以選擇的新工作方向，一起來學習一下！

原文 傳送門

經驗豐富的工程師，有哪些可行的職涯方向？

如果你是一名經驗豐富的開發人員或高級 Java 工程師，像是有超過 5 至 8 年經驗的人，並且想知道如何進入下一個階段，那麼你來對地方了。在這篇文章裡，我會分享五個像你這樣的經驗豐富的 Java 開發人員可以選擇的職業選項，以將你的職業提升到一個新境界。

除了成為許多資深工程師選擇的專案經理之外，現在還有其他技術型的且更好的職業機會。對於缺乏人員管理技能，熱愛寫程式、開發和動手實踐的工程師而言，這尤其重要。

對你而言，根據個人技能選擇正確的職業選項是很重要的，因為沒有這些技能而成為專案經理或進行人事管理時，可能有時會令人沮喪，主要是因為你不想，當你可以輕鬆完成開發人員的工作時，感到沮喪。

人員管理也是一項非常不同的技能，你需要同時與上下級人員緊密合作，就像你需要定期與企業，高管和其他高級管理人員進行交流，以實現交付。但是，你還需要與開發人員、質量管理人員和其他資源調度者一起合作來完成工作。這並不容易，尤其是如果你不得不管理一個大團隊時。

另一方面，對於那些始終希望保留實踐性和接近技術的工程師來說，採用更具技術性的職業道路（例如成為 DevOps 專家，Scrum 專家或軟體架構師）是更好的選擇。

對經驗豐富和熟練的工程師有很多需求，並且如果你持續做了多年程式碼工作，你永遠不要認為自己會過時且被市場淘汰。

許多組織，例如投資銀行，也都在推廣這種技術職業道路，在這裡你可以透過保持你技術型且擅長的工作而升任高級職位，副總裁和執行董事。

不管怎麼說，不浪費你的時間，這是我列出的一些經驗豐富的 Java 開發人員可以將其職業發展到下一階段的最佳職業選擇。

Scrum 主管：適合熟悉敏捷開發的你

如果你在敏捷開發環境中工作，那麼你肯定聽說過 Scrum 會議和 Scrum 管理。Scrum 主管的工作是每天召開一次 Scrum 會議，並解決你遇到的任何障礙，它需要一點專案管理和協調技能。

與商業分析師或專案經理相比，這是一個相對較新的職業選擇，但是在遵循敏捷方法進行開發的公司中，它變得越來越受歡迎。

如果你在專案和商業領域有豐富的經驗，那麼你也可以成為 Scrum 主管！但是，如果你不熟悉敏捷，建議你參加一些 Scrum 相關的課程，使你熟悉 Sprint、Scrum、Kanban 以及其他敏捷方法和工具。

你可以學習一些基本的 Scrum 技能或獲得 Scrum 認證，以進一步增加你的機會。

DevOps 工程師：適合熱衷於管理環境、自動化和總體結構的你

這是經驗豐富的開發人員的另一個新機會。成為 DevOps 工程師並沒有正式的職業道路。

他們要麼是對調度和網路操作感興趣的開發人員，要麼是對腳本和寫程式充滿熱情，並且進入可以改進測試和調度計劃的開發部門的系統管理員。

這意味著，如果你是一位經驗豐富的 Java 工程師，並且熱衷於管理環境、自動化和改善總體結構，那麼你可以成為 DevOps 工程師。

下面是 2019 年 DevOps 開發人員路線圖。

解決方案架構師：適合熟悉數據結構、演算法和系統設計的你

解決方案架構師負責組織內一個或多個應用程式或服務的設計，通常是解決方案開發團隊的一部分。

他們必須具有平衡技術和業務的技巧，並且經常與企業架構師一起制定戰略方向。

解決方案架構師的工作是將功能分析人員創立的需求轉換為該解決方案的體系結構，並透過體系結構和設計工件對其進行描述。

為了成為有效率的解決方案架構師，你應該對基礎知識有充分的瞭解，例如數據結構、演算法、系統設計和設計模式。

如果你感興趣，這裡強烈推薦為解決方案架構師或軟體架構師準備的 5 本必讀書籍。

相關連結 傳送門

專案經理：負責管理專案的六個面向

專案經理負責專案的日常管理，並且必須有能力管理項目的六個方面，即範圍、進度、財務、風險、品質和資源。

作為專案經理，你的工作是計劃、預算、監督和記錄正在處理的特定專案的所有方面。專案經理可能會和高層管理人員緊密合作。

如果你願意，你還可以申請 PMP 認證以成為經過認證的專案經理，這對短期內發展你的職業非常有用。

商業分析師：參與商業系統、IT 系統的設計或修改

分析師參與商業系統或 IT 系統的設計或修改。分析師與商業利益相關者和主題專家進行互動，以瞭解他們的問題和需求，以及收集文檔並分析商業需求和要求。

這就是經驗豐富的 Java 工程師，像是擁有 8 至 15 年經驗的人一些職業選擇。我知道，你們中的許多人不想進入人事管理的道路，並希望仍能親自動手寫程式碼以及親自做當前你所做的一切。

如果是這樣，那麼你應該在解決方案架構師和 DevOps 工程師之間進行選擇。兩者都是實踐性非常高的角色，並且你將繼續使用技術。

另一方面，如果你在正在考慮擺脫程式碼，並希望探索領導力，人事和產品方面的更多選擇，那麼 Scrum 主管、商業分析師和專案經理角色將非常適合你。

（本文經合作夥伴 大數據文摘 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈干了 5 年程序员，该如何转行？5 个新工作方向了解一下 〉。首圖來源：Pxhere CC Licensed）

更多關於工程師的職涯資訊

新創團隊 CEO 多是軟體工程師，從「工作者」變身「創業者」需要改變這 3 種心態
會寫程式只是基本，「懂得刪程式碼」的工程師才是企業要的人才！
網友大哉問：我今年 28 歲，應該從普通工程師轉行 AI 工程師嗎？

我們正在找夥伴！

【為什麼我們要挑選這篇文章】在許多人的心中，矽谷就像是個創業天地，也是許多人心目的築夢天堂，但是現在的矽谷，正上演著大裁員現象。

在這篇文章中，作者將與大家分享許多矽谷工程師所面臨的求職困境，以及造成這些現象背後的一些問題。讓我們一起來了解，矽谷到底發生了什麼事情。（責任編輯：陳美羽）

休假結婚申請獲批後第三天，矽谷工程師 Sam 收到了裁員通知。

他向矽星人（本文作者，下同）回憶起那一刻，覺得很不真實：「請假的時候經理很為我高興，擁抱、握手、祝賀。」

裁員這件大事，往往不能以人之常情推斷，在他以為最不可能也最不該發生的一刻，就這樣發生了。

Sam 不知道該怎麼在聚集一生親友的婚禮時刻解釋自己的失業，只能在第一時間告訴未婚妻：「組裡最近一直有人被裁，今天 ‧‧‧‧‧‧ 輪到我了 ‧‧‧‧‧‧ 我希望這不會影響我們的關係，但你有權知道。」

矽谷流動高的原因，從「跳槽」變成「裁員」

人員流動在矽谷很常見，這裡匯集了各國科技人才，常年在尋找新的機會。不過在兩三年前，矽星人聽到的流動原因總是「跳槽」、「尋找新的機會」。

意氣風發的年輕工程師很難在同一個地方工作兩三年。小型科技公司的工程師想去大廠，大廠的工程師厭倦了「擰螺絲」的重複工作，也在斟酌著去創業公司，說不定還能收穫一個財務自由的未來。

然而到了 2019 年，潮水的方向變成了「裁員」。

這個詞開始掛在人們嘴邊，人們開始討論：裁員新常態。

新創企業估值虛高，大量裁員紛紛湧現

求職面試時有一個最難回答的問題：「你為什麼離開上一家公司？」

一名求職者調侃，自己回答起來非常容易：「它們都倒閉了。」

即便創業公司注定「九死一生」，期權常變廢紙，但在熱錢湧動估值高漲的前兩年，新創企業還在矽谷跳槽鄙視鏈的頂端。

那時科技大廠最優秀的一批工程師嚮往創業，尤其是那些滿腹才華、充滿創新精神的人。當手中的工作越來越沒有挑戰性，他們想要更多的話語權、更多的領導力、更激盪澎湃的人生經歷。

可惜今年是創業時代神話破滅的一年。

沒有上市的新創企業融資艱難，獨角獸企業上市後股價跌得慘淡。特別是還有一家上市失敗、估值跌破投資資本的 WeWork，誤傷了更多等待上市的獨角獸和籌集資金的新創企業。他們在寒冬吹來的冷空氣中瑟瑟發抖，著手改善盈利指標。

於是他們紛紛選擇減員增效。

WeWork 上市失敗，倒是傳出了因承擔不起裁員補償而暫不裁員的消息。但風暴已經擴散，它收購的 Meetup 進行裁員重整，砍掉了 25% 的員工。另外一個獨角獸 Houzz 也爆出取消已經發出的錄取、面試放鴿子、凍結徵才。

資本降溫了，虛高的估值和打水漂的投資也嚇壞了投資人。曾經不缺錢的新創企業們感到了壓力。

Uber 在內部向員工徵集降低燒錢速度的辦法。員工在入職紀念日會收到一個氦氣球，漂浮在工位上空，顯示入職 1 年、2 年 ‧‧‧‧‧‧ 一名員工建議把氣球換成貼紙。

Uber CFO Nelson Chai 採納了這項建議，並發出內部信解釋說：此舉僅在舊金山辦公室就可以為公司節省超過 20 萬美元。

這大概是一名高級軟體工程師的年薪身價。

Uber 上市半年之後，有人股票套現，也有 1000 多人因裁員離開，沒能等到下一個入職紀念日 ── Uber 在 9 月份削減了其工程和產品團隊的 435 個工作崗位，八月份從其營銷團隊解雇了 400 名員工，在 10 月又裁減了外賣等業務的 350 名員工。

從新創逃到科技大廠，正能量一樣被 996 消磨殆盡

在新創企業風雨飄搖後，科技大廠成為了避風港。

科技大廠的高薪與高強度工作曾被視為「金手銬」。

Facebook 一些工程師的工作時間正在力追中國 996，Google 的軟體開發工程師凌晨兩三點還在提交修復漏洞。產品發布迫在眉睫的開發組自覺週末加班，並不自覺地在工作計劃中預期其他有合作的組也一起週末加班。

