Quantcast
Channel: 工程師 – TechOrange
Viewing all 585 articles
Browse latest View live

上班族自學 Python、機器學習寶典!Kaggle 全新免費課程教你快速入門,且馬上能應用

$
0
0

【為什麼我們要挑選這篇文章】上班族自我精進 AI、機器學習相關領域,往往只能靠下班時間微薄的意志力自學。但是機器學習博大精深,有沒有課程是可以快速入門,且能馬上應用的呢?

Kaggle 推出一款全新教程,就能滿足你的需求!新手工程師趕快存起來。(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/賴可

聽說過 Kaggle 官網的免費小型課程嗎?

想學 Python 、機器學習、資料視覺化……你可能會想到 Coursera 上的線上課程、吳恩達大名鼎鼎的深度學習影片,或者一些有名的網上社區,比如 fast.ai,Udemy 和 EdX。

但是你可能會因為時間不夠就半途而廢。Kaggle 官網的一系列課程完美地解決了這個問題。

只需要幾個小時就可以學到最有用的技術。

快速上手,由淺入深搞動機器學習

一共 12 門課,包括一節測試課。

課程的設置是以實用為導向,按照數據項目所需要的核心技能來分小節,保證學完就能用,讓學習時間的性價比最大化。

Python,機器學習入門,中極機器學習,資料視覺化,Pandas,特徵學習,深度學習,SQL 入門,SQL 進階,地理空間分析,機器學習可解釋性。

每門課的右上角會有節數和學習所需的時間,右邊是小節目錄,每節課分為輔導和練習。

下圖是 Python,一共 7 小節,大約 7 個小時。這已經是需要時間最長的課程了,其它的課程只需要 3 到 4 個小時。

進入練習頁面,可以在 Kaggle 中的 Kernels 直接練習程式碼。很方便。

此外還有學習社區,可以發文討論。

舉一段機器學習課程來看

通常機器學習模型被稱為「黑盒子」,人類無法理解這些預測背後的邏輯。而這門課程將教你從複雜機器學習模型中解釋這些發現:

♣ 模型認為數據中的哪些特徵是最重要的?
♣ 對於來自模型的任何單個預測,數據中的每個特性如何影響該特定預測?
♣ 從宏觀上看,每個特徵如何影響模型的預測(當考慮大量可能的預測時,它的典型影響是什麼)?

這些發現有許多用途:

調適、為特徵工程提供資訊、指導未來的數據收集、為人的決策提供資訊
建立信任,提高產品在用戶中的接受度。

這套課程是不是既全面又親民?祝大家學習愉快。

Kaggle 課程傳送門:點我

(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 〈Kaggle 官网免费课程:从 Python 到机器学习,4 小时学完一门,48 小时掌握数据科学 〉,首圖來源:Pixabay, 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


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


超狂工程師開發 Linux 電腦名片!連接 USB 就能啟動系統,不但可讀履歷還可玩遊戲

$
0
0

【為什麼我們要挑選這篇文章】上班族很常交換名片,要如何讓對方留下深刻印象?有個工程師做了一款 Linux 電腦名片,裡面儲存了自己的履歷,收到名片的客戶可以使用 USB 啟動該名片,運行裡面的 Linux 系統,不但可以閱讀履歷,還可以「玩遊戲」。

工程師們想提升職場知名度嗎?或許可以發揮自己的程式專長,讓身邊的小物變得與眾不同。(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」

相信上班族不時都會收到客戶的名片,除非設計相當獨特或者有特別的裁切,否則難以留下深刻印象。美國一名嵌入式系統工程師 George Hilliard,為了讓收到他名片的客戶留下深刻印象,同時對他的專長有更深的了解,於是自行設計和製造了一張特別的名片。

名片是 Linux 系統電腦,可以透過 USB 讀取資料

Hilliard 自行設計的名片其實是可以運行 Linux 系統的電腦,名片大小的 PCB 電路板上,有同時提供 RAM 和 CPU 的 Allwinner F1C100s 晶片,這個 ARM 解決方案年整體結構和構造都能夠大大簡化。Hilliard 表示,雖然他的名片電腦沒有網路,而 I/O 接口亦受到限制,但配合只得 2.4 MB 的系統,只需 6 秒就能完成啟動,甚至能夠使用 MicroPython 編譯器和運行迷宮遊戲《Rogue》。

名片儲存了 Hilliard 的個人履歷,還有其他相關資料,收到名片的客戶只要透過連接 USB,就能夠運行名片內的系統和讀取相關資料。Hilliard 表示名片的硬體成本為 2.88 美元(約 22.43 港元,88 新台幣),送給客戶並不覺得「肉赤」(TO 編按:廣東話的「肉赤」是「心痛」的意思),但他表明只會在有意打動對方時才出手,給出這張精心設計的 Linux 電腦名片。(資訊來源:slashdot

(本文經合作夥伴 Unwire 授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈成本低於 3 美元   電腦工程師自製 Linux 電腦名片 〉。首圖來源:Unwire

更多關於工程師的資訊

Python 弱掉了!中國工程師開發「文言文程式語言」,讓你的 coding 充滿文學情懷
5G 產業崛起,數位 IC 設計工程師身價暴漲!平均年薪 118.6 萬
【工程師必學的災難應變術】遭遇全球性 GCP 故障,17 Media 用 4 個措施應對高流量壓力


AIoT 掀起資料管理巨量需求!

企業該如何省時省力管理爆棚資料量?

馬上啟動 IT 升級轉型

填資料拿《2020 年資料儲存應用百寶書》, 再抽 Switch 遊戲機+健身環!

快速掌握企業的 IT 資料轉型之力

 

【尷尬了】中國首款程式語言「木蘭」開天窗,網友:抄襲 Python 還喊自主研發

$
0
0
中國科學院計算技術研究所 15 日對外發布號稱自主研發的程式語言「木蘭」,卻被網友揭穿只是將知名程式語言 Python 換殼重新封裝,研發團隊負責人、副研究員劉雷(圖)坦承誇大後被停職檢查。(中新社提供)

【為什麼我們要挑選這篇文章】中國由於中美貿易戰影響,意識到技術自主轉型的重要性,政府、企業紛紛大舉投資科技研發。然而,中國自主研發假造新聞仍不計其數,這是中國揠苗助長過快尋求技術獨立的後遺症嗎?(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

中國科學院團隊日前宣稱自行開發出程式語言,但被網友發現只是將知名程式語言 Python 換殼重新封裝,連圖標都沒改。團隊負責人隨後致歉並停職,有網友認為是「上有所好,下必趨之」。

中國自研程式語言:木蘭

中國青年報 15 日報導,中國科學院計算技術研究所的「計算機體系結構國家重點實驗室編譯技術團隊」主導研發出新程式語言「木蘭」。

報導指,「木蘭」是面向智慧物聯運用的程式語言,也是由中國科研人員「自主設計、開發和實現」。研發團隊負責人劉雷在接受中國科學報訪問時表示,「木蘭」是「我們真正掌握核心技術的編程語言」。

團隊之後也推出了「木蘭」的開放原始碼軟體,供免費下載。然而,來自業界的質疑卻由此開始。

木蘭就是 Python,只不過換個包裝

有部落客撰文指出,「木蘭」顯示的圖標和知名程式語言 Python 一樣;不僅如此,提供的函數也幾乎跟 Python 一模一樣。

有網友質疑,這套所謂「純自主研發」的程式語言,根本就是把 Python 打包成一個可解壓縮的文件,還忘了換圖標。所謂的技術含量,「大概等於我買了個 iPhone 11,然後包上一張廢報紙」,就宣稱自己研發出新手機。

面對排山倒海的質疑,劉雷 18 日發出聲明表示,自己之前受訪時犯了兩項錯誤:首先,「木蘭」主要是用於中小學教育,卻將它擴大到智慧物聯領域。其次,「木蘭」的 8 位單片機上的編譯器是由該團隊開發,但 32 位單片機上的編譯器「是基於 Python 開源編輯器進行的二次開發」,採訪中卻誇大為完全自主開發。

中科院 19 日發聲明表示,劉雷的行為存在欺騙與虛假陳述的科研不端問題,已對他做出停職檢查的決定,並責令實驗室負責人深刻檢討。

中國自研詐騙事件頻繁

但這似乎無法平息網友的眾怒。中國著名問答網站「知乎」上就有網友質疑,這種虛假宣傳、騙取經費、集體詐騙的行為不需要入刑嗎?

有網友則認為這是「上有所好,下必趨之」;也有人挖苦說,至少是被命名為「木蘭」,而不是什麼「習語言」、「習++」(程式語言 C 語言、C++ 的諧音)。

中國近年曾出現多起造假自主研發事件,2018 年紅芯公司宣稱開發出「世界唯一一顆屬於中國人自己的瀏覽器內核」,結果網友在多次解壓縮下,發現大量和谷歌(Google)瀏覽器 Chrome 一致的檔名。紅芯公司最後也承認誇大,發聲明致歉。

(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 〈中國科學院謊稱自主開發程式語言 負責人被停職 〉,首圖來源: 中央社 。)

你可能感興趣

【工程師界的創世神】近 50 年來最有影響力的 10 種程式語言,到底是誰發明的?

自學 Python、JavaScript 總是卡?破解學習程式語言 3 大「欠矯正」的心態

【Python 的誕生故事】覺得其他程式語言不好用,超狂荷蘭工程師花三個月打造自己的程式語言


微軟精華 AI 實踐課程來啦!

超過 100 堂專業課程、350 位原廠專家技術交流

2/17、18 與微軟技術夥伴面對面,破解最新、最前沿的 AI 轉型解決方案

免費報名

哪裡有在賣口罩?工程師開發「超商口罩現況回報」地圖,讓你知道哪家超商還有貨

$
0
0
圖片來源:中央社(取自 超商口罩現況回報網頁

【為什麼我們要挑選這篇文章】武漢肺炎疫情爆發,台灣出現口罩荒,許多人跑了 3、4 家超商卻買不到口罩,因此工程師 Howard 開發了「超商口罩現況回報」地圖,讓消費者即時掌握超商的口罩資訊,避免白跑一趟。(目前網站仍在調整,預計今日重啟,讀者可先將 網站 存起,重啟後即可掌握口罩資訊。但請不要大量購買、囤積,請把口罩留給其他需要的人。)(責任編輯:郭家宏)

武漢肺炎疫情延燒,雖政府宣導必要時才戴口罩、勿囤積,民眾仍希望口罩在身防患未然,很多人一早就開始走訪各大超商買口罩。好想工作室工程師 Howard 徹夜開發「超商口罩現況回報」地圖,供民眾回報分享資訊,省下白跑一場的時間。(延伸閱讀: 口罩統一調度仍缺貨,指揮中心:實名制研議中

地圖列出使用者附近 5 公里內的超商,顯示口罩銷售狀況

「超商口罩現況回報」是基於 Google 地圖的資訊,列出使用者所在位置附近 5 公里內的超商,以綠色地標表示「三小時內回報口罩充足」、紅色地標則是「三小時內回報口罩售完」,在地圖上看綠、黃、紅、灰四顏色區分,使用者可以一目瞭然超商的口罩銷售狀況。

紅色地標是已賣完的超商。灰色則是待使用者回報。圖片來源:中央社(取自 超商口罩現況回報網頁

地圖上架之後,陸續吸引熱心民眾回報,也出現載入速度變慢、無法連入網站的情形。Howard 說,截至下午 3 時大概累積 17 萬人使用,最高同時在線達 1 萬人。

當然,標示為「口罩充足」的店家,也有可能一下子就賣完了,端視資訊回報、更新即時性而定。

工程師在調整網站,預計會加入藥妝店的口罩資訊

由於資訊來源是基於 Google 地圖,剛開幕的超商並不在回報平台上。此外,1 日新加入藥妝店尚未在地圖上,工程師 Howard 回覆網友留言說,前面只針對四大超商,但後續應該會加入。

「超商口罩現況回報」地圖工程師 Howard 表示,2 日傍晚將會關站調整,預計 3 日再開啟服務。

(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 〈超商口罩現況回報 工程師架站邀民眾追蹤 〉。首圖來源: 中央社(取自 超商口罩現況回報網頁))

更多關於武漢肺炎的資訊

AI 搶先 WHO 一週抓出武漢肺炎!善用數據給政府的防疫啟示
目前有多少武漢肺炎病例?美國大學開發網站,即時顯示武漢肺炎全球傳播狀況
武漢肺炎病毒是 SARS 的「近親」!8 個 Q&A,解密武漢病毒的起源、傳染性、感染症狀


微軟精華 AI 實踐課程來啦!