但隨之而來的高薪和優渥的股票也像「金手銬」一樣，「拷」住了他們離開的心。

但當裁員突然有了一百個理由，工程師們希望手銬再銬緊一點。

一名厭惡開會、只想專心做專案的工程師曾向矽星人抱怨他亂提需求的經理，「他天天沒事做一樣走來走去，就像一隻蒼蠅，嗡嗡嗡飛來，嗡嗡嗡飛走，你知道，有時候我真的很想這樣（他揮了揮手）一巴掌拍過去，安靜了。」

兩個月後，長久沒聯繫的老同事突然來電話要約他見一面，見面原因電話裡也語焉不詳。

老同事最終沒有赴約。他帶著不詳的預感查詢了一下公司的系統，發現裡面已經查無此人。

經過了這件事，這名背有房貸壓力的工程師，決定再培養一些耐心，去應對經理的需求。

跳槽與裁員，原本都不是常態。

在浪漫主義情懷蕩漾的遊戲行業，暴雪把五年之劍，十年之盾，十五年之戒，二十年之盔，頒發給自己的老員工。

一名甲骨文的退休員工告訴矽星人，她工作多年，原本應當在甲骨文上市之前退休。但企業允許她一直工作到上市之後，才帶著股票收益去過富足的晚年。

但這些美好舊時光，就好像大學新生攻略裡流傳的良心餐廳，價格低，分量足，只是最後多了一行小註：倒閉已久。

企業的首要職責不是提供就業，而是盈利存活，於是有了等價於裁員緩衝期的業績改善計劃（PIP），先經由亞馬遜廣為人知，再因為 Facebook 惡名昭彰。

被大廠收購算是創業公司的好運氣。然而此後的命運一般先是失去自己的產品，再是失去自己的品牌，當產品短期看不到盈利，就​​被毅然砍掉。

而項目被砍的工程師，大約有半年時間在企業內部尋找新的項目，如果一無所獲，就早晚黯然離開。

一名工程師對矽星人抱怨，Google 總是隨意砍掉看起來無法快速盈利的項目，大家付出了那麼多心血的東西，就隨手扔出窗外。

只是他也沒有聽到，Google CEO 被華爾街的分析師和投資人追問投資盈利能力時候，語氣中的疲於應對。

美國人以為競爭對手是外籍員工，其實是外包公司

「只有我是這樣，還是美國公司都在凍結徵才並準備裁員？」

矽谷大約是勞動力最國際化的地區，在職業網站 Blind 上人人自危的情緒中，湧現出了很有矽谷特色的討論。

與業績表現相似的 H1B 簽證外籍員工相比，企業會不會更傾向裁掉本土美國人？

這樣說的原因有很多種，比如企業不想浪費已經付出的簽證費用，H1B 員工只有 1 個月的找工作時間，不會隨意離職，比本地人更好控制。

也有人提反對意見：H1B 員工在被解僱後幾乎永遠無法提起訴訟，因為他們必須在離職後的極短時間內離開美國。財大氣粗的科技公司，才不會計較辦理 H1B 簽證那幾千美元費用。

這種討論實在令人無奈又沒什麼意義，H1B 員工和美國員工的主要對手，其實是遠在海外的外包公司。

有一家西雅圖企業的員工問：「如果我的團隊開始外包工作，管理層大概需要多長時間砍掉我們組？」

他還發起了 1 個月到 1 年的時間投票，但又馬上自我安慰：「我想應該還要一段時間，畢竟外包公司需要培訓業務，或許不會在完成培訓後馬上砍掉我的團隊？」

但那語氣彷彿在討論自己的掘墓人。

也有人選擇不停追逐風口、逃離衰退期，在共享經濟尚未跌落時就離開行業，用積累的背景前往東南亞做加密貨幣，在加密貨幣也逐漸涼涼之後，再沒有消息傳來。

一名因裁員從獨角獸企業離開的員工不乏下家邀請，但是當他在另一家傳聞準備上市的獨角獸公司面試時，看到了同樣火熱到有些激進的擴張場景。

他最終放棄了那個 offer，因為那場面試讓他想起了曾經風光的老東家。

在那場高速擴張撞上危機後，發不出工資，就要裁一批人。員工一個一個等待被談話，看裁員大刀有沒有落到自己頭上。有人在工作時間消失請假面試，有人在公司的角落裡小聲接獵頭電話。有的人塵埃落定後給朋友打電話，說海外部門上司神仙打架，團隊無法產出，整個被裁掉，試探有沒有工作機會。

他感到了害怕。

不屑政府企業的矽谷工程師，年過 30 是否要妥協？

在「1995 後平均 7 個月就離職」成為熱新聞之後，人生經歷一次裁員也不是什麼了不得的大事情 ── 如果不是還有「年過三十，人生半坡」的困境。

美國本地工程師的父母甚至展現出了「公務員至上」心態，希望他們為惡名在外的灣區軌道交通 BART（舊金山灣區捷運系統）工作。

身為一個追求效率和創新的矽谷工程師，不去政府企業是最後的驕傲：你不覺得美國政府提供的設施和服務都很差勁嗎？不管是 DMV（加州車輛管理局）還是 BART，員工都是看著時鐘到點下班。它們都很穩定，但是真的很爛。

但 H1B 像是懸在外籍員工頭上的利劍。Facebook 上不時有這樣山窮水盡的狀態：簽證還有一個月到期，就業崗位請都向我砸過來吧，我不想離開！

灣區交通差、生活成本高、基礎設施陳舊。世界各國的年輕人卻不願意離開。畢竟這是一個找工作靠好好刷題、尊重技術與科技，相比之下簡單清新不做作的生存模式。

如果裁員無法避免，有工程師還選擇從中賺點錢。

一名曾就職於 Google、Facebook 的工程師錄了一個 YouTube 影片，回憶自己被 Facebook 開除的全過程，獲得了 110 萬點擊量。

「那天我就在做自己的事，到處晃晃，吃我的免費食品，喝我的免費咖啡 ‧‧‧‧‧‧ 然後 HR 又發來一封信。」

「通常這些信我是不看的，只是剛好差不多喝完了咖啡 ‧‧‧‧‧‧ 我就，好吧，我去跟 HR 來個友好談話吧！」

「他們不高興我老在 YouTube 上談論自己是前 Google 技術主管，為什麼我就不能提到自己也是 Facebook 的技術主管呢？由於利益衝突，我就選擇被開除了。」

錄到這裡，他暫停一下，感謝一下贊助商，賺一些廣告費。

這個影片治癒了一些「裁員應激創傷症」患者。因為人們發現，裁員應該也不完全都是可怕的事情。

還有一些古道熱腸的工程師在職業網站上發文：WeWork 要裁 4000 人，我們為他們做點什麼吧。

（本文經合作夥伴 品玩 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈人生半坡，在裁员中活着：硅谷消失的金手铐和紧绷的新常态 〉。首圖來源：Flickr, CC Licensed。）

延伸閱讀

10 大「工作狂」跡象！整天抱怨自己沒空，但你其實很享受吧？

給創業菜鳥的一封信：請停止自以為是！想創造爆紅產品你應該「轉換身份」

想請假就跟老闆講：日本微軟實施「週休 3 日」，員工生產力大幅提升 40% 喔

輕鬆 KO 混合雲搬遷難題！

馬上報名 11/27《AWS Innovate 2019》

破解企業常見的 IT 技術坎

【為什麼我們要挑選這篇文章】工程師最愛的開源平台 GitHub 推出一年一度的使用分析報告，你用的程式語言在市場上還熱門嗎？

從熱門程度、成長速度，甚至是國家貢獻一次破解，快來瞧瞧 GitHub 的年度報告藏了什麼有趣的冷知識。（責任編輯：陳伯安）

「《科技報橘》徵才中！跟我們一起定位台灣產業創新力 >> 詳細職缺訊息 
快將你的履歷自傳寄至  jobs@fusionmedium.com」

本文經 AI 新媒體量子位（公眾號 ID：QbitAI）授權轉載，轉載請聯繫出處

作者：量子位／十三 邊策

GitHub 發佈了年度報告。去年有 1000 萬的新開發者加入了 GitHub 社區，80% 的 repo（資料庫，為 repository 的簡稱）貢獻來自於美國本土之外，中國對開源的貢獻僅次於美國。

報告還發現，以「深度學習」、「自然語言處理」和「機器學習」為主題的 repo 在過去的一年中越發受歡迎。

貢獻最多的開源項目來自微軟的 VS Code（19.1K）、Azure Docs（14K）和 Flutter（13K）。

緊隨其後的是 Google 的 TensorFlow（9.9K）、Kubernetes（6.9K）和 Facebook 創建的 React 原生框架。

雖然自 2014 年以來，我們都知道 GitHub 中大部分的 repo 來自美國本土之外，但最新的報告明確指出，這一數字已經超過 80%。

在過去的一年中，GitHub 總共創建了 4400 萬個 repo，並且在 2018 年 11 月突破 1 億大關。

JavaScript 榮登排行榜冠軍、Python 首次擊敗 Java

JavaScript 仍然是開發人員在 GitHub 上使用的最流行的語言。

但在 GitHub 歷史上，Python 首次擊敗 Java，成為使用第二多的程式語言。

報告還指出了增長最快的程式語言：Dart。Dart 是 Google 用戶界面工具包 Flutter 的程式語言。

其次是 Rust、HCL、Kotlin 和 TypeScript。

非洲開源碼的成長速度全球第一

最大的 repo 貢獻還是來自亞洲、歐洲和北美。

上圖展示了自 2014 年開始，美國之外的 repo 貢獻便已經開始超過美國本土。

繼美國之後，中國、印度和德國今年加快了開放源程式碼的使用速度。中國的開發者 fork 和 clone 的項目比去年多了 48%。

然而，非洲國家在開放源程式碼 repo 的百分比增長方面處於領先地位。

尼日利亞、肯尼亞、突尼斯和摩洛哥的增長速度最快。

在整個非洲，貢獻增加了 40%，比任何其他大陸都多。

報告還發現，76 萬名開發人員正在學習在 GitHub Student Developer Pack 上編寫程式碼。

TensorFlow、PyTorch 是兩個後起之秀

作為 GitHub 上最受歡迎的項目之一，TensorFlow 已經建立了一個龐大的軟體社區。去年有 9900 人為 TensorFlow 做出了貢獻，有 4.6 萬個項目依賴於 TensorFlow。

雖然 PyTorch 近年來發展勢頭迅猛，但從 GitHub 的報告來看，最受歡迎的還是 TensorFlow。

產業界關注焦點沒有變，還是「數據科學」

GitHub 的報告還指出，產業界的焦點在數據科學。

Python 增長的背後是快速擴張的數據科學用戶社區，以及他們每天使用的工具和框架。

其中包括許多由 Python 驅動的核心數據科學軟體包，這些軟體包既降低了數據科學工作的障礙，成為了學術界和產業界項目的基礎。

除 Python 外，隨著越來越多的社區專注於數據科學，近年來諸如「深度學習」，「自然語言處理」和「機器學習」等主題的 repo 變得越來越受歡迎。

在這些主題裡星標最多的 repo 中，超過一半的 repo 基於 numpy 構建，其中還有很多依賴於 scipy，scikit-learn 和 TensorFlow。

此外還有數據科學領域的非程式碼貢獻，包括學術論文等資源。

在數據科學的主題中，Jupyter 和 NLP 成為增長最快的兩大亮點。

從 2016 年到 2019 年，Jupyter Notebook 的使用量連續三年增長率都超過 100%。

自然語言處理在 GitHub 上也越來越受歡迎，因為 NTLK 之類的工具包降低了 NLP 的入門門檻。

2019 年 Octoverse 報告在 GitHub Universe 之前發佈，有關人士預計將在大會發佈新的開發人員工具。《傳送門點我》

對此，你有所期待嗎？

（本文經 AI 新媒體 量子位 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈GitHub 年度报告：Python 首次击败 Java，中国成第二大开源贡献国 〉，首圖來源：Pixabay, CC Licensed。）

你可能感興趣

超省時 GitHub 新功能！點選函數就能看定義，記憶差的工程師不用再苦苦尋找了

扎實你的 AI Coding 基礎！GitHub 大神整理了一份新手易懂的學習課程

GitHub 最強 AI 數學解題神器！拍照上傳秒給答案，連微積分都難不倒他

全球醫學矚目焦點

【為什麼我們要挑選這篇文章】對一個不時需要加班的上班族來說，實在沒時間上課取得機器學習相關經歷。這些人通常在家自學、看書、看影片，但卻不一定有效。

一位 22 歲數據科學家從零開始自學，他最推薦哪些學習資源？新手趕快存起來！（責任編輯：陳伯安）

「《科技報橘》徵才中！跟我們一起定位台灣產業創新力 >> 詳細職缺訊息 
快將你的履歷自傳寄至  jobs@fusionmedium.com」

本文經 AI 新媒體量子位（公眾號 ID：QbitAI）授權轉載，轉載請聯繫出處

作者：量子位／曉查

厭倦了現在的工作，想轉行做數據科學，但是卻沒有電腦專業的相關學歷，應該怎樣才能入門？

這類的教程已經有很多。最近一位 22 歲的數據科學家 Dario，以自學經歷中用到的資源告訴你，如何從零開始學習數據科學。

所謂從零開始自學，是針對那些可以自主學習在線課程和閱讀書籍，卻沒有上班之餘接受課堂教育的人士。

在學習之前，如果你對線性代數、微積分、概率論與統計學、程式設計都不太熟悉，Dario 建議先去學習一下這幾門數學課程，然後再學習 Python。

在學完以上內容後可以進入下面的學習。

你該看書還是看影片？

如果想進入數據科學領域，每天一兩個小時的學習是必不可少的，是看書還是選擇看影片？

很多人都不想在每天工作 8 小時後還看書，因此影片教程是個不錯的選擇，而且可以在通勤路上觀看。

Dario 首先推薦的是 Udemy 的《數據科學與機器學習 Python 訓練營》，這是他第一次接觸數據科學的時候學習的課程。

課程中用 Pandas 和 Numpy 進行數據分析，並用 Matplotlib 和 Seaborn 進行一些數據可視化。雖然內容不多也不深入，但已經足夠入門數據科學了。

Dario 還推薦了 Coursera 上由吳恩達主講的《機器學習》課程，學習時長大概十多個星期。課程以英文講述，但是提供中文字幕。

這門課程的質量絕對有保障，大約 12 萬名用戶平均評分為 4.9（滿分 5），人氣也超高，共有 260 多萬用戶註冊。

推薦三本機器學習入門必看書

如果你更喜歡讀書，Dario 還推薦了 3 本入門數據科學的優秀教材。

第一本是《Python 數據科學手冊》。這本書從 Jupyter Notebook 入手，內容涵蓋了 Numpy、Pandas,、Matplotlib 和 Scikit-Learn 等數據科學中最重要的部分。

該書的中文版去年已經出版，網上評分 9.3，網友都說這是本優秀的入門級教材，非常適合非電腦專業的學生。

輕鬆 KO 機器學習企業導入難題！
11/27《AWS Innovate 2019》，技術問題一次破解
《馬上報名》

第二本是《統計學習導論》，它的內容會有點數學，但是也很容易閱讀。

對於機器學習這樣一個廣泛的領域，這本書能將篇幅控制在 400 頁左右很不容易。唯一的缺點是程式碼是用 R 語言而不是 Python 編寫的。

這本書的 英文版提供免費下載 ，評分為 9.5 分，中文版 8.3 分。

第三本是《Scikit-Learn 與 TensorFlow 機器學習實用指南》，這本書能幫助你深入瞭解機器學習的概念和演算法。目前，該書的英文影印版和中文版都已經出版。

課程結束後，去 GitHub 找個數據集練練吧

學完所有課程後，Dario 建議初學者建立一個 GitHub 存檔，並尋找 5 個數據集來練手，在這個過程中寫出自己的結論和思考過程。

對於你未來要投遞的公司來說，讓他們看到你的工作很重要。因為你沒有相關學位，因此需要以某種方式展示自己在數據科學中的工作，而 GitHub 是一個不錯的選擇。

好資源傳送門

數據科學與機器學習 Python 訓練營

吳恩達《機器學習》課程

下載《An Introduction to Statistical Learning》

作者文章親身破解

（本文經 AI 新媒體 量子位 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈95 后数据科学家教你从零自学机器学习，这有 3 本入门必看书籍 〉，首圖來源：Pixabay, CC Licensed。）

你可能感興趣

【GitHub 年度報告】JavaScript 登最熱門程式語言，Python 首次擊敗 Java 當第二

衝上 GitHub 熱門第四名！Python 機器學習最強教學資源，新手工程師快存起來

最新「數據科學」自學清單：六個月無師自通，菜鳥新手趕快存起來

【12 點真心建議】這位機器學習工程師在入職一年後，寫了這封信給初學者

輕鬆 KO 混合雲搬遷難題！

馬上報名 11/27《AWS Innovate 2019》

破解企業常見的 IT 技術坎

【為什麼我們要挑選這篇文章】每晚 11 點是 17 Media 的流量尖峰，此時的流量是離峰的 6 倍，QPS（queries per second）超過 10,000，是 17 Media 的「小小雙十一挑戰」。

然而在今年 11/1 中午，GCP（Google 雲端平台）發生三年來最大規模的故障，卻遲遲無法修復；面對即將到來的夜間流量尖峰，17 Media 的工程團隊如何應對？（責任編輯：郭家宏）

Google Cloud Platform（GCP）在萬聖節隔天發生了三年來最大規模的故障，在故障的 12 小時內，因為網路問題造成無法新增機器。這次故障也是個好機會來檢視 17 Media 的 Site Reliability Engineering（SRE）團隊平日的防護及練習的成果。筆者有幸參與故障排除全程，本文將以一位 17 Media SRE 觀點來介紹當天發生經過，探討為何這次 17 Media 受影響特別大，以及日後的改進事項，與大家一同交流。

晚上 11 點是 17 Media 的流量高峰

目前主要負擔線上流量的有十組伺服器，全都以容器透過 Google Kubernetes Engine（GKE）運行，利用 CPU 用量自動擴容。每日尖峰及離峰流量差距約為六倍，尖峰約在晚上 11 點鐘左右，QPS 超過 10,000。這對開發團隊是相當刺激的一件事，因為每天晚上都是個小小的雙十一挑戰，如果不小心寫出了 bug，當天晚上就會收到很真實的用戶反饋。

17 Media 的主要用戶分布於亞洲及美國，主力開發由台灣團隊負責，整個後端程式由 Golang 所撰寫。為了要讓開發團隊更為敏捷，SRE 每個上班日都會佈署新版本：透過 Jenkins 在凌晨四點自動將前一日 master branch 的代碼佈署到 staging 環境，SRE 則是在上班後將 staging 環境測試穩定後的代碼佈署到生產（production）環境。

GCP 故障，17 Media 的工程師如何應對即將到來的高流量？

事故發生於 11/1 中午，當時一位 SRE 發現 staging 環境的伺服器無法正常部署新版本，一段時間後在 GCP 狀態頁面確定是 GCP 的故障，造成無法開啟新機器。這對我們意味著幾件事：

1. 無法佈署新版本。
2. 當 GKE 認為某個容器健康狀態異常而決定關閉時，將會無法開啟新機器替換。
3. 當系統有擴容需求時，將會無法開啟新機器。

其中 3. 的影響最大。在故障剛發生時（12:00）系統處於離峰狀態，依照過往的流量波形，預估稍晚流量上升後系統會無法支撐。但由於以往 GCP 故障多在一小時內修復，當下我們不太擔心。

數個小時過後，從 GCP 狀態頁面仍看不出修復跡象，這時團隊開始緊張了，因為晚上就是高峰期，現有的系統資源肯定支撐不住流量。SRE 團隊很快討論後決定了以下應變措施：