超過 100 堂專業課程、350 位原廠專家技術交流

2/17、18 與微軟技術夥伴面對面,破解最新、最前沿的 AI 轉型解決方案

免費報名

工程師該去大公司還是小公司?答:大公司可深化功夫,小公司可拓展技能樹

$
0
0

軟體工程師,應該去大公司還是小公司?

有一派認為要去大公司,因為大公司的基礎建設較完善,工作職責分明,可以「認真 coding」,而且福利待遇也較好;另一派則認為要去小公司,因為職責界線模糊,常要身兼多職,可以學到更廣泛的技能,組織也比較彈性,溝通較順暢。

2 月,有 PTT 帳號名為 NewSpec (新規格) 的網友,以「如果可以,真的建議不要再去創業公司了」為標題發文,建議工程師不要去新創公司,引發論戰。因此,有個 PTT 帳號名為 HZYSoft (PCMan) 的網友另外 發表了一篇文章 ,用中立客觀的態度,剖析大小公司的優缺點,引發 PTT 社群的熱烈迴響與支持。

HZYSoft (PCMan) 在文中表示,自己待過新創團隊,也待過大公司,對兩種公司都有些體驗。《TechOrange 科技報橘》在下文整理 HZYSoft (PCMan) 的觀點,提供工程師們職涯選擇的參考。

HZYSoft (PCMan) 原文傳送門

大公司:制度、基礎架構完善,但溝通限制多

優點:

▌公司制度完善
▌基礎架構完善
▌best practice 較扎實
▌程式碼品質較好
▌可以開眼界(因為需要考量世界級的規模)

缺點:

▌沒機會碰底層架構
▌科層組織,溝通限制較多
▌很難對公司有影響力

HZYSoft (PCMan) 認為,大公司擁有完善的制度、基礎建設、best practice 和 code quality;此外,由於大公司做事需要考慮世界級的規模,因此可以開眼界,是「學基本功的好地方」。但也因為已經有基礎架構,基本上照著文件處理即可,不太會碰到底層架構;而且大公司分工明確,優點是可以在一個領域做很深,但廣度相對受限。此外,大公司層級多,又需要跨國溝通,因此溝通效率較低。最後,除非你夠強,或是在重要的職位上,不然很難對公司發揮影響力。

小公司:可以拓展技能樹、練 leadership,但做事求快、不深入

優點:

▌拓展技能樹
▌有機會帶專案,練 leadership
▌推動變革容易

缺點:

▌做事求快,容易做不深

HZYSoft (PCMan) 表示,小公司分工較不明確,通常不會有專門的團隊負責,所以要常常自己動手,有些 infra 要自己來,甚至兼職「PM」,因此可以拓展技能樹。因為組織扁平,所以有機會帶專案,可以練 leadership。組織扁平,推動變革也相對容易得到上級支持。

然而小公司步調快,資源、時間相對有限,計畫也常常變動,因此比起 best practice,小公司更注重彈性與快速應變的能力,缺點就是事情求快,容易做不深,也容易留下技術債。

《TechOrange 科技報橘》要在這裡引述 NewSpec (新規格) 網友的觀點。NewSpec (新規格) 提到,有些工程師認為,在一般公司發展可能不好,看的不全面,成長不多,為了想學更多東西,因此去創業,負責更全方位的職責,希望能力更強。但 NewSpec (新規格) 認為,「創業公司的規模小,所以其實每次做的事情都一樣,一樣淺、一樣不深入」,去了幾間新創公司,但也就是做幾次同樣的事情,因此幾年下來也不會有長進。因此 NewSpec (新規格) 總結,有心創業的工程師,在有一定的技術能力之前,先待在大公司裡,因為「技術或架構能力上的成長、眼界的擴展才是最重要的」。

基本上 NewSpec (新規格) 的觀點也呼應了 HZYSoft (PCMan) 的論點,就是小新創有做事不深入的缺點,大公司由於需要考量世界級的規模(市場、用戶數等等),可以培養工程師的眼界,因此工程師若要選擇小公司,這些缺點必須認真考慮。

NewSpec (新規格) 文章傳送門

結論:大小公司都很好,端看你想在怎樣的環境工作、想培養怎樣的技能

總結來說,HZYSoft (PCMan) 認為,大小公司出來的工程師各有專長,並沒有哪方比較好。大公司的工程師經歷過完善的制度與 best practice,當企業想在市場站穩腳步,補上缺乏的制度與 best practice 的時候,就需要擁有類似經驗的工程師。

至於小公司的工程師,他們常要面對變動的環境,而且小公司的系統限制更多,基礎建設也不完善,常常要自己來,因此在這種環境磨練出來的工程師擁有強大的應變能力。此外,由於他們工作環境的 code base 不好,他們通常有能力處理技術債的爛攤子。

因此工程師該去大公司還是小公司,這沒有標準答案,端看你想在怎樣的 code base 環境下工作,想培養怎樣的能力,想深耕單一領域還是拓展技能樹,想靜靜 coding 還是推動組織變革,想按照計畫工作還是接受各種突如其來的挑戰,這兩邊都很好,都能學習,未來也能在軟體工程界持續發揮所長。

參考資料來源:
1.《PTT》:〈[心得] 如果可以, 真的建議不要再去創業公司了
2.《PTT》:〈Re: [心得] 如果可以, 真的建議不要再去創業公司了
(本文提供合作夥伴轉載。首圖來源:piqsels CC Licensed

延伸閱讀

為了一隻愛貓,矽谷工程師放棄高薪回台研究貓大便!他發明的「AI 智慧貓砂盆」是啥神物?
超狂工程師開發 Linux 電腦名片!連接 USB 就能啟動系統,不但可讀履歷還可玩遊戲
Python 弱掉了!中國工程師開發「文言文程式語言」,讓你的 coding 充滿文學情懷


8 面向啟動國家級智慧革命

思科如何動員台灣科技大廠,應用數據思維,解決產業鏈關鍵問題?

即刻了解!

 

想提升數據分析技能?由淺入深,10 堂 Coursera 精選課程推薦給你

$
0
0

【為什麼我們要挑選這篇文章】數據分析是 AI、大數據時代的關鍵技能,不管是專業工程師還是沒 coding 基礎的文科人,都想培養自己的數據分析技能,然而線上課程百百種,哪些課最適合自己?課程進度又該如何安排?

以下,是 Coursera 上的 10 堂精選數據科學課,一步步幫你提升數據分析技能。(責任編輯:郭家宏)

疫情在家太無聊,線上課程自然是打發時間又能自我提升的不二之選。在眾多學科中,數據科學又可說是有趣又實用的典範了。

可是,光光 Coursera 上能找到的數據科學課程就要數以百計。我們要如何選擇合適的課程?又應該選擇怎樣的學習順序呢?

今天,文摘菌(本文作者)就為你帶來了十大資源,更為你安排好了學習順序。

從小白起步級,到大師進階級,涵蓋十分廣泛。即便你已有了一定的數據科學基礎,也能找到合適的學習資源。

一起來看吧!

Python 3 程式專業課程

和 Python 2.7 說再見!

首先,你需要一門程式語言。密西根大學的這門專業課是有關學習如何使用 Python,並建立自己的內容。

課程 傳送門

你將學習程式基礎,如變數、條件、循環;並逐步接觸一些中間素材,如關鍵字變數、列表理解、lambda 表達式和類繼承。

借助 Python 應用數據科學,先學習後理解

在充分理解機器學習之前,我們需要先體驗一番。

這門《借助 Python 應用數據科學》(Applied Data Science with Python)介紹了許多你應當瞭解的現代機器學習方法。無需理解太多,你就可以獲得建構自己模型的工具。

課程 傳送門

這門進階的專業課程是給具有相關基礎的學習者。學習者需要具有基本的 Python 或其他程式語言背景,希望透過使用流行的 Python 工具包(如:pandas、matplotlib、scikit-learn、nltk 和 networkx),應用統計、機器學習、資訊圖像化、文本分析和社交網絡分析技術,從而對他們手頭的數據能夠有所瞭解。

機器學習理論與基礎

學完上述課程,你就已經入門了。

恭喜!你學到了不少東西,也知道了如何去實現。

但是,你還不完全理解隱含在這些模型背後的數學原理。

你需要理解 clf.fit 背後的東西。是時候面對現實了。除非你瞭解模型背後的數學原理,否則沒人會拿你當回事。

你不理解它,你就不可能改進它。

因此,我想你重磅推薦吳恩達老師的《機器學習》。它包含了許多機器學習演算法背後的數學原理。

課程 傳送門

我認為這門課是你的「必修課程」,因為是這門課激勵我進入這個領域,而且吳恩達老師(Andrew Ng)是一位偉大的老師。另外,這也是我剛轉入數據科學領域自學的第一門課。

這門課程什麼都有:迴歸、分類、異常檢測、推薦系統、神經網絡等等,還有很多很棒的建議。

學習統計推斷

「事實是不變的,統計數據則是易變的。」——馬克.吐溫

《推斷統計導論》(Inferential Statistics Intro)由 Mine Çetinkaya-Rundel 授課,沒有比她這門課更簡要的了。

課程 傳送門

她是一位好老師,清晰簡潔地講解了統計推斷的基礎內容。當然了,這也是一門必修課程。

你將會學到假設檢驗、信賴區間、以及數值數據和分類數據的統計推斷方法。

學習數據科學的 SQL 基礎知識

SQL 是所有數據 ETL 流程的核心。

雖然我們覺得建立模型和提出不同的假設更有成就感,但也不可輕視數據轉換的作用。

而且,由於 SQL 在數據 ETL 流程和準備任務中無處不在,因此每個人都應該了解一點 SQL,至少是有用的。

SQL 也已成為使用 Apache Spark 等大數據工具的實際標準。加州大學戴維斯分校(UC Davis)的《SQL specialization》課程會講解有關 SQL 的基礎知識以及如何使用 SQL 進行分散式運算。

課程 傳送門

課程簡介:

透過具有數據科學應用程式的 4 個難度遞增的 SQL 項目,你將學習諸如 SQL 基礎知識、數據整理、SQL 分析、AB 測試,使用 Apache Spark 進行分散式運算等主題。

高級機器學習

在更大的舞台上,填鴨式教育一無所用。

你可能不同意這一點,但到目前為止,我們所做的一切都是填鴨式學習。數據是結構化的,數學原理是簡單的。但之前的努力並沒有白費,它為我們的下一步發展奠定了基礎。由 Kaggle 機器學習的頂尖高手和歐洲核子研究組織(法語為 Conseil Européenn pour la Recherche Nucléaire,通常簡稱為 CERN)的科學家們共同開發的《高級機器學習 專項課程》(Advanced Machine Learning specialization),採用另一種學習方法,幫助你學習許多難懂的概念並瞭解機器學習的前世今生。

課程 傳送門

課程簡介:

該專項課程介紹了深度學習、強化學習、自然語言理解、電腦視覺和貝葉斯方法。Kaggle 機器學習的頂尖高手和 CERN 的科學家們將分享他們在解決現實問題中所獲得的寶貴經驗,從而更好地幫助你從理論過渡到現實。

深度學習

深度學習是大勢所趨

吳恩達老師帶著新課《深度學習 專項課程》(Deep Learning Specialization)回來了,乾貨滿滿,待君細品。

課程 傳送門

吳恩達老師擅長化繁為簡,能夠以簡潔易懂的方式來解釋晦澀複雜的概念。他的方法不同於網上的其他課程,對於理解基礎概念大有裨益,因此我希望它能夠逐漸流行開來。

課程簡介:

你將學習深度學習的基礎知識,了解如何建構神經網絡,學習如何領導成功的機器學習專案。你還會學習卷積神經網絡(CNN)、循環神經網絡(RNN)、長短期記憶網絡(LSTM)、Adam 優化演算法、Dropout 原理、批規範化(BN)、Xavier/He 初始化等。你將要研究的案例包括醫療保健、自動駕駛、手語閲讀、音樂生成,和自然語言處理等領域。

Pytorch,讓 Python 火力全開

我通常從不提倡學習一種工具,但是,Pytorch 真香!瞭解 Pytorch,就意味著你可以閲讀許多當今論文中的程式碼部分,你說它香不香?對於深度學習的研究人員來說,Pytorch 已經成為默認的程式語言,更何況它還是開源免費的呢。

你可以透過《利用 Pytorch 建構深度神經網絡》(Deep Neural Networks with Pytorch)這門課程系統地學習 Pytorch。

課程 傳送門

課程簡介:

該課程將從 Pytorch 的張量和自動微分包講起。其次,每個部分將涵蓋不同的模型,這些模型依賴於諸如線性迴歸、邏輯迴歸或 softmax 迴歸等基礎知識。然後是前饋深度神經網絡,包含不同的激勵函數,歸一化和 dropout 層。接著將介紹卷積神經網絡和遷移學習。最後,還將介紹其他幾種深度學習方法。

AWS 機器學習入門

建構出色的機器學習系統時需要考慮很多因素。但是通常而言,作為數據科學家,我們只需擔心專案的特定部分即可。

但是,我們是否曾經考慮過擁有模型後將如何部署模型?

我見過很多機器學習專案,但其中許多注定要失敗,因為它們從一開始就沒有一個固定的生產計劃。

擁有一個良好的平台並瞭解該平台如何部署機器學習應用程式,將對現實生產大有幫助。 這門《AWS 機器學習入門》(Getting Started with AWS Machine Learning)課程就可以幫你實現這個想法。

課程 傳送門

本課程將教會你:

如何使用帶有內置演算法,和 Jupyter Notebook 實例的 Amazon SageMaker 建構、訓練和部署模型。

如何使用 Amazon AI 服務(如 Amazon Comprehend、Amazon Rekognition、Amazon Translate 等)構建智慧應用程式。

數據結構和演算法

演算法。沒錯,你需要它們。

演算法和數據結構是數據科學不可或缺的一部分。儘管我們大多數數據科學家在學習時都沒有學習正確的演算法課程,但它們是必不可少的。

許多公司在聘用數據科學家的面試過程中都會詢問數據結構和演算法。

數據結構與演算法需要你付出相當多的時間與精力進行研究,因此切不可輕視,這畢竟是工程師的內功!

我發現學習演算法的最佳資源之一,是加州大學聖地亞哥分校的《數據結構與演算法 專項課程》

課程 傳送門

課程簡介:

你將學習解決各種運算問題的演算法技術,並將以你選擇的程式語言實現大約 100 種演算法編碼問題。沒有其他任何一門在線演算法課程可以為你提供如此豐富的編程實踐,這些東西你可能會在下次面試中遇到。

原文報導 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 〈疫情期间自我提升指南:十大资源,为你铺平数据科学家之路!〉。首圖來源:Footage CC Licensed

工程師還需要知道這些事

工程師該去大公司還是小公司?答:大公司可深化功夫,小公司可拓展技能樹
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
工程師別惹怒數學家!25 年前,「布朗常數」讓英特爾賠 145 億台幣


一針見血點破工廠轉型癥結點

智慧製造業界常見迷思有哪些?

即刻揭秘

 

不滿政府資訊過於混亂!南韓工程師自推新冠肺炎疫情追蹤 App:Corona 100m

$
0
0

【為什麼我們要挑選這篇文章】美國國務院已將南韓旅遊警示調高至第三級,南韓每日新冠肺炎確診數也不斷上升。南韓一位工程師不滿政府混亂資訊,自己出手解決問題,幫大家統整防疫訊息啦!(責任編輯:陳伯安)

為了讓民眾更清楚在當地確診新冠肺炎的患者居住地以及曾到訪的地方,眾多國家亦設有網站提供相關的資訊。鑑於南韓的受感染的人數每日增多,當地就有工程師為了讓大眾可以更詳細了解新冠肺炎相關數據,自行設計了一個手機程式「Corona 100m」讓用戶可查看更多患者的資料,目前已經超過 100 萬人下載。

確診日期、國籍、行動路線全整理

Corona 100m 是一款可以令用家查看已確認新冠肺炎患者的確診日期以及國籍、性別、年齡以及曾於發病期間曾前往的地方,開發人員就表示希望該程式可以使人們意識到自己與新冠肺炎患者是否十分鄰近,從而加強防護措拖以及更注意個人衛生。他們亦提及隨著上星期確診人數的激增,大量的下載次數更令伺服器一度出現故障,幸好目前有關問題已解決。

Corona 100m 開發團隊在接受傳媒採訪時表示,由於政府每日公布的患者數據過於混亂以及難以理解,故此希望以一個地圖的形式向外界展示,以更方便人們閱讀及消化當中的訊息。他們目前該程式的每小時下載量多達 2 萬次,更在自 2 月 11 日推出以來已經達到總下載次數 100 萬次,反映民眾的擔憂。

(本文經合作夥伴 unwire.hk 授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈【武漢肺炎】南韓程式人員研發疫情追蹤 App 不滿政府消息難以理解及混亂 〉。)

你可能感興趣

Google I/O 開發者大會 首次喊卡!新冠肺炎又宰了一場年度科技大會
新加坡靠抗體追蹤肺炎疫情,成功檢測哪些人是「無症狀感染者」!
【中國衛星圖超清澈】中國因新冠肺炎停工 2 個月後,空氣污染大幅降低


別讓網路成為企業生產力的絆腳石

一步驟提升管理效率,不讓 IT 人員疲於奔命

即刻了解

 

【投稿】想當產品經理,一定要有工程師技術背景嗎?

$
0
0

【為什麼我們要挑選這篇文章】產品經理(PM)是開發產品的核心人物,不少人會問:如果我不是工程師,沒有技術背景,能夠當 PM 嗎?本文投稿作者 Bastiane Huang 表示,產品經理有 3 種,重點不是自己是否有技術背景,而是你是否有獨特的附加價值,可幫產品加值。(責任編輯:郭家宏)

作者:Bastiane Huang(OSARO 產品經理)

先前和 Louis 在 Instagram 合作舉辦的 Q&A 當中,收到了許多和產品經理(PM)職涯相關的問題:沒有技術背景,如何成為產品經理?如何從業務/設計師/工程師跨足產品管理?到底產品經理的工作是什麼?什麼樣背景的人最適合成為產品經理?今天的文章會討論以下四個問題:

1. 為什麼產品經理被稱為 mini CEO?
2. 產品經理分為哪三種背景?
3. 技術背景怎麼拿到職缺?
4. 商業背景怎麼拿到職缺?

圖片來源:Louis Instagram

為什麼產品經理被稱為 mini CEO?

我在 【PM 總動員】在美國大型軟體公司和矽谷新創擔任產品經理的三大不同 中曾經提到:

打造和管理對客戶和公司具有最大價值的產品,是產品經理最重要的工作。

The job of the product manager is “to discover a product that is valuable, usable and feasible.” — Marty Cagan

好的 PM 需要具備能夠和高層 executives 協調制定產品策略的高度,同時又能夠捲起袖子袖子來推動具體執行。PM 需要和包含設計、工程、銷售、行銷、研發、營運、法務、客服與財務等各部門合作。

在不同產業,產品類型,公司和產品的不同階段,需要 PM 發揮在發掘需求、優化或推出產品、團隊合作、與利害關係者溝通、領導管理等各個不同領域的能力和技能。

也因此,知名創投 A16 的 Ben Horowitz 曾經說過:A good product manager is the CEO of the product。

產品經理的演進歷史

要了解什麼是產品經理,先從產品經理的歷史講起。

現在我們所熟悉的 PM 角色大多來自於科技公司,但是,PM 這個概念最早其實是由 P&G 提出的。當時還不被稱為產品經理,而是更像品牌經理的概念。

Neil H. McElroy 率先提出所謂的「Brand Men」,負責從追蹤業績一直到管理產品和行銷(from tracking sales to managing the product, advertising, and promotions)。

在 FMCG 產業,因為產品生命週期較長,生產製造和研發分開進行, PM 相對專注於 4P 中的 Place(通路/地點)、Price(價格)和 Promotion(推廣/促銷)。也因此,PM 在 FMCG 產品通常被歸於行銷部門的一部分。

圖片來源:Gogo Partner

到了軟體科技業,生產製造和研發的分界不再那麼明顯,對於產品創新和引進新科技的要求也更高,因此 4P 中的 Product(產品)重新回到舞台中央。

尤其是敏捷管理(Agile Management)成為主流後,PM 的產品管理角色更為吃重,逐漸脫離行銷 Marketing 或工程 Engineering 部門,自成一家。

隨著產品部門受到更多的重視,許多公司開始將原本屬於其他部門的權責範圍,劃分到產品部門,例如 user acquisition、user growth、user flows、user experience。PM 真正成為為用戶服務,負責整個產品生命週期的人。

圖片來源:AltesSoft

產品經理分為哪三種類型?

看完了產品經理的演進歷程,不難理解為什麼 PM 的工作需要橫跨三個領域:business、engineering、design。你可以從 UX 轉 PM,工程師(Engineer)轉 PM,也可以從 Sales(Business)轉 PM,但是你必須要對這三個領域都有足夠的了解,缺一不可,因為 PM 是連結這三個領域的核心。

換句話說,比較容易轉職的方式,是從自己擅長的領域著手,如果你是工程背景,就找技術性高的產品(e.g. 無人車,或是 B2B AI robotics 軟體),商業背景則可以從技術性不高,但重視優化策略性指標的公司著手。

每間公司也有不同的風格,例如 Amazon 聘用很多商業 MBA 背景的 PM,而 Google 偏好有工程背景的 PM。

Mckinsey 在訪問多位科技公司 PM 之後,歸類出以下三種產品經理類型:Technologies、Generalist、Business-oriented。這篇文章雖然是在 2017 年發表的,但是今天看來還是具有一定參考價值。

接下來,我會就我自己和周邊朋友的經驗分析,從技術和商業背景轉職 PM 分別有什麼好處和壞處,具體又應該怎麼做。

圖片來源:Mckinsey

Engineering to Product — 技術背景怎麼轉 PM?

我身邊就有好幾位同事和朋友是從軟體工程師、Machine Learning 工程師轉為 PM 或是 TPM(Technical Product Manager)。因為他們的背景,通常和工程團隊的溝通不成問題,但相對的,需要增加對使用者需求、市場研究、競爭者分析、產品定位,及商業判斷的了解。

一般來說,公司內部轉職會比較容易,尤其是在一些開發複雜技術產品,或是公司內部產品(使用者為公司其他部門,而非外部客戶)的部門,常常是由技術主導決策,一開始不一定會有 PM。

一但出現產品管理需求,熟悉該項技術的工程師很可能會成為第一個 PM。類似的狀況也可能發生在技術主導的新創公司。我在先前的文章有提到新創 PM 的工作內容,有興趣的可以參考。

相關文章:
在矽谷早期新創擔任產品經理,我學到的幾件事!

這種背景的 PM 最常犯的錯誤,就是太偏中技術考量,而忽略使用者真正的需求。例如,可能認為這個新功能很「酷」,或市場上沒有其他競爭對手有,就決定產品方向,最後才發現這不是使用者真正需要,願意付費的功能。

你的競爭對手也不笨,如果市場上完全沒有這樣的解決方案,最大的可能不是你比其他人更洞燭機先,而是這個產品根本沒有真正的市場需求。

另一個常見錯誤,是想要主導產品開發和工程團隊的決定。PM 最重要的工作是決定產品方向,我們需要開發什麼樣的功能,解決使用者的哪些問題,也就是所謂的「What」。

至於「How」:具體應該如何執行?使用哪種軟體架構?監督學習或是強化學習?PM 可以參與討論,但最終應該交由工程團隊決定。如果你不能信任工程團隊可以做出最好的技術決策,那這間公司可能有更大的問題。

尤其是機器學習或 AI 產品,更需要給技術團隊更多的實驗空間。有興趣了解的,可以看我之前的相關文章。

相關文章:
給產品經理的 AI 開發指南
如何設計和管理 AI 產品?

Business to Product — 商業背景怎麼拿到職缺?

在美國多數大公司的 PM 面試,都有一定的流程和關卡。像是 Amazon 這樣的公司,每年都會透過既定的面試流程,聘用有商業背景或是 MBA 的畢業生。

這些人通常對市場研究、競爭者分析,及商業判斷都很熟悉,但是需要加強對使用者的了解,和設計團隊合作的經驗,以及對產品技術面的理解。

我身邊商業背景的 PM 朋友,通常偏好選擇技術上較不複雜的 B2C 產品,而避開技術性較高的 B2B 產品。這些 B2C 產品通常比較注重使用者經驗,策略性指標(metrics),而非技術架構。

相關文章:
如何設計好的 AI UX (Designing the UX of ML Products)
【PM 總動員】在美國大型軟體公司和矽谷新創擔任產品經理的三大不同

總結:最重要的,是找到自己獨特的附加價值

其實,產品經理並沒有一定的背景或學經歷,不論是上述哪一種類型的 PM,或是在公司裡從事任何工作,都必須要找到自己獨特的附加價值(value-add)。

把自己想成一個產品來打造,你獨一無二的賣點是什麼?(What’s your USP, or unique selling proposition?)