1. 用戶限流
2. 關閉次要功能
3. 卸載運算需求低的容器，改運行關鍵容器
4. 跨雲佈署服務

由於無法佈署新版本，需要改動後端代碼的 hotfix 就不在考慮範圍內，所以這次的應變措施大多以運維的角度出發，跟以往與後端團隊合作的模式不同。以下分別介紹各項應變措施：

1. 用戶限流

這是一項限制用戶數的功能。系統會持續追蹤目前線上人數，當發現無法支撐過多的用戶時，會將超出上限的新上線用戶擋在系統外。新上線的用戶會看到超載訊息，而已經在線上的用戶可以繼續保有良好的直播體驗。

我們預估了當前系統可以支撐的用戶數並開啟限制功能。從事後看來這個措施效果最好，因為這是一個開發成熟的功能，當下只要定義人數上限就會產生效果。

2. 關閉次要功能

目前 17 Media 線上服務大多為 CPU bounded。當 CPU 成為限制資源時，我們只好透過重新分配 CPU 的運用來讓重要的工作可以順利完成。對於直播平台來說，最重要的體驗就是直播本身，任何佔用 CPU 的非直播功能都可以關閉。但由於這些改動不能牽涉代碼改變（因為無法佈署新版本）所以可以關閉的功能有限。最後僅關閉了一些可以動態開關的功能，例如排行榜以及發送紅包。

3. 卸載運算需求低的容器，改運行關鍵容器

當可以使用的運算資源無法擴充時，除了關閉次要功能外，另一個方式是重新分配各個服務所運行的容器數量。對於某些延遲要求比較低的服務（例如 job queue worker），可以進一步降低機器數，把運算資源分配給延遲要求高的服務（例如 API service）。

這個方式說起來容易做起來難。由於更換容器不屬於 SRE 團隊日常工作之一，實際執行上只能土法煉鋼進入一台一台機器手動更換，而且更換到第三台後就因為不明原因失敗了。相信大家都有聽過寵物跟牲畜的故事，一時要將牲畜當作一隻隻的寵物看待並不是件容易的事。

4. 手動跨雲佈署

17 Media 的伺服器位於美西，剛好是各大雲服務供應商都有機房的位置。如果當下沒辦法在 GCP 開機器，那就在 AWS 開機器吧！

因為總故障時間長達 12 小時，前面幾項工作也很快的嘗試完了，我們大部分的時間花在跨雲佈署的準備。團隊已經好一陣子沒接觸 AWS 的容器服務，我們不確定哪個解決方案能在短時間解決問題，所以決定分頭嘗試不同的服務，包括 EKS / ECS / EC2 以及 Elastic Beanstalk，能夠嘗試的我們都試了。後來每個人分別遭遇了不同的問題，由於團隊對於 GCP 黏著度較深，導致這項方案完全失敗。現在反思當時應該要所有人專注在同一項 AWS 服務，或許能在時限內找出一項解決方案。

GCP 全球性故障，為何 17 Media 受到的影響特別大？

這是全球性故障，我們原先預期全球各大 app 都會發生問題。但在網路上搜尋一輪的結果超出意料：各大 app 都運作正常。相較於其他公司，17 Media 受到的影響相當大。事後研究發現可能原因有二：

1. 故障發生於台灣時間中午 12:00，也就是美西時間凌晨 2:00，對於大部分美國的 app 來說已經過了尖峰時段，不會有擴容需求，受到的影響也低。相對 17 Media app 從下午過後流量就一路往上到半夜的高峰，無法擴容的影響相當大。

2. 17 Media 的主要功能集中在少數服務上，當服務所承載的一部分功能耗盡服務資源時（例如 CPU），該服務上承載的其他功能也跟著異常，造成全面性災難。其他公司的 app 當下僅有部分功能異常。這也是大家所熟知的單體服務（monolith）與微服務（micro services）在災備隔離（fault isolation）上的差異，但實際發生時感受還是特別深刻。

可藉由多雲佈署與微服務，降低系統故障的衝擊

SRE 團隊的風格是快速嘗試且不責怪（blamelessness），在故障後的隔天上班日，團隊就開會檢討了當天的應變以及日後的改進。從事後反思當下的措施，真正奏效的反而是平日已經準備好的災難預備方案。這也讓我們認真檢討改進方案，若日後發生一樣的故障時服務能繼續運行。以下兩項是團隊討論之後得出的改進方案：多雲佈署及微服務，分別屬於 SRE 及 backend 的工作範疇：

多雲佈署服務

多雲佈署是個解決雲服務故障的好方法，畢竟各大雲服務商從來沒有同時故障過；當其中一個雲服務故障時，可以將流量導至另一個雲來排除問題。但由於其運維複雜度以及可能帶來的延遲上升，之前並不是 SRE 團隊的工作重心。這次故障讓我們認真思考多雲佈署的可能性。我們計畫從無狀態（stateless）服務開始，原因如下：

1. 無狀態服務特性：因為無狀態特性，這類服務很適合隨著流量動態增減機器。也因為這個特性，在這次故障受到影響的幾乎是無狀態的服務。

2. 影響範圍廣：17 Media 的服務大部分為無狀態，如果解決了這類服務的單點故障（single point of failure）問題等於解決了大部分的問題。

一般來說無狀態服務前面有一層 load balancer 分散流量，服務之下會有另一層服務或資料庫（database）來儲存或提供狀態。同時因為資料庫的存取延遲較長，前面多半有一層快取（cache）來降低延遲，同時降低資料庫負擔。也有人稱這為 3-tier architecture。

這一類運維層面的改動有個重點，必須對開發人員無感，也就是不能造成開發人員額外負擔。

1. 對於下層服務的讀寫比例約為 9:1。
2. 資料庫讀寫：較慢，但因為前面放了快取所以對用戶影響較低。
3. 快取讀取：必須要快，因為大量的資料來自於快取。
4. 快取寫入：也需要快，但因為寫入比例低，對用戶影響較小。
5. 快取跟資料庫之間可以是最終一致（eventual consistency），但是誤差時間不能太長（例如不能超過一分鐘）。

基於以上假設，我們計畫做以下架構改動：在 AWS 建立另一組無狀態服務，前面由 weighted DNS 分散流量；在兩個雲服務商各建立一組快取以加速服務讀取速度，但寫入一律透過 GCP；資料庫讀寫依舊透過 GCP 。下圖描述了計畫中的改動。

在開發人員眼中，這個策略是非常合適的，因為開發人員對於資料庫及快取的假設不因這個策略而改變，也就是說工程師可以在不知道底層複雜度的前提下進行開發。原因如下：

1. GCP 這側的讀寫快取是位於同個雲內，所以快且穩定。
2. AWS 側的快取寫入 GCP，延遲較高。但因為寫入量少所以影響不大。
3. AWS 側的讀取來自同個雲內的快取，延遲低。但會有短暫的資料不一致：資料跨雲寫進 GCP 的快取後，需要一陣子才會同步回 AWS 的快取，這會造成讀取到錯誤的舊資料。但拿常用的快取服務 Redis 來說，如果兩個資料中心距離很近，兩座 Redis 之間資料差距遠小於一秒，對 17 Media 的應用場景來說可忽略不計。

在 SRE 眼中，這個策略略有風險：17 Media 的 DNS 服務直接面向用戶，切換 DNS weighting 的時候會有 DNS cache poisoning 的問題；但這可以透過後續架構微調解決（例如前面再搭一層 load balancer），所以目前較不擔心。

微服務

在之前提到，這次 17 Media 會成為重災戶，其中一個原因是主要功能集中在少數服務，解決方法就是將單體服務（monolith）分拆成微服務（micro services）。但要怎麼拆就是個大學問，拆分方式需要視團隊組成而決定，後端團隊正在討論不同拆分的可行性。

系統跨足多地區，更新訊息包含中英日等多國語言

在這次故障的處理過程中，讓我感到產品團隊的責任越來越重大。目前團隊支撐的已經是個多元的直播產品，平台上包括早期用戶大多來自台灣，系統故障的內部 Slack 訊息只需準備中文；但現在已經跨足許多地區，這次故障時內部更新訊息包含中英日等語言。

以上改進事項正在進行中，有興趣歡迎一起討論。也歡迎你參與進化的過程，17 Media 工程團隊持續徵才中，包括 backend 以及 SRE。在 17 你可以遇到頂尖好手，這是一個多元化 app 的壯大旅程，歡迎加入我們！（職缺列表）

（本文經 Roy Chung-Cheng Lou 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈從 GCP 故障看 17 Media 工程團隊的災難應變 〉。首圖來源：Flickr CC Licensed）

更多關於工程師的技術

在家從零自學沒問題！22 歲數據工程師大推 3 本必看的機器學習入門書
會寫程式只是基本，「懂得刪程式碼」的工程師才是企業要的人才！
超省時 GitHub 新功能！點選函數就能看定義，記憶差的工程師不用再苦苦尋找了

用電大戶的能源新解方

【為什麼我們要挑選這篇文章】AI 機器人如何才能獲得人類的智力呢？

深度學習領大神 LeCun（楊立昆）在近期的演講中發表了他的看法，他認為應該讓典型的神經網路拋棄機率論框架，並賦予它「無限權值」，才能使機器人透過無監督學習來獲取人類的智力。（責任編輯：陳美羽）

深度學習領域的大師 Yann LeCun 表示，AI 的下一個發展方向可能是摒棄深度學習的所有機率技巧，轉而掌握多種變化的能量值。

FB 的 AI 主管，擁有想像不存在東西的能力

據說有一些工程師和科學家，可以在他們的腦海中想像出那些尚未變成現實的構思，Facebook 的 AI 主管 Yann LeCun 就是這種人。

他在《機器學習時刻》（When the Machine learning）一書中寫到：「我主要靠直覺工作。」這本新書既是一本傳記、科普書籍，同時也是一部 AI 史。這本書於 10 月 16 日出版了法文版，名為《Quand la machine apprend》。

LeCun 在書中寫道：「我在腦海中勾勒出了愛因斯坦稱之為『思維實驗』的臨界情況。」

這種在通常認為可行範圍內想像不存在東西的能力，是工程師和創新者的標誌。LeCun 在 AI 人群中是一個罕見的人物，他不僅精通算法設計，在電腦工程領域也有一定的建樹。