商業背景的人,與其擔心自己的技術能力不足,不如想想公司為什麼會聘用你做 PM?肯定不是希望你跟工程師有同樣的技術能力(如果是這樣,他就僱用另一個工程師就好),而是希望你可以帶來不同的觀點和價值。

也就是說,與其擔心自己的技術能力不足,不如專注在只有你可以做到的事情上。例如,你是不是公司裡面最了解使用者需求的人?你是不是比工程團隊更知道競爭產品和市場的發展方向,可以提供給工程師更多有價值的背景資訊?

同樣的,技術背景的人也必須清楚你現在的角色是 PM,而不是工程師。你要做的是找出使用者需求,並將這些需求很清楚地傳達給工程團隊,而不是干涉實際執行層面的技術決定。或是忽略顧客需求分析的重要性,一味相信只要可以開發出世界上最好的產品,就一定有人會買單。

這次非常開心能和 Louis 合作,有機會和大家互動交流,有什麼其他的問題也歡迎大家留言,讓我知道。

作者:
Bastiane Huang,畢業於哈佛商學院,目前在舊金山擔任 AI/Robotics 新創公司產品經理,專注於開發機器學習軟體,用於機器人視覺和控制。她擁有近 10 年產品及市場開發管理經驗,並在美國《機器人商業評論》及《哈佛商業評論》發表文章及個案研究。如果你也對 Robotics 2.0(AI-Enabled Robotics)、產品管理、Future of Work 有興趣, 請點這裡追蹤她

(本文經投稿作者 Bastiane Huang 授權刊登,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈想成為產品經理嗎? 分享 3 種轉職 PM 攻略 〉。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。首圖來源:Pxhere CC Licensed

更多關於 PM 的資訊

【投稿】如何開發機器學習產品?定義目標函數和性能指標,保留空間給團隊探索方案
「預估工時」只能帶給 PM 錯覺?TonyQ:關鍵還是在帶隊的人腦袋有沒有清醒!
【大哉問】一個 AI 產品經理跟普通 PM 的工作差在哪?


缺乏資源,卻得升級網路效能、可靠度?

回答 3 個關鍵問題,看見企業網管最大癥結點

即刻了解

 


【防疫外交】台灣人為韓國開發口罩地圖,向全球證明「Taiwan can help」

$
0
0
江明宗開發的韓國口罩地圖。圖片截至 韓國口罩地圖

新冠肺炎疫情爆發初期,台灣藥局、超商的口罩被搶購一空,仍有存貨的商家則大排長龍;2 月開始台灣採取口罩實名制,大幅紓解排隊人潮,也讓更多人可以買到口罩。其中,「即時口罩地圖」幫助人民找到有賣口罩的商家,是提升口罩分配、購買效率的利器。

2 月韓國疫情大爆發,造成上千人感染,南韓政府於是也採取實名制。近日,有熱血的台灣開發者開發韓國版的「口罩地圖」,希望將台灣的防疫經驗分享給韓國,協助南韓對抗疫情。

韓國版口罩地圖 傳送門

台灣人為韓國人開發口罩地圖,提供口罩資訊與導航等服務

開發者是江明宗,他曾是 107 年台南市議員的參選人。根據江明宗在 Medium 上的 描述 ,他聽到南韓政府也打算釋出即時的口罩庫存資訊後,就根據 南韓政府口罩庫存 API 的資訊,嘗試製作了南韓版的口罩地圖。

地圖上,藥局位置由三角形標示,綠色代表口罩庫存充裕、黃色表示庫存開始吃緊、紅色表示庫存即將售完、灰色則是代表已經售完;點選個別圖示,會顯示該藥局的口罩庫存、地址等詳細資料。此外,資料下方來提供了 Naver、Google、Here WeGo、Bing 等地圖的導航服務,點選後就會出現地圖的路線導航。

點選右邊選單的齒輪圖示,會顯示城市、省分的下拉選單,點選想查看的城市或省分後,就會自動引導使用者到該城市與省分。瀏覽器的網址也會隨著地圖的中心點改變,因此可以直接將網址貼給朋友,分享該地區的口罩庫存資訊。

江明宗錄製一段操作方式放上 YouTube,也將資訊發布在自己的 臉書帳號 上。網友對該網站大力肯定,並轉發到大邱、釜山的社群供韓國人使用。此外,網友也分享一些寶貴的建議,例如 I-Han Kung 認為韓國人比較常用 Naver Map,Google 地圖的準確度可能沒這麼高,而江明宗聽取建議,於是導航服務多了 Naver 選項。

Mask Map for South Korea Online, Made in Taiwan (台灣製的南韓口罩地圖上線)(中文內容放在英文後面)I had built a Mask Map for Taiwan…

Posted by 江明宗 on Tuesday, 10 March 2020

4 名韓國大學生攜手天才駭客,開發 Mask-Nearby 口罩地圖

韓國人也自己開發口罩地圖,而討論度最高的是 Mask-Nearby(마스크 알리미),是由 4 名高麗大學的學生,與 1 名駭客聯手開發的網頁。該網頁會在上午 11 點到晚上 11 點的時候,每 10 分鐘更新一次,讓用戶查詢附近超商的口罩庫存。該網頁也是用綠色、黃色、紅色、灰色表達商家口罩庫存狀態,讓使用者方便查詢。

高麗大學的學生在 2 月就開發出網站,但在韓國,便利商店不屬於公家的口罩流通地點,最後在李鬥熙的協助下取得便利商店的資訊,該網站也向韓國民眾公開。李鬥熙是韓國知名駭客,有「天才駭客」的稱號,有首爾大學計算機工程碩士學位,學生時期為點出首爾大學系統有資安風險,直接駭進系統而成名。李鬥熙表示,將自行吸收開發口罩地圖網站的數百萬元費用。

Mask-Nearby 口罩地圖 傳送門

台灣防疫經驗分享給外國人,證明 Taiwan can help

台灣距離中國僅 200 多公里,然而截至 3 月 11 日下午,確診病例仍未超過 50 例,遠低於日、韓、美等國。防疫成功的關鍵,在於人民的防疫意識,會主動在人群密集的地方戴口罩;以及政府的隔離、口罩實名制等措施,讓人民得到保護。此外,背後有許多默默奉獻的工程師,開發口罩地圖、LINE 聊天機器人等工具,提供人民防疫資訊。

現在,台灣人正在將防疫經驗輸出到國際,向全球證明「Taiwan can help」。

參考資料來源:
1.《Medium》:〈 江明宗口罩地圖
2.《ETtoday 新聞雲》:〈 南韓民間跟進「口罩地圖」!4 大學生聯手 36 歲天才駭客 2 天開發完成
(本文提供合作夥伴轉載。首圖來源: 江明宗韓國口罩地圖

延伸閱讀

15 分鐘揭曉是否中標!中研院短短 19 天成功開發「新冠肺炎」快篩試劑
不滿政府資訊過於混亂!南韓工程師自推新冠肺炎疫情追蹤 App:Corona 100m
【上班族福音】口罩即將開放網購啦~自付運費省下排隊時間!


IT x OT 資安攻防戰!

工廠轉型最常碰到的「系統整合難題」怎麼迎刃而解?

馬上破解

 

GitLab 數據經理經驗分享:工程師當上主管,該專注於團隊還是 coding 技能?

$
0
0

【為什麼我們要挑選這篇文章】對工程師主管來說,兼顧團隊管理與 coding 技能非常困難,若要帶好團隊,就必須犧牲 coding 時間,若要貢獻自己的 coding 專長,勢必無法花時間在團隊運作上。以下,是 GitLab 數據團隊經理的管理經驗分享。(責任編輯:郭家宏)

今天文摘菌(本文作者)為讀者們推薦一篇文章,來自一位數據工程師 Taylor Murphy 分享的,他成為數據團隊經理一年以來的經驗教訓。

2018 年 4 月到 2019 年 5 月期間,我擔任 GitLab 數據團隊的經理。在我的經理離職後,我開始以數據工程師的身份直接向 CFO 彙報工作。

我記得對他說:「對於您來說,讓我擔任經理似乎不是正確的選擇。」我還表示不想長期擔任經理的角色,因為我之所以來到 GitLab,從經理變為工程師,就是為了專注於數據工程領域。

下面是我任職數據團隊經理一年學到的(並重新學習的)一些經驗教訓。我的目標是再次成為一名經理,希望能記住這些經驗並學到更多。

考量公司需求,招募足夠數量的數據人員

我擔任數據團隊經理期間,GitLab 的規模成長了約 300%。對於以前只在知名公司和一家很小的新創公司工作過的我來說,我並沒有準備好應對這種成長水平及相伴隨的的資源壓力。

最近我對數據部門中的同事做了個調查,發現大多數公司數據團隊的數量占全體員工數量的 2% 至 8%。

這意味著一家擁有 200 名員工的公司應至少有 4 名數據人員,實際上大約有 10 名人員,包括數分析師、工程師、科學家和經理。2018 年 4 月,我們的人員低於 1%(1/300),且整個 2018 年繼續低於 1%。

隨著公司的發展,我並沒有完全瞭解企業計劃的實施,以及數據團隊將如何擴張,以滿足各部門的數據需求。由於缺乏戰略思維,我對數據和分析的需求應該達到多少才算合理感到迷茫而不知所措。

雖然我聘用了更多優秀的人才,但沒有做好我的工作來幫助我的團隊取得成功。

經驗:數據團隊經歷應該瞭解公司的發展軌跡,擁有和期望承擔的工作量,合理選擇人員的數量,堅持招募並考慮團隊結構。

要不就專心寫程式,要不就專心帶團隊

2018 年底,我們的數據團隊由三個人組成:一個數據分析師,一個數據工程師和我。可以自信地說,我們三個人的工作能力都十分出色,超出三個普通全職員工的工作水準。

但是我們也有侷限,很多事還是來不及做。

由於工作量巨大,有時我需要同時承擔分析師和工程師的工作。所以我常常一次想同時做好幾件事。

有時候,我需要做很多管理工作,所以就沒時間處理分配給我的工作。如果專注只做我自己的事,我又沒法管理團隊。最糟糕的時候是我同時想做兩件事情,但一件也做不好。

隨著時間的流逝,這種分身無力的情況變得越來越糟,我開始感到身心俱疲。

我本可以僱用更多的人,但這又對我的管理能力提出了更多要求,工作量在增加,而我還是代碼庫的主要編輯者和維護者。後來,我覺得自己既不是一個好經理,技術也在變差。

經驗:如果你是經理,請做一名全職經理。是的,你需要承擔一些工作,尤其是在專案開始時,但要想清楚退出機制,以便將這項工作交接給團隊,團隊會比你做得更好。

找到最棒的團隊成員

僱用優秀的人才會使你的工作更輕鬆。最初數據團隊的四名員工(2018 年兩人,2019 年初兩人)擁有令我歎服的好奇心,堅韌和智慧。

我從以前的工作和老闆那裡學到了尋找優秀人才的重要性,以及他們在完成工作時的驚人效率。

經驗:堅持僱用優秀人才,並考慮如何能夠大量招到賢才。

優化技術流程,提升運作效率

我從 Emilie Schario(我僱用的第一位數據分析師)那裡學到了這一課。她教我思考公司擴大規模時,如何以及在何處需要流程,以便保持高效。

我們用 GitLab 來管理程式碼,並且內置了合併請求工作流,但是她花了一些時間來思考圍繞該流程的混亂的人員管理。

她建立了一個簡單的列表:

▌新分析師的入職準備;
▌入職腳本以幫助新分析師快速進入角色;
▌合併請求的模板,因此每個人都遵循同一個待查清單。

雖然她不是經理,但她經驗豐富,並且知道在公司哪些環節掉鏈子會拖慢整個團隊的進度,她想讓工作盡可能自動化。我從公司外部那裡聽說很多人對我們的文檔,尤其是入職流程十分讚賞。

這件事說明這位同事非常擅長思考如何讓工作效益規模化,也有同理心去理解 GitLab 新手的處境,從他們的角度去看問題。

隨著數據團隊的成長和發展,技術化越來越重要。這意味著投資技術流程也很重要:包括對所做的一切都設計版本控制,變更控制(合併請求),自動化測試和文檔。

一些工具可以使實施技術流程變得更好,更容易,我將在下一節中重點介紹。

經驗:
深入思考過程並記錄一切。
保持初學者的心態並不斷思考:對新人來說,第一天使用 GitLab 是什麼體驗。
記錄過程,文檔和測試會讓你在未來十分受用。

選擇最佳工具:dbt

隨著過程的進行,選擇合適的工具可以成為團隊事半功倍。一開始,我們使用 PostgreSQL 作為數據庫。Postgres 不是面向序列的,且在一些時候不能將其用作分析數據庫。

但無論如何,選擇 Postgres 是因為我們相信使用無聊的解決方案,並且它與我們的疊代價值保持一致。對於要處理的數據量,Postgres 的表現十分讓人滿意。使用 CloudSQL 託管的版本,該版本能夠使用 GitLab CI 進行出色的編程工作。

一旦超過 Postgres 的處理能力,我們就決定用 Snowflake。

當然,GitLab 的產品可以用於任何事物,這為我們節省了挑選工具的壓力。從程式碼的角度來看,它有你想要的所有功能,而作為經理,它能幫你提升團隊辦公室協作效率。不需要單獨使用 Trello、Jira 和其他工具。

到目前為止,對於數據團隊的效率而言,最好的工具是 dbt(數據建構工具)。如果沒有 dbt 和偉大的團隊,我們將無法以如此有限的人手,來為公司和社區提供良好的支持。

經驗:團隊最佳工具,用 dbt!

積極為表現不佳的員工提供協助

直到 2019 年,除了幾名實習生,我沒有僱用過一個能力不足的人。主要原因是我挖優秀人才的能力比較好,但也有可能只是運氣比較好。

去年,我的團隊中有兩名能力不足的員工,現在我意識到,當時本可以提供更好的支持。當我沒有把自己當經理時,我就很難與員工好好溝通。我的建議是要關注前幾週的工作表現,如果發現技能或積極性上有問題,儘可能以友好和高效的方式指出改進方向,然後為員工提供一切提高的機會。

經驗:要做好團隊管理,需及時察覺事件的發生,積極為團隊提供幫助。

盡可能幫下屬擋掉會議

GitLab 有優秀的開會文化。

首先會議要準時開始,要提前確定議程,若議程順利可提早結束會議。但即便有如此嚴格的紀律,你還是會發現你的經理日程表被大量會議佔據。但這都不是問題。這是工作的的一部分。

我仍會建議你減少會議時間,但如果你需要開會,如果可能的話,儘量讓團隊中其他隊員免於會議。對於生產者來說,比如你的直接下屬,會議是件很麻煩的事。儘可能幫他們擋掉不必要的會議。

經驗:會議是工作的一部分,但要儘可能減少,避免團隊成員參與不必要的會議。

你需要高層的支持,推動高品質的數據文化

我當初很樂意加入 GitLab 的原因,是因為公司管理層很支持建立一支數據團隊。即使在細節和執行方式還處於模糊階段,CEO 和 CFO 都明白數據團隊能帶來的效益。這很重要。如果公司管理層沒有人能夠明白描述性和預測性分析的價值,你就會處於一個艱難的位置。數據品質是一種企業文化,如果 CEO 不想推動,這種品質是不太可能發展起來的。

在一定程度上,你要有超出團隊經理所需的數據領導力。你需要一個主管級別以上的人在公司內部離推數據。高管需處理的日常工作很多,因此沒法在這方面花費太多時間。

經驗:要小心那些公司管理層不相信數據的公司。最好要有主管級別以上的人員在公司推動數據。

做好一些投資的準備

公司高管對數據團隊的支持是非常重要的,因為搭建數據團隊並不便宜。要提高效率,必須招募多名員工,或者為加強數據管理購買第三方軟體。

首先,你需要諸如 Stitch 或 Fivetran 之類的數據提取和加載工具,需要數據庫(例如 Snowflake、BigQuery 或 Redshift),需要計算來轉化數據,還需要 BI 工具。也有些免費的工具可以湊合一段時間,但如果你需長時間使用,最好投入一些資金。

經驗:遠期的成功離不開投資。剛開始可能可以少花些錢,但兩上去了必然需要花費資金。

不要自己造車,花點錢請第三方公司完成

尤其像從比如 Salesforce、Zendesk,或是 Zuora 等工具中提取數據時,千萬別自己寫腳本來完成。花點錢讓第三方公司幫你完成即可。否則你會把大量時間花費在不能為公司帶來效益的事情上,還可能有無盡的後續麻煩。

你應該把時間花在能夠為公司創造效益的事情上,比如自動彙報和提供洞察等,而不是把 Salesforce 的 Snowflake 提取器又寫一遍。

經驗:一般的數據提取任務花點錢在 Stitch 或 Fivetran 上完成就好。

經理是一份不一樣的職業,他不是 IC 晉升的必經之路

不要把成為經理當做是你作為技術人員生涯的延伸。這是一條不同的職業道路,你的 IC 技能肯定能幫你成為一個更好的經理。但是,管理有它自己的一套技能,選擇進入該領域會使你走向不同的職業道路。對你而言是否是更好的道路取決於你如何定義成功。

進入管理道路,要認清你是換道而行而非更進一步。不過這也不是永久性的,想掉頭隨時可以。

經驗:不要認為成為經理是 IC 晉升的必經之路。認真思考你的職業生涯。

自私一點也可以,當經理不是必然道路

我曾經有些糾結如何變得自私些。我是討好型心態,這種心態在企業新創時期非常有用:新創企業需要大家樂意為公司的成功不計回報地付出(當然了,要合理!)。不過一旦公司開始走向成長階段後,這種心態就會使你異常疲憊。

在我待的上家公司裡只有不到 30 名職員。保持不斷學習和實踐的態度是很有用的。我學到了非常多,身上也背負了很多責任,也發展了公司的業務。到了 GitLab 後,剛開始這種態度是可行的。隨著時間推移,很明顯我沒法掌控所有事情,我的精力開始備受考驗。

自私點是指:我必須接受自己想從經理的位置往後退一步退回 IC 的想法。(提醒:其實不是後退一步!看看上面提到那點!)

我得承認我希望專注在程式工作上,而繼續在經理道路上前進,對我目前來說並不是一條正確的道路。這個想法其實有點自私,因為現在看公司其實需要的是一位想要當經理的人。我雖恰好處於這個職位,但不一定由我繼續發揮經理的作用。

雖然我退回到 IC 角色對團隊會有些短期影響,但我會更加舒服,現在我們團隊有著兩位經理,相信比我單人帶領團隊走得更遠。

經驗:
要作出優先級排序,為自己身心健康著想,自私些是好事。
勇敢地說「不,我不想再繼續做下去了。」
公司需要喜歡自己崗位的職員,這樣他們表現會更好,人也更開心。

我希望這些經驗對你來說有價值,能夠適用於你的生活和工作。歡迎提出相反意見,或與我分享你在數據工作上的故事和經驗。感謝閲讀。

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 〈团队管理 VS 个人贡献:一位数据团队经理的心声 〉。首圖來源:Who uses Java, Perl, PHP? CC Licensed)

更多工程師相關消息

【coding 護國】工程師在 GitHub 開打「主權捍衛戰」,讓台灣在疫情地圖重新正名
【防疫外交】台灣人為韓國開發口罩地圖,向全球證明「Taiwan can help」
【投稿】想當產品經理,一定要有工程師技術背景嗎?


缺乏資源,卻得升級網路效能、可靠度?

回答 3 個關鍵問題,看見企業網管最大癥結點

即刻了解

 

微軟工程師推出 Python 零基礎課程,用 10 分鐘的短片讓你輕鬆上手!

$
0
0
首圖來源:Python for Beginners YouTube 畫面

【為什麼我們要挑選這篇文章】程式已逐漸成為職場的基本技能,因此不少人開始嘗試學習 Python,問題是坊間資源那麼多,到底該如何下手?

微軟工程師看到不少人的痛處,推出「Python for Beginners」的系列課程,讓新手可以藉由 5 到 10 分鐘的影片,建立對 Python 的基本知識,就可以懂得如何找資源,根據自己的需求進深 coding 技術。(責任編輯:郭家宏)

Python 可以說是當今最夯的程式語言之一了。

數據科學家和人工智慧從業者們尤其喜歡 Python,因為它有豐富的、易於理解的語法和廣泛的開源軟體。

如果你想了解一門既實用又簡單的語言,作為你程式人生的第一步,那麼 Python 無疑是適合你的。但是對於學習程式語言來說,最大的障礙,可能就是不知從哪裡開始。

你可能買過一些書,《X 天 Python 從入門到精通》,可能看過一些影片,「XX 大廠工程師帶你從零開始學 Python」,但是當你打開書或者影片一看,發現說好的入門,沒想到還是有一定的門檻。

幾百頁的書和動不動上百個小時的學習影片對有的人來說,無疑是勸退。微軟意識到了這一點,也「充分理解」了大多數人對於學習的耐心,於是就開發了一門教你如何入門 Python 的入門課程,基於原生 VS Code,每節課只有 5 到 10 分鐘,簡直是「嬰兒」級別的入門課程了。

課程 傳送門

影片片長僅 5 到 10 分鐘,讓你輕鬆入門 Python

這門課的名字叫 Python For Beginners,由 Chris 和 Susan 講授,這門課的目的不是為了讓你學會 Python 的所有知識,而是試圖讓你在學完這門課之後,有勇氣打開文檔、書籍和影片去自學更深層的內容。

從了解什麼是 Python,到安裝到寫出第一個「Hello world!」,不僅講的很細,而且關鍵內容還搭配演示的 demo,比如簡簡單單的註釋,也要給你演示一下。

這門課包含 demo 一共 44 節,每節課 5 到 10 分鐘,只講一個內容,總片長不到 5 個小時,對於學習有拖延症的同學來說,真的在合適不過了,刷刷短影片,Python 就入門了!

課程的兩位老師都是微軟的工程師,Susan Ibach,商務部門,專注於 AI 遊戲,喜歡馬拉松和金屬音樂,兩個孩子的母親;Christopher Harrison,產品經理兼網站開發,喜歡馬拉松和瑜伽,也是一位孩子的父親。兩位老師經驗豐富自不必說,有家庭有娃的身份似乎也在告訴要入門程式的人,工程師的中年也可以很幸福。

另外,對於那些想學的更詳細的同學,微軟也提供了文字版的 Python 入門教程,並有配套的沙盒系統可供訓練。

課程 傳送門

如此貼心的課程,還不趕緊學起來?

(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 〈入门课的入门课,微软推出 Python 零基础教程,基于原生 VS Code〉。首圖來源:Python for Beginners YouTube 畫面

更多關於 Python 的資訊

【內附教學】唐鳳愛用的「番茄鐘工作法」,教你用 Python 幾分鐘製作!
用這 6 種方式優化程式碼,讓你的 Python 速度提升 30%!
上班族自學 Python、機器學習寶典!Kaggle 全新免費課程教你快速入門,且馬上能應用


IT x OT 資安攻防戰!

工廠轉型最常碰到的「系統整合難題」怎麼迎刃而解?

馬上破解

 

【共居實錄】住在矽谷的科技人共享公寓 ,連洗澡都要滑平板記靈感?