他使 CNN 變得實用，在機器學習中脫穎而出

LeCun 今年因為對電腦科學有貢獻而獲得了 ACM 圖靈獎，最出名的是他在 20 世紀 90 年代推進和完善了卷積神經網路（CNN，一種前饋神經網路，它的人工神經元可以回應一部分覆蓋範圍內的周圍單元，對於大型圖像處理有出色表現。），並使其實用化。

他沒有從零發明這個東西，但他使得 CNNs 變得實用可行，這奠定了機器學習革命的基礎。在過去的十年裡，LeCun 以及同為獲獎者的 Geoffrey Hinton（傑佛瑞．辛頓）和 Yoshua Bengio（約書亞．班吉歐），一同在機器學習領域中脫穎而出。

如何讓機器獲得人類智力？LeCun：無監督學習

10 月 16 日，在新澤西州普林斯頓高等研究院（Institute for Advanced Study），工程師 LeCun 在台上解釋了「什麼聽起來像是直覺，但卻是實實在在的直覺。」這是一個為期三天的深度學習研討會，具體來說，就是深度學習的理論探討。

該活動由研究所數學教授 Sanjeev Arora（桑吉夫．阿洛拉）舉辦，吸引了許多人工智慧領域的傑出人物，包括 NVIDIA 的人工智慧研究負責人 Anima Anandkumar，以及 LeCun 的同事 ── Facebook 學者 Leon Bottou（萊昂．伯托）。

LeCun 的簡報展示的是他最近在許多講座上所採用的主題：如何超越傳統深度學習的標記訓練範例。他對聽眾說：「我們不可能單純地透過監督或多任務學習讓機器獲得一般人類的智力，我們將不得不採取其他方法。」

LeCun 認為，另一種方法就是無監督學習。為了使無監督學習成為可能，整個領域需要更多地研究一種方法 ── 機器學習能量模型（energy-based learning）。

機器學習能量模型：提供電腦豐富的原始數據

能量函數在 AI 領域已經存在了數十年。生物學家 John Hopfield（約翰．霍普菲爾德）在 20 世紀 80 年代首次推廣了這種方法，當時人們稱之為「霍普菲爾德網路」（Hopfield Network）。這在當時是機器學習的一個突破，它還催生了其他類型的學習算法，這些算法處理的是需要優化的能量場概念，例如 Hinton 追求的「玻爾茲曼機」。

此外，LeCun 還反思了卷積網路的持久吸引力。

「關於機器學習能量模型的想法已經有一段時間了」，LeCun 說，「最近因為我需要減少監督學習算法的使用，所以又意識到了這一點。」

機器學習模型很容易學習案例中的細節，但是其基本思想是，不要創建大量帶有標籤的數據集（例如貓和狗的圖片），也不用花費數千小時玩 DeepMind 的 AlphaZero 這樣的國際象棋遊戲，而只是獲取一些豐富的原始數據，例如大量的 YouTube 影片剪輯，然後將其提供給電腦。

LeCun 說：「可以把這台機器做得非常大，讓它整天觀看 YouTube 或 Facebook 上的直播。」

機器可以被訓練來預測每一幀影片之後接下來會發生什麼。預測和現實之間的相容性就是所謂的能量水平。較低的能量更好、更相容，意味著更準確，所以神經網路試圖達到一個理想的低能量狀態。

LeCun：典型的神經網路必須有「無限權值」

LeCun 在舞台上充滿活力，尤其對主題的細微差別很感興趣。他向觀眾展示了其不確定性的一面，他直視著前方，開始前後擺動手臂，並說道：「你現在正看著我，你在拍我的影片，背景沒有變化，相機也沒有移動。」

「發生的唯一一件事情是，我可以朝一個方向或另一個方向移動我的頭，可以以不同的方式移動我的肌肉，而在這次演講中，我頭部所有圖片的流形現在都是一個低維流形，受到我頭部肌肉數量的限制。」

LeCun 的想法在機器學習方面相當激進。在 LeCun 的版本中，能量函數消除了機率預測。「我認為正確的做法是拋棄機率論框架，因為它是錯誤的，也是沒用的」他認為，典型的神經網路必須有「無限權值」。

LeCun 登法國時尚雜誌，談論 AI 前景和危險

顯然，在 LeCun 的設想中還有一些尚未實現，他嘗試把它表達出來，但是距離真正實現，仍需時日。LeCun 接著將登上飛往巴黎的飛機，與記者會面討論這本書。11 月他登上了在法國時尚雜誌《新觀察家》（l’Obs）的封面上，談論 AI 的前景和危險，這是每個人都為之興奮與害怕的東西。

幾十年來，LeCun 和其他人都可以看到它，但這些東西並沒有起作用。現在它似乎已經太管用了，倘若必須有人來充當監察人員，那正是 LeCun。

（本文經合作夥伴 大數據文摘 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈機器學習能量模型：Facebook 的 AI 主管 LeCun 所想像的 AI 未來 〉。首圖來源： 大數據文摘 。）

延伸閱讀

▌Python 早就落伍了！AI 權威 LeCun 直言：深度學習需要更靈活的程式語言
▌ 在家從零自學沒問題！22 歲數據工程師大推 3 本必看的機器學習入門書
▌ 機器學習演算法的三大陷阱：人類看不到，但 AI 看得一清二楚的「隱藏變數」

摩爾定律會被改寫嗎？

【為什麼我們要挑選這篇文章】搞懂「矩陣微積分」才有辦法精通深度學習，而這也是許多工程師卡關的項目。你該如何清楚了解深度學習中的矩陣微積分呢？

程式語言解析器 ANTLR 之父和 fast.ai 創始人親上火線，開課教你怎麼快速 K.O.！（責任編輯：陳伯安）

「《科技報橘》徵才中！跟我們一起定位台灣產業創新力 >> 詳細職缺訊息 
快將你的履歷自傳寄至  jobs@fusionmedium.com」

本文經 AI 新媒體量子位（公眾號 ID：QbitAI）授權轉載，轉載請聯繫出處

作者：量子位／魚羊

想要真正瞭解深度神經網路是如何訓練的，免不了從 矩陣微積分 說起。

雖然網路上已經有不少關於多元微積分和線性代數的在線資料，但它們通常都被視作兩門獨立的課程，資料相對孤立，也相對晦澀。

不過，先別打退堂鼓，來自舊金山大學的 Terence Parr 教授說：矩陣微積分真的沒有那麼難。

這位 ANTLR 之父和 fast.ai 創始人 Jeremy Howard 一起推出了一篇免費教程，旨在幫你快速入門深度學習中的矩陣微積分。簡明，易懂。

DeepMind 研究科學家 Andrew Trask 評價說：

如果你想跳過不相干的內容，一文看盡深度學習中所需的數學知識，那麼就是這份資源沒錯了。

只需一點關於微積分和神經網路的基礎知識，就能單刀直入，開始以下的學習啦。

快速破解深度學習所需的「矩陣微積分」

先來看一眼這篇教程都涵蓋了哪些內容：

1. 基本概念
2. 矩陣微積分
3. 神經元啟動的梯度
4. 神經網路損失函數的梯度

必備知識：導數、向量、雅可比矩陣都不放過

神經網路中單個運算單元的激活函數，通常使用權重向量 w 與輸入向量 x 的點積來運算。

神經網路由許多這樣的單位組成。它們被組織成稱為層的神經元集合。上一層單元的激活成為下一層單元的輸入，最後一層中一個或多個單元的激活稱為網路輸出。

訓練神經元意味著對權重 w 和偏差 b 的選擇。我們的目標是逐步調整 w 和 b，使總損失函數在所有輸入 x 上都保持較小。

導數規則、向量運算、偏導數……複習完需要掌握的知識，文章開始進入重要規則的推導，這些規則涉及矢量偏導數的計算，是神經網路訓練的基礎。

比如在矩陣微積分這一節中，涵蓋：

1. 雅可比矩陣（Jacobian）的推廣
2. 向量 element-wise 二元運算的導數
3. 涉及標量展開的導數
4. 向量和降維
5. 連鎖法則

每一小節中，都有簡潔明瞭的示例，由淺入深，層層遞進。

學到卡關？兩位大神讓你問清楚

如果你在學習的過程中遇到不理解的地方，不要著急，耐心返回上一節閱讀，重新演算一下文中的示例，或許就能理順思路。

如果實在是卡住了無法推進，你還可以在 fast.ai 論壇 的「Theory」分類下提問，向 Parr 和 Howard 本人求解答 。

而在文章的末尾，作者附上了所有數學符號的對照表。

以及重點概念的詳細補充資訊。

值得注意的是，Parr 和 Howard 也強調了，與其他學術方法不同， 他們強烈建議先學會如何訓練和使用神經網路，然後再深入瞭解背後的基礎數學 。因為有了實踐經驗，數學會變得剛容易理解。

傳送門

網頁版

PDF

fast.ai 論壇

（本文經 AI 新媒體 量子位 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈一文读懂深度学习中的矩阵微积分，fast.ai 创始人&ANTLR 之父出品 | 免费资源 〉，首圖來源：Pxhere, CC Licensed。）

你可能感興趣

在家從零自學沒問題！22 歲數據工程師大推 3 本必看的機器學習入門書

衝上 GitHub 熱門第四名！Python 機器學習最強教學資源，新手工程師快存起來

最新「數據科學」自學清單：六個月無師自通，菜鳥新手趕快存起來

摩爾定律會被改寫嗎？

【為什麼我們要挑選這篇文章】LINE 昨（4）天舉辦了第四屆台灣開發者大會「LINE TAIWAN TECHPULSE 2019」，說明未來將如何把 AI 技術佈局到 LINE 的各種服務。

大會中，LINE 也預告明（2020）年將在台灣起動 LINE BRAIN 計畫，招募中小企業與各大品牌合作，期盼能將最新技術整合進台灣的商用環境。（責任編輯：陳美羽）

LINE TAIWAN TECHPULSE 2019 台灣開發者大會共有 11 個議程、28 位講者，與 15 個交流互動區。今（2019）年活動聚焦人工智慧（AI），並關注資訊安全、測試自動化、敏捷開發、新創團隊等領域，邀請總部技術專家與 LINE 內部團隊分享。