$
0
0

寸土寸金的舊金山,想找一戶獨立套房,不含水電月租起碼要 2,000 美金(約 60,392 台幣)以上,如果想住靠近市區一點,或是屋況較優的,一個月花掉將近 3,000 美金(約 90,588 台幣)都有可能,雖然有許多高收入的軟體工程師,但因為房價太嚇人,讓許多工作者都選擇合租 Townhouse 、 Flatshare 等。

有一位在經濟學人跑科技線的記者哈德森(Hal Hodson),到矽谷出差兩個月,臨時需要找住處,但不論飯店或 Airbnb 都貴到嚇人,後來他選擇在臉書社團找短租共享公寓。

原文 傳送門

科技人,「優化」每一件事

「我當時帶了一箱啤酒回家,坐在餐桌上吃飯的室友們一臉尷尬。」

哈德森回憶,某天帶著啤酒回家,居然遭受到室友異樣的目光,原來是當時大家在討論怎麼優化自己睡眠,例如睡眠檢測、飲食調整等等,其中飲食調整一大準則就是「不要碰酒精」,哈德森莫名的帶了禁品回家。

他選的這間共享公寓,月租金 1,300 美金(約 39,328 台幣),是在市區附近的某處地下室,以舊金山的行情來說,算是划算的了。在這間房子裡,加哈德森在內總共有 17 個人,室友們大部分都是科技圈的工作者,有的在 AI 公司工作、有的當創業家,還有前 Google 員工(但目前待業中)

在宿舍也要開 Slack,時刻「精進自己」

跟公寓有關的事物,我們都透過 Slack 聯絡,在裡面我們分了好幾個群組,例如#生活瑣事、#活動、#社區管理等等,還有約會群組,有些事有會在裡面討論感情事。

如果在台灣有一起跟別人合租過,應該都是用 Line 來聯絡室友,但哈德森住的這間共享公寓,室友們互相討論事情反而是用工作上常用的軟體 Slack ,其中還有細分好幾個群組,像是小社區的佈告欄一樣。

這些群組甚至還有其中一個叫「精進自己」,哈德森回憶,剛搬進去的那天,在「精進自己」群組裡,公告一篇貼文寫道「不要讓你寶貴的靈感跟著水一起流掉」,原來是 室友在浴室安裝了一台防水平板,讓大家如果在洗澡的時候,突然靈光乍現可以即時記下來。

地下室房租近 4 萬台幣,高薪矽谷人找房難

哈德森實際體驗矽谷「地下科技圈小社會」兩個月,他分享好的地方是在室友們都是科技圈的人,隨時可以來個辯論或討論,如果說壞處可能就是大家太過熱衷「精進自己」了,連睡眠都要想辦法優化!

矽谷人雖然收入高,但房價逼的即使收入 20 萬的工程師,都有可能淪為月光族,不過因為高房價現象衍生出的共居小社會,也形成另類的文化。

參考資料

你可能感興趣

 


Azure 真的比 AWS 好用嗎?

微軟代表親上陣,快問快答各種辛辣轉型問題!

馬上收看

Kaggle 發布新冠病毒數據分析挑戰賽,邀請全球工程師破解病毒資訊

$
0
0
新冠肺炎病毒研究挑戰賽。圖片截至 Kaggle 頁面

【為什麼我們要挑選這篇文章】抗疫戰爭,工程師不會置身事外!有科研團隊建立新冠病毒的研究數據集(CORD-19),讓全球的研究人員使用;而 Kaggle 更組織了新冠病毒數據集挑戰賽,讓資料科學家使用 CORD-19 的數據,挖掘新冠病毒的資訊,而這些資訊有助於醫療團隊研發藥物、疫苗。大數據將是人類打贏新冠病毒的關鍵!(責任編輯:郭家宏)

最夯學術研究:新冠病毒開源分析挑戰賽

新冠病毒科研資料開源

由企業家保羅.艾倫創辦的艾倫研究所(Allen Institute)和世界領先的科研小組合作,建立了一個新的、結構化的開放研究數據集(CORD-19),全世界的機器學習社區都可以使用它,來推進新冠病毒(COVID-19)的研究。該數據集是一個統一的免費資源,包含超過四萬四千篇學術文章、超過兩萬九千篇有關 COVID-19 和冠狀病毒家族的病毒的資料全文,供全球研究團體使用。它旨在動員研究人員應用自然語言處理技術的最新進展,為對抗這種傳染病提供新的認知。隨著新研究每週發表在同行評審的出版物上,語料庫將隨之更新。

參加 CORD-19 挑戰:Kaggle 組織了一個關於新冠病毒的開源研究數據集挑戰,旨在激勵社區使用 CORD-19 的數據集,以尋找有關 CORD-19 的新發現。

報名連結 點這裡
數據集 傳送門

適用於多種人類語言的 Python 自然語言處理工具包

本文介紹了 Stanza,一個支持 66 種人類語言的開源 Python 自然語言處理工具包。與現有的其他工具包相比,Stanza 具有用於語言分析的不定語言全神經管道,包括標記化、多詞標記擴展、詞形化、詞性和形態特徵標記、依賴項解析和命名的實體識別等特徵。

研究人員表示,他們對 Stanza 進行了共計 112 個數據集的訓練(包括 Universal Dependencies 樹庫和其他多語種語料庫),來證明相同的神經體系結構可以很好地泛化並在所有測試的語言上表現優異。此外,Stanza 還使用了一個與 Java Stanford CoreNLP 軟體相連接的本地 Python 接口,這個接口進一步擴展了原有功能,從而能夠涵蓋其他任務,例如共引用解析和關係提取。

Stanza 的神經管道不僅涵蓋廣泛的人類語言,由於其結構設計與語言無關、只靠全神經網絡,因此也能在所有任務上都準確無誤地使用。

原程式碼、文檔和已經訓練好的模型(適合 66 種語言)傳送門
原文 點這裡

Structured3D:用於結構化 3D 建模的大型照片數據集

在這項工作中,研究人員展示了一個大型的合成數據集:Structured3D。它具有 21835 個房間豐富的地面真實 3D 結構註釋,和超過 19 萬 6 千個逼真的 2D 渲染。

這一數據集為大型的逼真圖象提供了豐富的 3D 結構註釋,可以用於各種結構化 3D 建模任務。

這個數據集還有許多潛在用途,研究人員從不同方向,進一步證明了它在增加真實數據和促進房間佈局估計任務的域適應方面的優勢。

研究人員認為,這項工作是建構智慧機器重要且令人興奮的一步,這種機器可以實現人類水平的整體 3D 場景理解。他們也將合成數據集與真實圖像結合使用,訓練深層網絡進行房間佈局估算,並展示了基準數據集的改進性能。

模型 在這裡
原文 傳送門

OpenImage 2019 第一名:對象檢測和實例分割

本文介紹了 OpenImage Challenge 2019 中兩個冠軍團隊的項目:分別是用於檢測軌道的「MMfruit」和用於分段軌道的「MMfruitSeg」。

在競賽中,研究人員觀察到,即使具有共享特徵,一個對象中的不同位置在兩項任務上的表現也完全不一致。例如,顯著位置的特徵通常有利於分類,而對象邊緣周圍的特徵則有利於迴歸。

從這個發現出發,他們提出去耦頭(DH)透過自學習的最佳特徵提取來解開對象的分類和迴歸,從而帶來了很大的改進。此外,他們將 soft-NMS 演算法調整為 adj-NMS,以獲得穩定的性能提升。最後,他們透過對邊界框的位置和信賴度進行分析,提出了一種精心設計的整合策略。他們的工作還介紹了幾種訓練/推理策略以及一些技巧,這些技巧可對檢測器進行較小的改進。

原文 傳送門

使用 MediaPipe 在移動設備上進行實時 3D 對象檢測

Google AI 最近發佈了 MediaPipe Objectron,這是一種用於日常 3D 對象的實時移動檢測方法。它可以檢測 2D 圖象中的對象,並通過在新建立的 3D 數據集上訓練的機器學習(ML)模型來估計其姿勢和大小。Objectron 在 MediaPipe 中實現,MediaPipe 是一個開放原代碼的跨平台框架,能夠用於構建處理不同形式感知數據的程式,Objectron 可以在行動設備上即時計算所面對物體的 3D 邊界框。

為了鼓勵研究人員和開發人員根據我們的演算法進行實驗和原型設計,Google 在 MediaPipe 中發佈了其設備上的 ML 管道,其中包括端到端演示移動應用程式(見連結)以及兩個經過訓練的模型。

開發者希望透過與廣泛的研究社區共享解決方案,並推進新的用例,新的應用程式和新的研究工作。他們計劃將模型擴展到更多類別,並在未來進一步改善我們的設備性能。

GitHub 連結
Demo 點這裡
原文 傳送門

其他熱門論文

在醫學圖像的背景下更深入地瞭解對抗性示例,了解基於深度學習的醫學圖像分析系統的對抗性攻擊

基於轉換器的、端到端的、語音識別語義掩碼

深度學習對 CT 圖像中 COVID-19 的肺部感染定量

TREC 2019 深度學習軌道概述

向可解釋的機器學習再邁進一步,透明的深度神經網路

AI 大事件

亞馬遜的研究人員開發了可改善知識導圖性能的 AI

用於改善機器人操縱性能的計算機視覺,Google 和 MIT 研究視覺轉移學習以進行機器人操縱

如何從 X 射線圖像中檢測到 COVID-19?使用 Keras、TensorFlow 和深度學習檢測 X 射線圖像中的 COVID-19

Microsoft Teams Update 添加了 AI 背景消除功能

(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 〈一周 AI 最火论文 | 新冠病毒数据开源,Kaggle 发布新冠病毒挑战赛 〉。首圖來源:Kaggle 病毒挑戰賽頁面

更多關於程式的資訊

【工程師隱身術】200 行 TensorFlow.js 程式碼,讓你從視訊會議的畫面中「消失」
用這 6 種方式優化程式碼,讓你的 Python 速度提升 30%!
「不一定要會寫程式」比爾蓋茲:未來企業需要這 3 種背景知識的人才


GitHub 重量級講者現身說法

微軟 AI 應用實戰教學來了!

免費線上看

【已翻成中文】GitHub 破 10 萬星的超完整 Google 面試攻略,是由一位亞馬遜工程師寫的

$
0
0

【為什麼我們要挑選這篇文章】想去 Google 工作,或是想知道工程師去面試應該如何準備,看這位亞馬遜工程師整理的攻略準則準沒錯。(責任編輯:陳伯安)

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/郭一璞

一位從 1997 年就入行的 Web 工程師,立志要成為 Google 軟體工程師,3 年前寫下了一篇超完整學習和面試教程,以此作為自己的奮鬥計劃。

這位名叫 John Washam 的工程師,換了好幾份工作,最後卻陰差陽錯在 2017 年成為了亞馬遜 AWS 的技術專家。

但這並不妨礙他的教程成為熱門,在 GitHub 上線以來,已獲得近 10 萬星的好評。

而且最近這篇教程已經完成了中文翻譯,就算你沒有去 Google 面試的機會,也可以用它來好好充實一下自己。

「想去 Google 工作千萬不要妄自菲薄」

作者 Washam 本人並非電腦學位,但在兒時就已經展現出對電腦的濃厚興趣,從事的工作是關於 web 程式的構建、服務器的構建。

作為一名非專業人士轉行,Washam 已經算是相當成功。然而,他還是想去 Google 工作,真正地去理解電腦系統、演算法效率、數據結構性能、低級別編程語言及其工作原理。

可對這些知識都不瞭解的他,怎麼會被 Google 應聘呢?

於是他在網上收集了各類電腦專業知識,以及進入 Google 工作的員工分享的資源,並系統地整理了這些資料。

Washam 強調,想去 Google 工作首先不要妄自菲薄。Google 的工程師都是才智過人的。但是,就算是工作在 Google 的他們,仍然會因為覺得自己不夠聰明而感到一種不安

首先掌握 C++、Java、Python 其中一個

接下來就跟著 Washam 的腳步去學習。

首先要做的就是選擇一門語言,在 Google 一般是 C++、Java、Python,有時也會用到 JavaScript、Ruby。背後還有一些如 SQL、HTML 等技術沒有列出。

接著開始學習電腦硬體知識:

然後補充電腦專業的基礎數學知識,如演算法複雜度 / Big-O / 漸進分析法、數據結構、樹、排序、圖論。

此外還有遞歸、動態規劃、組合與概率、NP&NP- 完全和近似演算法、緩存、線程與進程、系統設計、可伸縮性、數據處理。

看到這麼多知識點,你會不會覺得有點懵呢?Washam 告訴你一點小技巧。

把重點知識變成小字卡複習

因為你不可能一遍就記住所有知識點。所以需要把要回顧的知識點做成抽認卡(flashcard):正常的及帶有程式碼的,類似於背單詞。

每種卡都會有不同的格式設計。項目主頁中就有抽認卡的源程式碼,可以根據自己的學習特點去製作。

Washam 還留有一組 ASCII 碼表、OSI 堆棧、Big-O 記號及更多的小抄紙,以便在空閒的時候可以學習。每編程半個小時就要休息一下,並去回顧你的抽認卡。

當然,論文的閱讀也是必不可少的,尤其是谷歌曾經發表的一些基礎技術論文。

書籍則推薦一些關於演算法和 C++ 編程之類的。

去 Google 面試要注意什麼

面試的第一步當然是要有一份好的簡歷,這樣才能為你爭取到寶貴的面試機會。知名科技部落客 Steve Yagge 給出了 10 個建議,幫你做出一份還不錯的簡歷。

這位 Steve 曾經在亞馬遜、Google 都工作過,Washam 的這個項目就大量地引用了他的技術部落格內容。

在面試時,你可能會遇到這 20 個問題,每個問題準備 2-3 種回答。準備點故事,而不要只是擺一些你完成事情的數據。

面試官在也會問你還有哪些問題,不要說自己沒有什麼要問題,可以試試問一些此類問題:

當然,進入 Google 也不意味著結束,你還要新的學習過程。

Washam 還有一份附加內容,包括 Emacs 和 Vim、Unix 命令行工具、密碼學。這些內容雖然不會直接用到,但是會大大提高你的效率。

最後,在這樣一個特殊的時期,好好給自己充個電。祝大家在新的一年裡都能面試成功!