LINE BRAIN 整合 AI，打造餐廳訂位服務

LINE 台灣董事總經理陳立人在開場致詞表示，希望透過今天的分享，讓與會者感受到 LINE 平台上的新技術與新趨勢。LINE 期待成為亞洲人工智慧的領先者，今年 LINE 啟動 LINE BRAIN 計畫，整合 LINE 旗下發展的人工智慧技術，在日本已打造出宛如真人對話的餐廳訂位應答服務。

陳立人說，接下來在台灣也會跟隨總部腳步，積極推動 LINE BRAIN 計畫落地，預計 2020 年把 LINE BRAIN 應用在 LINE 業務上，提升用戶體驗，並將於明（2020）年下半年開始邀請更多夥伴參與試用，包括開發者、人工智慧應用工程師、自然語言專家等，希望往後把 LINE BRAIN 平台上的各種技術與能力真正開放到台灣的商用環境中，讓台灣消費者與中小企業、各大品牌的距離拉得更近。

LINE 在台灣成立資料工程團隊

LINE 台灣資深技術總監陳鴻嘉在主題演講中表示，2015 年 LINE 在台灣成立開發工程團隊，當時是以開發應用為主，過去 4 年 LINE 工程團隊人數已成長 10 倍。隨著許多服務陸續在台推出，資料持續累積，今年 LINE 在台灣正式成立資料工程團隊，團隊成員主要包括資料工程師、資料科學家、資料分析師、自然語言處理工程師。

陳鴻嘉舉例，在 LINE AI 架構中，自然語言理解技術已經應用在 LINE TODAY 的內容推薦、LINE 客服小幫手中的聊天機器人對話，與 LINE 購物相關搜尋等服務中；資料工程平台應用在 LINE SPOT、LINE 旅遊、LINE MUSIC、廣告精準投放等服務中；光學字元辨識（OCR）則應用在建議貼圖等功能，以及 LINE 中新增的掃碼捷徑。

預計引進「中文語音對話」的客服小幫手

他也透露，尚未中文化的語音辨識、語音合成與今年在東京 LINE Developer Day 開發者大會首次應用的臉部辨識技術，未來也將有尋覓企業合作夥伴的計畫。LINE 預計明年將相關技術引進台灣，打造能用中文語音對話的客服小幫手。

陳鴻嘉說，台灣資料工程團隊將與總部 LINE BRIAN 計畫合作，透過 LINE BRAIN 中的技術改善 LINE 的服務，同時針對資料訓練的中文加以優化，並開始在台灣尋覓合適的企業夥伴。

陳鴻嘉進一步指出，LINE 今年也在內部舉辦了人工智慧黑客松，由員工組隊參加，最終奪得冠軍的是「自動報帳系統」，只需要拍照透過 LINE 的 OCR 文字辦識，從紙本單據中讀取出文字，再利用機器學習，讓系統自動找出報帳所需的關鍵資料，然後自行帶入表單，能讓原本 30 分鐘的工作縮短到 1 至 2 分鐘。

（本文經合作夥伴 中央社 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈LINE BRAIN 計畫 2020 年來台試行 向企業招手 〉。首圖來源：中央社 。）

延伸閱讀

▌LINE Pay 獨立 App 上線，與日、韓、泰合作推出「跨境支付」服務！
▌LINE 進軍叫車業務！與 TaxiGo 合作，LINE TAXI 叫車平台正式上線
▌LINE 與日本 Yahoo 正式宣布合併！用戶數破億，成為跨足通訊、金融、電商的亞洲科技巨頭

摩爾定律會被改寫嗎？

【為什麼我們要挑選這篇文章】GitHub 是全球最大的開源社群，乘載著世界各地工程師的技術結晶；而中國因貿易戰與美國對峙，中國工程師難免擔心以後是否就不能使用 GitHub 了。

然而事情出現轉機，因為 GitHub 運營長透露：GitHub 正計劃在中國開設子公司。（責任編輯：陳伯安）

「《科技報橘》徵才中！跟我們一起定位台灣產業創新力 >> 詳細職缺訊息 
快將你的履歷自傳寄至  jobs@fusionmedium.com」

「程式碼天堂」GitHub 要到中國了？

在中美關係持續走低的大背景下，這一消息或許會為工程師們帶來一些曙光。據英國《金融時報》報導，由於擔心美國政府的限制，GitHub 正在考慮在中國成立一家子公司。同時，中國的開發者也擔心會因為中美關係而失去 GitHub 的登入權限，GitHub 或許會趁著這股熱潮走向國際化。

中國人擔心再也不能登入 GitHub

作為全球最大的開源社區，今年 7 月，GitHub 一反「開放」原則，限制了部分伊朗、敘利亞和克里米亞人的帳戶。

這在社區內引發了軒然大波， GitHub 官方不得不作出回應，發佈了一篇有關貿易管制的文章。他們在文章中明確指出，GitHub 企業服務器及用戶上傳的資訊會受到貿易管制法規的約束，其中包括美國出口管理條例（EAR）。此外，GitHub 還列出了 5 個受到制裁的國家和地區，即克里米亞、古巴、伊朗、朝鮮和敘利亞。

此後，中國開發者也在擔心美國的出口限制最終會使他們無法登入 GitHub，而對於一個專門為人們提供方便、持續登入技術項目的平台來說，這絕對是傷人 1000，自損 800 的互相傷害。

所以如果 GitHub 成功在中國開設一家子公司，那就可以向中國的 GitHub 用戶保證，他們不會很快失去登入重要程式碼數據庫的權限。

GitHub 也不想失去中國市場

GitHub 的首席運營長埃麗卡佈雷西亞（Erica Brescia）向《金融時報》表示，「GitHub 計劃在中國開設一家全資子公司，從招聘總經理開始」，然後再探索「合資企業，以及在中國托管 GitHub 內容的可能性」。

據《金融時報》的報導，GitHub 在與中國工業和資訊化部以及公安部見面後，受到了中國政府的熱烈歡迎，顯然雙方都對確保中國工程師能夠登入 GitHub 充滿熱情。

對於中國來說，這幾年中國一直致力於擺脫對國外軟硬體的依賴，而不少好的替代方案都出自開源項目，需要 GitHub 這樣的程式碼托管平台。

對於 GitHub 來說，它也不想失去進入中國市場的機會，雖然其許多功能是免費提供的，但是也提供付費服務，付費的客戶包括從個人開發者到擁有許多員工的企業。

無法進入中國市場可能會對 GitHub 的收入產生重大影響，2018 年 6 月，微軟斥資 75 億美元（約 2,250 億台幣）收購了該公司，其股東顯然不想因為中美貿易戰而冒任何利益上的風險。

GitHub 擁有中國在貿易戰下極需的技術資源

GitHub 並非家喻戶曉，但作為世界上最大的開源軟體倉庫，GitHub 提供了至關重要的數字基礎設施，美國數十億美元的軟體業務所依賴的正是這些基礎設施。

2018 年，微軟斥資 75 億美元收購 GitHub。GitHub 老闆薩蒂亞·納德拉（Satya Nadella）當時指出，數字技術已經滲透到了社會和經濟中，軟體開發人員充當著建築師的角色，「GitHub 是他們的家」，他這麼說道。

如果中國分公司成功落成，那麼中國開發者也需會在那裡得到更好的服務。儘管 GitHub 在中國設立子公司的計劃尚未公佈，目前還處於初期階段，但公開活動列表顯示，其首席運營近幾個月多次來訪中國，與中國工程師會面。

9 月中旬，GitHub 首席運營官埃麗卡・佈雷西亞（Erica Brescia）出席了在上海舉辦的 GitHub 在中國的首次活動。12 月 2 日，她在深圳聯合舉辦了一場開發商活動。12 月 4 日，她又在北京聯合主持了一場活動。

一位中國的開發者表示，在活動上，GitHub 討論了公開擴大中國業務的可能性。

一位要求匿名的 GitHub 員工向《金融時報》表示，GitHub Enterprise 是該公司面向大型企業的搖錢產品（money-spinning product），最近該項目通過了一項中國政府標準 GB18030，這是在中國提供服務的先決條件。

GitHub 來華計劃的細節尚不清楚，目前可以確定的是，GitHub 應該會把服務器放在中國附近，比如香港或新加坡。服務器的位置尚未公開，但截至 2017 年，GitHub 的服務器都部署在美國，這一事實使得連接中國變得緩慢且不可靠。

不過，中國的開發人員對此表示歡迎，因為無法登入 GitHub 的問題在中國十分常見。

GitHub 可能會在中國設子公司嗎？

對 GitHub 來說，一個更加激進的選擇是成立一家屬於中國政府管轄範圍的公司，這可以讓 GitHub 能夠在中國自行運行服務器，但也會引發有關該公司將如何管理橫跨中國和美國司法管轄的電腦程式碼數據庫的問題。

目前 GitHub 拒絕討論此事，只是指出「中國是 GitHub 發展最快的開發者社區之一」，並表示該公司專注於瞭解中國的發展並支持中國的開發者。

GitHub 的計劃可能會引起西方官方的注意，由於這些項目是公開發佈的，而 GitHub 的眾多項目不受美國出口管制——這類管制在近幾個月一直困擾著中國的科技公司。

因此，中國政府懷有很大的興趣來刺激開源軟體的發展，以此作為建立一個獨立於美國技術和影響力的中國電腦產業的一部分。但這件事可能會令華盛頓擔憂，與商人不同的是，美國政客們正在推動減少與中國科技公司的合作。

中國已成為 GitHub 第二大市場

GitHub 最初是由 Chris Wanstrath、P. J. Hyett、Tom Preston-Werner 和 Scott Chacon 使用 Ruby on Rails 開發的，於 2008 年 2 月啓動。公司成立於 2007 年，位於舊金山，在 2018 年被微軟以 75 億美元收購。

GitHub 很快就成為了一家全球性的公司，它提供了 GitHub 的所有分布式版本控制和源程式碼管理（SCM）功能，並添加了自己的特性。它為每個項目提供登入控制和若干協作特性，如 bug 跟蹤、特性請求、任務管理和 wiki。

GitHub 提供免費、專業發企業帳戶計劃，通常被用於托管開源項目。截止到 2019 年 5 月，GitHub 公佈其擁有超過 3700 萬用戶和超過 1 億個數據庫（包括至少 2800 萬個公共數據庫），這使它成為世界上最大的源程式碼托管平台。

該網站還提供了類似社交網路的功能，如 feed、follower、wikis（使用名為 Gollum 的 wiki 軟體）和社交網絡圖。

用戶必須創建一個帳戶才能向站點提供內容，但是任何人都可以瀏覽和下載公共數據庫。註冊用戶帳戶之後，就可以進行討論、管理數據庫、向其他人的數據庫提交貢獻，以及查看程式碼的更改情況。GitHub 在 2019 年 1 月開始免費提供無限制的私有數據庫（每個項目限制三個貢獻者）。在以前，只有公共數據庫是免費的。

GitHub 也在保護世界上的程式碼開發人員、維護人員、研究人員和安全團隊方面發揮作用。GitHub 審查每一個安全漏洞，以識別和警告受影響的數據庫。通過漏洞資訊，以提供項目所有者需要瞭解和糾正風險的詳細資訊。

在過去的幾年中，有 1000 萬新開發人員加入了 GitHub 社區，為全球每個大陸的 4,400 萬個以上的數據庫做出了貢獻，其中 80％ 的貢獻者來自美國以外的地區。從開發者數量指標來看，中國已成為僅次於美國的 GitHub 第二重要的市場, 而且發展迅速。

今年的 GitHub 年度報告顯示，當前，GitHub 上約有 300 萬公司/組織帳號，除了美國外，去年中國、印度、德國的開源使用最多。其中，中國的開發者去年 fork、clone 了超過 48% 的項目。

除美國外開源使用 Top 20 地區

2019 年的整體貢獻較去年增幅明顯，而且增長較快的不僅僅是開源，2019 年亞洲個人和公眾貢獻都發展迅猛。亞洲總貢獻中的 31% 來自中國，但是中國的開發者們卻不僅僅只為本國做貢獻。

GitHub CEO Nat Friedman 曾表示：「聽到貿易限制如何傷害人們，我很痛苦。我們盡了最大努力只做法律要求的事情。但顯然，人們還是會受到影響。GitHub 受美國貿易法的約束，就像任何在美國開展業務的公司一樣。不幸的是，為了遵守美國的制裁，我們不得不對伊朗、敘利亞和克里米亞的帳戶實施限制。」

由此看來，中國的開發者已經成為了 GitHub 不可或缺的重要組成部分，但誰又能保證 GitHub 未來不會迫於壓力對中國帳號進行限制呢。

（本文經合作夥伴 大數據文摘 授權轉載，並同意  TechOrange 編寫導讀與修訂標題，原文標題為 〈担心美国政府限制，Github 考虑在华设立子公司 〉。）

你可能感興趣

GitHub 推出手機版，工程師可以隨時隨地 coding 囉！

【GitHub 年度報告】JavaScript 登最熱門程式語言，Python 首次擊敗 Java 當第二

超省時 GitHub 新功能！點選函數就能看定義，記憶差的工程師不用再苦苦尋找了

扎實你的 AI Coding 基礎！GitHub 大神整理了一份新手易懂的學習課程

【為什麼我們要挑選這篇文章】你知道現在薪水最高、獎金最多的職位是什麼嗎？

104 於 11 日發表了 《薪酬白皮書》，其中公布目前薪資最高、獎金最多等職位的排行榜，且 104 人資學院資深副總經理 ── 花梓馨也為想要轉職、加薪的求職者提出了 4 大步驟的建議。（責任編輯：陳美羽）

人力銀行 11 日發布 《薪酬白皮書》 揭露，5G 行動通訊產業崛起，企業對大數據、物聯網、AI 等人才需求強勁，年薪總額排行榜中，前四名皆由工程師包辦，其中，數位 IC 設計工程師成為大黑馬，以平均年薪 118.6 萬元奪冠，半導體工程師 116.5 萬元緊追在後，另外，律師也擠進第五名。

年薪總額排行榜：前 4 名都是工程師

根據 104 人資學院發表的 2019 年薪資福利調查報告指出 ，由於 5G 產業崛起帶動相關供應鏈，企業對大數據、物聯網、AI 等人才需求強勁，薪資也跟著水漲船高，年薪總額排行榜中，數位 IC 設計工程師 118.6 萬元位居第一。

其次排名依序為：半導體工程師平均年薪 116.5 萬元、類比 IC 設計工程師 116.3 萬元、製程工程師 104.1 萬元，前四名都是工程師的天下，不過，律師則以 101.8 萬元擠進第五名。

薪資獎金盟主已從「業務職」擴及「技術職」

觀察近 5 年薪資「彈力」最高的前五大職務，以半導體工程師增近 6 成最多，除了市場缺口大的工程師外，電話行銷人員、商業設計也擠進前 5 名。電銷人員位居第一線服務客戶、同時承擔業績壓力，愈來愈多企業提高電銷人員的薪資獎酬，期望能留住人才。

104 人資學院資深副總經理花梓馨表示，百大職務薪資的獎金盟主，已從「業務職」擴及「技術職」、「長久缺」，獎金不只是企業對抗景氣的工具，也是選才留才的武器。

掌握 4 大步驟，幫助求職者順利轉職、加薪

根據調查，最多工多酬的前五大職務，生命禮儀師一年獎金可達 53.8 萬元，位居第一；其次為汽機車引擎技術員 42.3 萬元；醫藥業務代表、半導體工程師及金融營業員獎金約為 23 萬元左右。

花梓馨表示，職務業態多元，長期缺工、工作辛苦、或者全年無休等特殊職缺，企業尤其會拉高獎金，吸引人才投入，建議求職者，想要順利轉職加薪要掌握四大步驟，務必了解市場薪資水平，觀察同職位職缺，並設定議價區間，了解公司福利制度等因素。

（本文經合作夥伴 鉅亨網 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈〈歲末薪酬調查〉5G 產業夯 數位 IC 設計工程師年薪 118.6 萬元躍大黑馬 〉。首圖來源：Pexels, CC Licensed。）

延伸閱讀

▌美國薪資實價登錄爆紅，矽谷裡外工程師薪資行情大不同
▌Stack Overflow 推出「工程師薪水試算器」，想去國外工作先看自己值多少錢！
▌【被誤解的統計數字】讀的大學愈頂尖，畢業後的薪水就愈高？
▌ 矽谷企業的東方秘密武器是「中國工程師」：薪水只要三分之一，加班配合度高無怨言

不管是 C 語言、Java 還是 Python，常見的程式語言大多是英文，因此想當個工程師，一定要有基礎的英文能力（至少要看得懂 if、else、return、float、int 吧）。但你有想過用中文寫程式嗎？

中國有個 GitHub 帳號為 Lingdong Huang 的工程師，開發了一款「文言文程式語言」，讓你用文言文寫程式，在萬行程式碼中展現你的人文情懷。

那麼，這款文言文程式語言是什麼神物？

變數定義、for 迴圈全變成了文言文

有個 twitter 帳號為 Barret 李靖 的中國網友轉發了 Lingdong Huang 的文言文程式，我們以 Barret 李靖貼在 twitter 上的程式碼，帶你了解要怎麼用文言文寫程式。

寫程式前要先定義環境。在文言文的版本中，寫法是：

吾有一術。名之曰「快排」。欲行是術。必先得一列。曰「甲」。乃行是術日。

這個程式要執行快排的工作，而工程師先為這個程式定義「列」。

寫程式也需要定義變數、行、列名稱等等。文言文的寫法是這樣的：

吾有三列。名之曰「首」。曰「頷」。曰「尾」。

工程師定義了三個列。

至於 if、else 邏輯與 for 迴圈，文言文是這樣的：

凡「甲餘」中之「丁」。
若「丁」小於「甲一」者。
充「首」以「丁」。
若非。
充「尾」以「丁」
也。
云云

用「凡」代表 for，「若」代表 if，「若非」代表 else if。不同的是，英文只用大小括號代表迴圈的運算範圍，而在文言文中，結尾還多了「也」、「云云」，增添一層中華韻味。

工程師通常會為程式做註解，方便後續的編輯與溝通。文言文的寫法是這樣的：

批曰。「「曼德博集。亦稱曼德布洛特複數集合。複平面上组成分形之點之集合也。」」

英文寫法是打斜線，文言文則是寫「批曰」，有種古人吟詩作對、或是鑑賞畫作時，為他人的作品寫下評論與簽名的味道。

有興趣的朋友，可以去 GitHub 看看文言文程式語言，試著用文言文寫段程式。

GitHub 傳送門
coding 介面

微軟專家親自傳授最新開發者工具、秘笈！
2020 年 2/17、18 台北世貿一館
《點我報名 Microsoft Ignite The Tour》

網友：可讓孩子學這個！學程式又學古文，一舉兩得

不少網友在 Barret 李靖的推文下留言，大力稱讚這個文言文程式碼。網友表示，用文言文寫程式「古意十足」。另有網友留言：「如果要寫這種程式，工程師必須文理雙全」，對國文不好的工程師來說，這種程式碼應該是個噩夢。也有網友說：「可以讓孩子學這個，學程式又學古文，一舉兩得」。如果孩子真的學會這個，老工程師們應該會跟他跪吧。

還有網友留言：「遊戲開掛可以寫的跟符咒一樣」。原來打個遊戲還要這麼高端，需要具備中國文學素養啊！但如果是打三國這種以中國為背景的遊戲，用這種程式碼會真的很有味道。

不管是 C、C++、Java、JavaScript、Python、R，還是這次的文言文程式語言，雖然每個程式語言的表現方式有差異，但背後基本的邏輯推理架構與演算法是可以通用的，因此精通一種程式語言之後，要學會下一個程式語言的難度通常不會太高。如果你想提升自己的國文造詣，想在萬行程式碼當中注入文學氣息，展現自己的人文情懷，那你就可以改用文言文寫程式。但如果你需要與其他工程師溝通、協作的話，還是先考慮考慮吧，免得被整個團隊黑特啊！

（本文提供合作夥伴轉載。首圖來源：Barret 李靖 twitter 帳號）

延伸閱讀

不想要一輩子只寫程式？當了 5 年的工程師後，你可以考慮往這 5 個職位發展
【GitHub 年度報告】JavaScript 登最熱門程式語言，Python 首次擊敗 Java 當第二
只會用 Excel 還不夠！七大主題，教你如何用 Python 優化數據分析效能