GitHub 資源傳送門

(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 〈一份来自亚马逊工程师的 Google 面试指南,GitHub 收获 9.8 万星,已翻译成中文 〉,首圖來源:REGIUM 官網  。)

你可能感興趣

【錄取攻略】《富比世》雜誌 :這 4 個行為決定了你的面試成功率
【優秀履歷這樣寫】財經外媒揭秘:面試官最重視的 5 大職場技能
面試明明很順利,為什麼最後沒被錄取?關鍵取決於「面試順序」


遠端工作免費資源在這!

高品質線上會議工具,簡單 3 步驟註冊免費體驗

馬上註冊

【內附資源】Adobe 工程師開發只用「一張圖」就能訓練 GAN 的機器學習技術

$
0
0

【為什麼我們要挑選這篇文章】著名網站 This person do not exist(這個人不存在)即是使用 GAN 技術製成,但要做出假以亂真的圖片,訓練 GAN 需要一定數量的數據集做訓練;對於數據量偏少的開發者,真的就只能乾瞪眼放棄嗎?

Adobe 工程師開發新型態 GAN 技術,一張圖也能成功訓練!(責任編輯:陳伯安)

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

數據集太小了,無法訓練 GAN?試試從ㄧ個圖像入手吧。

去年谷歌就提出了 SinGAN,是第一個拿 GAN 在單幅自然圖像學習的非條件生成模型(ICCV 2019 最佳論文)。

而最近,來自 Adobe 和德國漢堡大學(University of Hamburg)的研究人員,對這個方法做了改進,探討了幾種 讓 GAN 在單幅圖像提高訓練和生成能力的機制

研究人員將改進的模型稱作 ConSinGAN。

那麼,先來看ㄧ下 ConSinGAN 的效果吧。

上圖左側是用來訓練的單個圖像,右側是利用 ConSinGAN 訓練後生成的複雜全局結構。

可以看出效果還是比較逼真。

當然,ConSinGAN 還可以用來處理許多其他任務,例如圖像超分辨率(image super-resolution)、圖像動畫(image animation),以及圖像去霧(image dehazing)。

下面兩張就是它在圖像協調(image harmonization)和圖像編輯(image editing)上的效果。

ConSinGAN 是怎麼做到的?

首先,我們先來看下 SinGAN 的訓練過程。

SinGAN 在圖像中訓練幾個單獨的生成網路,下圖便是第一個生成器,也是唯一從隨機噪聲生成圖像的無條件生成器。

在 SinGAN 中訓練的第一個生成器

這裡的判別器從來不將圖像看做一個整體,通過這種方法,它就可以知道「真實的」圖像補丁(patch)是什麼樣子。

這樣,生成器就可以通過生成,在全局來看不同,但僅從補丁來看卻相似的圖像,來達到「欺詐」的目的。

在更高分辨率上工作的生成器,將前一個生成器生成的圖像作為輸入,在此基礎上生成比當前還要高分辨率的圖像。

所有的生成器都是單獨訓練的,這意味著在訓練當前生成器時,所有以前的生成器的權重都保持不變。

這一過程如下圖所示。

而在 Adobe 與德國漢堡大學的研究人員發現,在給定的時間內僅能訓練一個生成器,並將圖像(而不是特徵圖)從一個生成器傳輸到下一個生成器,這就限制了生成器之間的交互

因此,他們對生成器進行了端到端的訓練,也就是說,在給定時間內訓練多個生成器,每個生成器將前一個生成器生成的特徵(而不是圖像)作為輸入。

這也就是 ConSinGAN 名字的由來——並行的 SinGAN,過程如下圖所示。

然而,採取這樣的措施又會面臨一個問題,也就是過擬合。 這意味著最終的模型不會生成任何「新」圖像,而是只生成訓練圖像。

如何避免 ConSinGAN 無法生成新圖的 bug?

為了防止這種現象發生,研究人員採取了 2 個措施:

在任意給定時間內,只訓練一部分生成器;對不同的生成器採用不同的學習率(learning rate)。

下圖就展示了使用這兩種方法實現的模型。默認情況下,最多同時訓練 3 個生成器,並對較低的生成器,分別將學習率調至 1/10 和 1/100。

在這個過程中,有一個有趣的現象。

如果對較低的生成器採用較高的學習率,那麼生成的圖像質量會高些,但是差異性較弱。

相反,如果對較低的生成器採用較小的學習率,那麼生成圖像的差異性會豐富一些。如下圖所示。

程式碼已在 GitHub 上開源

ConSinGAN 的程式碼已經在 GitHub 上開源。

老規矩,先介紹一下運行所需要的環境:Python 3.5;Pytorch 1.1.0。

安裝也非常簡單:

pip install -r requirements.txt

若要使用論文中的默認參數訓練模型:

python main_train.py –gpu 0 –train_mode generation –input_name Images/Generation/angkorwat.jpg

在英偉達 GeForce GTX 1080Ti 上訓練一個模型大約需要 20 – 25 分鐘。

不同的學習率和訓練階段數量,會影響實驗的結果,研究人員推薦二者的默認值分別是 0.1 和 6。

當然也可以修改學習率:

python main_train.py –gpu 0 –train_mode generation –input_name Images/Generation/colusseum.jpg –lr_scale 0.5

修改訓練階段的數量:

python main_train.py –gpu 0 –train_mode generation –input_name Images/Generation/colusseum.jpg –train_stages 7

當然,模型也可以用來處理「圖像協調」和「圖像編輯」等任務,詳情可參閱 GitHub。

資源傳送門

論文

GitHub 連結

(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 〈单张图像就可以训练 GAN!Adobe 改良图像生成方法 | 已开源 〉,首圖來源: 截自量子位 。)

你可能感興趣

Python 弱掉了!中國工程師開發「文言文程式語言」,讓你的 coding 充滿文學情懷
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
矽谷神話不再!為何工程師「從新創逃到大廠」一樣面臨裁員?


Azure 真的比 AWS 好用嗎?

微軟代表親上陣,快問快答各種辛辣轉型問題!

馬上收看


上班族自學 Python、機器學習寶典!Kaggle 全新免費課程教你快速入門,且馬上能應用

$
0
0

【為什麼我們要挑選這篇文章】上班族自我精進 AI、機器學習相關領域,往往只能靠下班時間微薄的意志力自學。但是機器學習博大精深,有沒有課程是可以快速入門,且能馬上應用的呢?

Kaggle 推出一款全新教程,就能滿足你的需求!新手工程師趕快存起來。(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/賴可

聽說過 Kaggle 官網的免費小型課程嗎?

想學 Python 、機器學習、資料視覺化……你可能會想到 Coursera 上的線上課程、吳恩達大名鼎鼎的深度學習影片,或者一些有名的網上社區,比如 fast.ai,Udemy 和 EdX。

但是你可能會因為時間不夠就半途而廢。Kaggle 官網的一系列課程完美地解決了這個問題。

只需要幾個小時就可以學到最有用的技術。

快速上手,由淺入深搞動機器學習

一共 12 門課,包括一節測試課。

課程的設置是以實用為導向,按照數據項目所需要的核心技能來分小節,保證學完就能用,讓學習時間的性價比最大化。

Python,機器學習入門,中極機器學習,資料視覺化,Pandas,特徵學習,深度學習,SQL 入門,SQL 進階,地理空間分析,機器學習可解釋性。

每門課的右上角會有節數和學習所需的時間,右邊是小節目錄,每節課分為輔導和練習。

下圖是 Python,一共 7 小節,大約 7 個小時。這已經是需要時間最長的課程了,其它的課程只需要 3 到 4 個小時。

進入練習頁面,可以在 Kaggle 中的 Kernels 直接練習程式碼。很方便。

此外還有學習社區,可以發文討論。

舉一段機器學習課程來看

通常機器學習模型被稱為「黑盒子」,人類無法理解這些預測背後的邏輯。而這門課程將教你從複雜機器學習模型中解釋這些發現:

♣ 模型認為數據中的哪些特徵是最重要的?
♣ 對於來自模型的任何單個預測,數據中的每個特性如何影響該特定預測?
♣ 從宏觀上看,每個特徵如何影響模型的預測(當考慮大量可能的預測時,它的典型影響是什麼)?

這些發現有許多用途:

調適、為特徵工程提供資訊、指導未來的數據收集、為人的決策提供資訊
建立信任,提高產品在用戶中的接受度。

這套課程是不是既全面又親民?祝大家學習愉快。

Kaggle 課程傳送門:點我

(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 〈Kaggle 官网免费课程:从 Python 到机器学习,4 小时学完一门,48 小时掌握数据科学 〉,首圖來源:Pixabay, 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


遠端工作免費資源在這!

高品質線上會議工具,簡單 3 步驟註冊免費體驗

馬上註冊

超狂工程師開發 Linux 電腦名片!連接 USB 就能啟動系統,不但可讀履歷還可玩遊戲

$
0
0

【為什麼我們要挑選這篇文章】上班族很常交換名片,要如何讓對方留下深刻印象?有個工程師做了一款 Linux 電腦名片,裡面儲存了自己的履歷,收到名片的客戶可以使用 USB 啟動該名片,運行裡面的 Linux 系統,不但可以閱讀履歷,還可以「玩遊戲」。

工程師們想提升職場知名度嗎?或許可以發揮自己的程式專長,讓身邊的小物變得與眾不同。(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」

相信上班族不時都會收到客戶的名片,除非設計相當獨特或者有特別的裁切,否則難以留下深刻印象。美國一名嵌入式系統工程師 George Hilliard,為了讓收到他名片的客戶留下深刻印象,同時對他的專長有更深的了解,於是自行設計和製造了一張特別的名片。

名片是 Linux 系統電腦,可以透過 USB 讀取資料

Hilliard 自行設計的名片其實是可以運行 Linux 系統的電腦,名片大小的 PCB 電路板上,有同時提供 RAM 和 CPU 的 Allwinner F1C100s 晶片,這個 ARM 解決方案年整體結構和構造都能夠大大簡化。Hilliard 表示,雖然他的名片電腦沒有網路,而 I/O 接口亦受到限制,但配合只得 2.4 MB 的系統,只需 6 秒就能完成啟動,甚至能夠使用 MicroPython 編譯器和運行迷宮遊戲《Rogue》。

名片儲存了 Hilliard 的個人履歷,還有其他相關資料,收到名片的客戶只要透過連接 USB,就能夠運行名片內的系統和讀取相關資料。Hilliard 表示名片的硬體成本為 2.88 美元(約 22.43 港元,88 新台幣),送給客戶並不覺得「肉赤」(TO 編按:廣東話的「肉赤」是「心痛」的意思),但他表明只會在有意打動對方時才出手,給出這張精心設計的 Linux 電腦名片。(資訊來源:slashdot

(本文經合作夥伴 Unwire 授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈成本低於 3 美元   電腦工程師自製 Linux 電腦名片 〉。首圖來源:Unwire

更多關於工程師的資訊

Python 弱掉了!中國工程師開發「文言文程式語言」,讓你的 coding 充滿文學情懷
5G 產業崛起,數位 IC 設計工程師身價暴漲!平均年薪 118.6 萬
【工程師必學的災難應變術】遭遇全球性 GCP 故障,17 Media 用 4 個措施應對高流量壓力


缺乏資源,卻得升級網路效能、可靠度?

回答 3 個關鍵問題,看見企業網管最大癥結點

即刻了解

 

【尷尬了】中國首款程式語言「木蘭」開天窗,網友:抄襲 Python 還喊自主研發

$
0
0
中國科學院計算技術研究所 15 日對外發布號稱自主研發的程式語言「木蘭」,卻被網友揭穿只是將知名程式語言 Python 換殼重新封裝,研發團隊負責人、副研究員劉雷(圖)坦承誇大後被停職檢查。(中新社提供)

【為什麼我們要挑選這篇文章】中國由於中美貿易戰影響,意識到技術自主轉型的重要性,政府、企業紛紛大舉投資科技研發。然而,中國自主研發假造新聞仍不計其數,這是中國揠苗助長過快尋求技術獨立的後遺症嗎?(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

中國科學院團隊日前宣稱自行開發出程式語言,但被網友發現只是將知名程式語言 Python 換殼重新封裝,連圖標都沒改。團隊負責人隨後致歉並停職,有網友認為是「上有所好,下必趨之」。

中國自研程式語言:木蘭

中國青年報 15 日報導,中國科學院計算技術研究所的「計算機體系結構國家重點實驗室編譯技術團隊」主導研發出新程式語言「木蘭」。

報導指,「木蘭」是面向智慧物聯運用的程式語言,也是由中國科研人員「自主設計、開發和實現」。研發團隊負責人劉雷在接受中國科學報訪問時表示,「木蘭」是「我們真正掌握核心技術的編程語言」。

團隊之後也推出了「木蘭」的開放原始碼軟體,供免費下載。然而,來自業界的質疑卻由此開始。

木蘭就是 Python,只不過換個包裝

有部落客撰文指出,「木蘭」顯示的圖標和知名程式語言 Python 一樣;不僅如此,提供的函數也幾乎跟 Python 一模一樣。

有網友質疑,這套所謂「純自主研發」的程式語言,根本就是把 Python 打包成一個可解壓縮的文件,還忘了換圖標。所謂的技術含量,「大概等於我買了個 iPhone 11,然後包上一張廢報紙」,就宣稱自己研發出新手機。

面對排山倒海的質疑,劉雷 18 日發出聲明表示,自己之前受訪時犯了兩項錯誤:首先,「木蘭」主要是用於中小學教育,卻將它擴大到智慧物聯領域。其次,「木蘭」的 8 位單片機上的編譯器是由該團隊開發,但 32 位單片機上的編譯器「是基於 Python 開源編輯器進行的二次開發」,採訪中卻誇大為完全自主開發。

中科院 19 日發聲明表示,劉雷的行為存在欺騙與虛假陳述的科研不端問題,已對他做出停職檢查的決定,並責令實驗室負責人深刻檢討。

中國自研詐騙事件頻繁

但這似乎無法平息網友的眾怒。中國著名問答網站「知乎」上就有網友質疑,這種虛假宣傳、騙取經費、集體詐騙的行為不需要入刑嗎?

有網友則認為這是「上有所好,下必趨之」;也有人挖苦說,至少是被命名為「木蘭」,而不是什麼「習語言」、「習++」(程式語言 C 語言、C++ 的諧音)。

中國近年曾出現多起造假自主研發事件,2018 年紅芯公司宣稱開發出「世界唯一一顆屬於中國人自己的瀏覽器內核」,結果網友在多次解壓縮下,發現大量和谷歌(Google)瀏覽器 Chrome 一致的檔名。紅芯公司最後也承認誇大,發聲明致歉。

(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 〈中國科學院謊稱自主開發程式語言 負責人被停職 〉,首圖來源: 中央社 。)

你可能感興趣

【工程師界的創世神】近 50 年來最有影響力的 10 種程式語言,到底是誰發明的?

自學 Python、JavaScript 總是卡?破解學習程式語言 3 大「欠矯正」的心態

【Python 的誕生故事】覺得其他程式語言不好用,超狂荷蘭工程師花三個月打造自己的程式語言


IT x OT 資安攻防戰!

工廠轉型最常碰到的「系統整合難題」怎麼迎刃而解?

馬上破解

 

哪裡有在賣口罩?工程師開發「超商口罩現況回報」地圖,幫你統整口罩資訊

$
0
0
圖片來源:中央社(取自 超商口罩現況回報網頁

【為什麼我們要挑選這篇文章】武漢肺炎疫情爆發,台灣出現口罩荒,許多人跑了 3、4 家超商卻買不到口罩,因此工程師 Howard 開發了「超商口罩現況回報」地圖,讓消費者即時掌握超商的口罩資訊,避免白跑一趟。(提醒:請不要大量購買、囤積,請把口罩留給其他需要的人。)(責任編輯:郭家宏)

武漢肺炎疫情延燒,雖政府宣導必要時才戴口罩、勿囤積,民眾仍希望口罩在身防患未然,很多人一早就開始走訪各大超商買口罩。好想工作室工程師 Howard 徹夜開發「超商口罩現況回報」地圖,供民眾回報分享資訊,省下白跑一場的時間。(延伸閱讀: 口罩統一調度仍缺貨,指揮中心:實名制研議中

地圖列出使用者附近 5 公里內的超商,顯示口罩銷售狀況

「超商口罩現況回報」是基於 Google 地圖的資訊,列出使用者所在位置附近 5 公里內的超商,以綠色地標表示「三小時內回報口罩充足」、紅色地標則是「三小時內回報口罩售完」,在地圖上看綠、黃、紅、灰四顏色區分,使用者可以一目瞭然超商的口罩銷售狀況。

紅色地標是已賣完的超商。灰色則是待使用者回報。圖片來源:中央社(取自 超商口罩現況回報網頁

地圖上架之後,陸續吸引熱心民眾回報,也出現載入速度變慢、無法連入網站的情形。Howard 說,截至下午 3 時大概累積 17 萬人使用,最高同時在線達 1 萬人。

當然,標示為「口罩充足」的店家,也有可能一下子就賣完了,端視資訊回報、更新即時性而定。

工程師在調整網站,預計會加入藥妝店的口罩資訊

由於資訊來源是基於 Google 地圖,剛開幕的超商並不在回報平台上。此外,1 日新加入藥妝店尚未在地圖上,工程師 Howard 回覆網友留言說,前面只針對四大超商,但後續應該會加入。

「超商口罩現況回報」地圖工程師 Howard 表示,2 日傍晚將會關站調整,預計 3 日再開啟服務。

(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 〈超商口罩現況回報 工程師架站邀民眾追蹤 〉。首圖來源: 中央社(取自 超商口罩現況回報網頁))

更多關於武漢肺炎的資訊

AI 搶先 WHO 一週抓出武漢肺炎!善用數據給政府的防疫啟示
目前有多少武漢肺炎病例?美國大學開發網站,即時顯示武漢肺炎全球傳播狀況
武漢肺炎病毒是 SARS 的「近親」!8 個 Q&A,解密武漢病毒的起源、傳染性、感染症狀


缺乏資源,卻得升級網路效能、可靠度?

回答 3 個關鍵問題,看見企業網管最大癥結點

即刻了解

 

工程師該去大公司還是小公司?答:大公司可深化功夫,小公司可拓展技能樹

$
0
0

軟體工程師,應該去大公司還是小公司?

有一派認為要去大公司,因為大公司的基礎建設較完善,工作職責分明,可以「認真 coding」,而且福利待遇也較好;另一派則認為要去小公司,因為職責界線模糊,常要身兼多職,可以學到更廣泛的技能,組織也比較彈性,溝通較順暢。

2 月,有 PTT 帳號名為 NewSpec (新規格) 的網友,以「如果可以,真的建議不要再去創業公司了」為標題發文,建議工程師不要去新創公司,引發論戰。因此,有個 PTT 帳號名為 HZYSoft (PCMan) 的網友另外 發表了一篇文章 ,用中立客觀的態度,剖析大小公司的優缺點,引發 PTT 社群的熱烈迴響與支持。

HZYSoft (PCMan) 在文中表示,自己待過新創團隊,也待過大公司,對兩種公司都有些體驗。《TechOrange 科技報橘》在下文整理 HZYSoft (PCMan) 的觀點,提供工程師們職涯選擇的參考。

HZYSoft (PCMan) 原文傳送門

大公司:制度、基礎架構完善,但溝通限制多

優點:

▌公司制度完善
▌基礎架構完善
▌best practice 較扎實
▌程式碼品質較好
▌可以開眼界(因為需要考量世界級的規模)

缺點:

▌沒機會碰底層架構
▌科層組織,溝通限制較多
▌很難對公司有影響力

HZYSoft (PCMan) 認為,大公司擁有完善的制度、基礎建設、best practice 和 code quality;此外,由於大公司做事需要考慮世界級的規模,因此可以開眼界,是「學基本功的好地方」。但也因為已經有基礎架構,基本上照著文件處理即可,不太會碰到底層架構;而且大公司分工明確,優點是可以在一個領域做很深,但廣度相對受限。此外,大公司層級多,又需要跨國溝通,因此溝通效率較低。最後,除非你夠強,或是在重要的職位上,不然很難對公司發揮影響力。

小公司:可以拓展技能樹、練 leadership,但做事求快、不深入

優點:

▌拓展技能樹
▌有機會帶專案,練 leadership
▌推動變革容易

缺點:

▌做事求快,容易做不深

HZYSoft (PCMan) 表示,小公司分工較不明確,通常不會有專門的團隊負責,所以要常常自己動手,有些 infra 要自己來,甚至兼職「PM」,因此可以拓展技能樹。因為組織扁平,所以有機會帶專案,可以練 leadership。組織扁平,推動變革也相對容易得到上級支持。

然而小公司步調快,資源、時間相對有限,計畫也常常變動,因此比起 best practice,小公司更注重彈性與快速應變的能力,缺點就是事情求快,容易做不深,也容易留下技術債。

《TechOrange 科技報橘》要在這裡引述 NewSpec (新規格) 網友的觀點。NewSpec (新規格) 提到,有些工程師認為,在一般公司發展可能不好,看的不全面,成長不多,為了想學更多東西,因此去創業,負責更全方位的職責,希望能力更強。但 NewSpec (新規格) 認為,「創業公司的規模小,所以其實每次做的事情都一樣,一樣淺、一樣不深入」,去了幾間新創公司,但也就是做幾次同樣的事情,因此幾年下來也不會有長進。因此 NewSpec (新規格) 總結,有心創業的工程師,在有一定的技術能力之前,先待在大公司裡,因為「技術或架構能力上的成長、眼界的擴展才是最重要的」。

基本上 NewSpec (新規格) 的觀點也呼應了 HZYSoft (PCMan) 的論點,就是小新創有做事不深入的缺點,大公司由於需要考量世界級的規模(市場、用戶數等等),可以培養工程師的眼界,因此工程師若要選擇小公司,這些缺點必須認真考慮。

NewSpec (新規格) 文章傳送門

結論:大小公司都很好,端看你想在怎樣的環境工作、想培養怎樣的技能

總結來說,HZYSoft (PCMan) 認為,大小公司出來的工程師各有專長,並沒有哪方比較好。大公司的工程師經歷過完善的制度與 best practice,當企業想在市場站穩腳步,補上缺乏的制度與 best practice 的時候,就需要擁有類似經驗的工程師。

至於小公司的工程師,他們常要面對變動的環境,而且小公司的系統限制更多,基礎建設也不完善,常常要自己來,因此在這種環境磨練出來的工程師擁有強大的應變能力。此外,由於他們工作環境的 code base 不好,他們通常有能力處理技術債的爛攤子。

因此工程師該去大公司還是小公司,這沒有標準答案,端看你想在怎樣的 code base 環境下工作,想培養怎樣的能力,想深耕單一領域還是拓展技能樹,想靜靜 coding 還是推動組織變革,想按照計畫工作還是接受各種突如其來的挑戰,這兩邊都很好,都能學習,未來也能在軟體工程界持續發揮所長。

參考資料來源:
1.《PTT》:〈[心得] 如果可以, 真的建議不要再去創業公司了
2.《PTT》:〈Re: [心得] 如果可以, 真的建議不要再去創業公司了
(本文提供合作夥伴轉載。首圖來源:piqsels CC Licensed

延伸閱讀

為了一隻愛貓,矽谷工程師放棄高薪回台研究貓大便!他發明的「AI 智慧貓砂盆」是啥神物?
超狂工程師開發 Linux 電腦名片!連接 USB 就能啟動系統,不但可讀履歷還可玩遊戲
Python 弱掉了!中國工程師開發「文言文程式語言」,讓你的 coding 充滿文學情懷


IT x OT 資安攻防戰!

工廠轉型最常碰到的「系統整合難題」怎麼迎刃而解?

馬上破解

 
Viewing all 585 articles
Browse latest View live