微軟最重要的 IT 盛會就在台灣！

快速掌握 Microsoft Azure 進階應用技巧

專家親手破解 AI、數位轉型最新技術關鍵！

2020 年 2/17、18 台北世貿中心》即刻報名參加

芬蘭給全球工程師、AI 新手捎來一份大禮！過去只給芬蘭人的 免費 AI 線上課程 ，將正式開放給全世界人民啦！

芬蘭的神秘 AI 課程是什麼？

芬蘭政府為了幫國民備戰 AI 普及的未來，於 2018 年推出一套速成的 AI 線上課程，藉此提升全國國民的 AI 素養（AI Literacy）。AI 線上課程，又稱 Elements of AI，一共 6 個章節，不僅內容簡約且美觀，課程設計上也容易消化，十分適合初學者。

只要懂英文，就能輕鬆讀懂芬蘭 AI 課

其實，芬蘭政府並非開放給世界所有人，嚴格來說是開放給「歐盟」成員國家。過去 Elements of AI 在語言設定上只有芬蘭語一個選項，現在芬蘭政府則將課程內容翻譯成歐盟成員的母語；值得注意的是，因為課程網站沒有地區上的限制，所以也同樣代表只要看得懂英文，或是歐盟國家的母語，用戶就能輕鬆享受到超好用的 AI 學習資源。

目前 Elements of AI 已推出英文、瑞士語、愛沙尼亞語、芬蘭語、德文（超懷疑為什麼沒有法文），TechOrange 實測在台灣也可以進到課程。

Elements of AI 課程為 6 週課程，每週預計需花 5 至 10 小時閱讀。

Elements of AI 課程傳送門：點我 。

參考資料來源：

1. 《The Verge》：〈Finland is making its online AI crash course free to the world〉
2. 《Elements of AI》

（本文提供合作夥伴轉載，首圖來源：Elements of AI。）

你可能感興趣

【工程師快存起來】柏克萊推線上深度學習課程，14 週精通最新理論應用

扎實你的 AI Coding 基礎！GitHub 大神整理了一份新手易懂的學習課程

AI 工程師最佳入門資源！史丹佛公布「自然語言理解」免費課程，新手們趕快存起來

微軟最重要的 IT 盛會就在台灣！

快速掌握 Microsoft Azure 進階應用技巧

專家親手破解 AI、數位轉型最新技術關鍵！

2020 年 2/17、18 台北世貿中心》即刻報名參加

【為什麼我們要挑選這篇文章】2019 年快結束了，過去一年，職場所需的程式語言技術有何變化？調查結果發現，Python 依然是職場最後歡迎的程式語言，然而也有一些語言，市場需求正在竄起，例如 SQL、PyTorch、AWS、Azure。

展望 2020 年，工程師可以培養哪些程式技能呢？（責任編輯：郭家宏）

「《科技報橘》徵才中！跟我們一起定位台灣產業創新力 >> 詳細職缺訊息 
快將你的履歷自傳寄至 jobs@fusionmedium.com」

2018 年 medium 上一篇文章分析了數據科學家最需要的技能，那篇文章引起了很大的反響，在 medium 上有超過 11000 次點讚，並被翻譯成多種語言，成為了 2018 年 11 月 KD Nuggets 最受歡迎的文章。

2018 年文章 連結

一年多過去了，2019 的作者也發佈了最新的分析，讓我們看看有什麼變化。

2018 年的文章考察了對統計和溝通交流等一般技能的需求，以及對 Python 和 R 等技術的需求。軟體技術的變化一定快於一般技能需求上的變化，所以在本更新中只包括技術部分。

我們搜尋了 SimplyHired、Indeed、Monster 和 LinkedIn，以查看美國工作的列表中，哪些關鍵字和「數據科學家」共同出現。這一次，我們決定用 Request 和 Beautiful Soup 包來獲取工作列表，而不是手動搜尋。

事實證明，LinkedIn 的爬取要困難得多，因為查看工作列表的準確數字需要身份驗證。我決定使用 Selenium 進行無頭瀏覽。2019 年 9 月，美國最高法院對 LinkedIn 做出了判決，允許其數據被爬取。儘管如此，在幾次抓取嘗試後，還是無法訪問帳戶，這個問題可能源於刷新率限制。

不管怎麼說，微軟擁有 LinkedIn，Randstad Holding 擁有 Monster，Recruit Holdings 擁有 Indeed 和 SimplyHired。

無論如何，LinkedIn 的數據可能無法提供從去年到今年的蘋果公司職位對比。今年夏天，LinkedIn 的一些技術職位搜尋詞，每週都會出現大幅波動。這可能是由於他們試圖透過使用自然語言處理來衡量搜尋目的，因而對他們的搜尋結果演算法進行了實驗。相比之下，另外三個搜尋網站在過去兩年中出現的「數據科學家」相關職位列表數量則相對接近。

基於這些原因，LinkedIn 被排除在本文 2019 年和 2018 年的分析之外。

對於每個工作搜尋網站，我們計算了該網站中出現的每個關鍵詞在所有數據科學家工作列表中所占的百分比。然後，在三個站點上為每個關鍵字取這些百分比的平均值。

同時手動調查了新的搜尋詞以及那些看起來很有前途的詞。在 2019 年，沒有新的搜尋詞達到占全體 5% 的佔有水平，這是下述結果中使用的截斷指標。

PyTorch 職位需求翻倍，成長了 108.1%

我們採用四種方法來查看每個關鍵字的結果：

▌方法 1：對於每個求職網站，在每個年度用包含關鍵詞的列表數量除以包含 data scientist 的搜尋詞總數。然後取三個網站的平均值。
▌方法 2：看看 2018 年至 2019 年這些列表的平均比例變化的絶對值。
▌方法 3：看看 2018 年至 2019 年這些列表的平均比例變化的相對百分比。

在完成上面的第一個步驟之後，計算每個關鍵字相對於該年度其他關鍵字的排名，然後計算每一年的排名變化。

觀察前三個帶有柱狀圖的選項，然後我們將展示一個包含數據的表並討論結果。

這是上文中方法 1 對應的 2019 年圖表，顯示 Python 出現在近 75% 的列表中。

這是上文中方法 2 的圖表，顯示了 2018 年至 2019 年職位列表中某項技能需求的變化。AWS 顯示上升了 5%。在 2019 年和 2018 年上市的公司中，這一比例分別為 19.4% 和 14.6%。

這是上文方法 3 對應的圖表，顯示了每年的百分比變化。2018 年，PyTorch 上榜職位需求數平均成長了 108.1%。

以下是上述圖表中的資訊用表格形式展示的結果，按 2018 年至 2019 年上榜職位比例在三家網站平均後的變化百分比排序。

Python 穩居榜首，SQL 快速竄升

在不到 14 個月的時間內技術需求發生了相當大的變化！

優勝者

Python 仍然排名第一。到目前為止，它是最常用的語言。幾乎霸佔了四分之三的榜單，與 2018 年相比，Python 使用量有了可觀的成長。

SQL 使用量快速提升。它幾乎快要超過第二高平均分數的 R 語言。如果繼續保持該趨勢，SQL 很快將成為真正的第二。

傑出的深度學習框架得到了廣泛使用。PyTorch 在所有關鍵字中的增幅最大，Keras 和 TensorFlow 也表現出色。Keras 和 PyTorch 在排名中均上升了 4 位，TensorFlow 上升了 3 位。請注意，由於 PyTorch 的起始平均值較低，TensorFlow 的當前平均值仍是 PyTorch 平均值的兩倍。

數據科學家對端雲平台技能的需求越來越大。AWS 的出現頻率高達 20%，Azure 約 10%。Azure 在排名中躍升了四位。

落敗者

R 語言的總體平均下降幅度最大。基於其他調查，這一趨勢不足為奇。Python 顯然已經取代 R，成為數據科學的首選語言。 儘管如此，R 仍然非常受歡迎，出現在 55% 的榜單中。如果您熟悉 R 語言，請不要沮喪，但如果您想要掌握需求量更大的技能，請考慮學習 Python。

許多 Apache 產品受到歡迎，包括 Pig、Hive、Hadoop 和 Spark。Pig 的排名下降了 5 位，比任何其他技術都下降得多。Spark 和 Hadoop 仍然是人們普遍希望掌握的技能，但是我認為，轉向其他大數據技術已經成為一種趨勢。

專有的統計軟體包 MATLAB 和 SAS 使用量急劇下降。 MATLAB 在排名中下降了四位，而 SAS 從第六位下降到第八位。與 2018 年的平均水準相比，兩種語言均大幅下降。

推薦一個學習路徑給你！建議：一次只能專心學一種技能

如果你剛開始從事數據科學，我建議你專注於需求成長和有發展潛力的技術，並且每次只專心學習一種技能

以下是我推薦的學習路徑：

▌學習 Python 以掌握常規編程
▌學習 pandas 來進行數據操作
▌透過 Scikit-learn 庫學習機器學習
▌學習用於高效查詢相關數據庫的 SQL
▌學習 Tableau 以進行數據視覺化
▌關於雲端計算平台，基於 AWS 的市佔率，它是一個不錯的選擇
▌學習一個機器學習框架，Keras 現在與 TensorFlow 緊密結合，因此它是一個很好的起點，PyTorch 也在迅速發展。

這是我的總體學習路徑建議。按照你的需要各取所需吧。

原文 傳送門

（本文經合作夥伴 大數據文摘 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈2019 数据科学家最需要的技能盘点，Python 大火，Pytorch 职位需求翻番 〉。首圖來源：Flickr CC Licensed）

更多工程師的技能資訊

5G 產業崛起，數位 IC 設計工程師身價暴漲！平均年薪 118.6 萬
在家從零自學沒問題！22 歲數據工程師大推 3 本必看的機器學習入門書
不想要一輩子只寫程式？當了 5 年的工程師後，你可以考慮往這 5 個職位發展

微軟最重要的 IT 盛會就在台灣！

快速掌握 Microsoft Azure 進階應用技巧

專家親手破解 AI、數位轉型最新技術關鍵！

2020 年 2/17、18 台北世貿中心》即刻報名參加