搜尋結果
其他人也問了
高壓和低壓有什麼區別?
氣壓高低是什麼意思?
壓力過大怎麼辦?
氣壓過低、過高或短時間內氣壓變化過大,對人體有什麼影響?
2024年2月26日 · 在使用 ChatGPT、Gemini 等奠基於大型語言模型（Large Language Models，以下簡稱 LLMs）的人工智慧服務時，很常會遇到一個問題就是：請它們提供與特定專業領域相關的資訊，往往只能獲得極為空泛、甚至是充滿幻覺（hallucination）的回覆。. 1 隨著越來越多的企業和組織 ...
- 為什麼要刷題？
- 什麼時間點該考慮 LeetCode 刷題？
- 幾種解題的策略
- 刷題的四個階段
- 如何寫出「更好的」的程式碼？
- 看懂題目背後的設計思維
那為什麼程式開發者需要刷題呢？程式學習其實跟數學學法很像，除了理論公式之外，也需要搭配題目實作。一般而言，我們可以將程式的學習分成兩個階段： 1. 程式語法 2. 解題能力 「程式語法」指的就是你能不能看得懂程式碼，理解範例是如何運作的。但「解題能力」是指當你遇到一個問題時，能否轉換成程式的角度回答問題。很多人會問資料結構或演算法對工程師寫程式來說重要嗎？尤其是那些非本科系的轉職者，更會擔心資料結構或演算法是否會成為求職時的門檻。 資料結構或演算法其實就是程式碼經年累月淬煉出的精華，經過整理而成的武功秘笈，適合已經會寫程式但想要把持續鍛鍊程式能力的人。但如果連程式的基本邏輯都尚未熟悉者，就貿然的進入刷題的世界中，也很容易原地打轉。總之，我自己覺得寫出會動程式不難，但要把程式寫好非常難。追逐程...
「你有聽過「白板題」嗎？你知道技術考試在面試時會用什麼形式出現嗎？」 這張圖是來自 How to: Work at Google — Example Coding/Engineering Interview，由 Google 分享的的 Mock Interview 過程。技術面試這是許多人在面試前會有的焦慮，而透過刷題是用另一種「技術測驗」方式，讓我們習慣從題目來理解技術的過程。一般來說，技術面試題有兩種考法：「線上/紙本技術面試測試（前測）」或「白板題（現場）」。線上/紙本技術面試測試著重的是「結果」，單純就看最後的分數過不過作為最低的篩選門檻；而現場白版題著重的是「過程」，除了解法之外還有當下的思考脈絡與持續優化的過程。 但是思考脈絡與持續優化都不是可以短期惡補的，需要的是長期的訓練與培...
LeetCode 題目中從早期的 200 多題，到現在已經有 1000+ 題以上，刷題的難度也大大提升。對於剛開始嘗試要開始刷題的時候通常未遇到以下盲點： 1. 不知道從哪一個題目開始？ 2. 不知道要解多少題才夠？ 3. 不知道是否真的理解？ 而這些問題的背後，都是來自於不知道該如何有效刷題的焦慮感。
除了「解題順序」之外，如何最大化一個題目的效益也是刷題過程中重要的關鍵。比起一題解完就換下一題這樣的方式，我們更建議花多一點在一個題目中，盡可能地持續迭代、持續優化並且思考沈澱，讓你從一個題目掌握到更深更廣的效益。就如同我們前面所講的，刷幾題不是重點，重點是你從每一題中掌握了多少學到了多少而且持續的變強。
所謂的「如何理解題目背後的設計思維」這個問題，需要先思考「寫程式的本質」到底是什麼？而 LeetCode 的題目就是其實就是一種「評斷程式能力到什麼程度？」的面試題目匯總，比起刷題更值得關注的是該如何從這些練習中鍛鍊出更好的程式碼品質開發功力。 所謂的寫程式就是利用電腦的記憶與運算，根據 Input 產生 Output 的過程，而演算法指的是在有限步驟與時間內執行的程式，這也是寫程式與演算法之間最大的差異。演算法我們更執著「多少個步驟」或「多少時間」可以完成，這個效能與複雜度是否堪用。 JavaScript 全端開發課程，18 週進度班帶你半年轉職工程師
從「如何理解題目背後的設計思維」到「看懂題目背後的設計思維」，其實就是一種寫出更好的程式碼品質的過程。這些題目背後在意的其實就是那些曾經被優化過的歷程（例如資料結構或演算法），你能否站在巨人的肩膀上再持續往前呢？所以你說 LeetCode 題就是在考資料結構或演算法嗎？這句話我覺得對與不對，應該說是想考的是你能否從這些方法中習得「優化程式」碼的能力。
2024年3月7日 · 一、資料清理. 二、如何切割文本. 三、如何搜尋. 四、LLM 生成品質. 快速掌握 LLM 應用全局觀. 有了「長上下文 LLM」（Long-Context LLM），還需要 RAG 嗎？ RAG（Retrieval-Augmented Generation，檢索增強生成）無疑是當今開發大型語言模型（LLM）產品時，不可或缺的技術。 由於可以確保 LLM 生成的真實性，在企業 AI 應用與搜尋場景相當受到重視。 為此，我也試著實作一個簡單的 RAG 應用。 多年累積下來，我的 Apple Notes 已經有 7000 多則筆記，搜尋愈來愈不準確，常在寫新筆記時想參考舊筆記，卻怎麼也找不到。
2024年3月29日 · 在 ALPHA Camp 學習程式時，我們設有每週的進度和作業，讓你必須在時間內完成才能獲得作業批改，你要在一週內的時間壓力下完成知識的吸收及應用於作業上，並在持續進階的小目標中一步步完成。 想擺脫窮忙，「學習力」是你該培養的第一技能. 創造力與解決問題的能力. 未來市場上需要的「創造力」是：能夠從不同的角度審視問題，並且跳出既有框架思考的能力。
2024年2月23日 · 數據分析師該學習哪些東西？ 1. 統計學和數學. 2. 程式設計（特別是Python或R） 3. 數據可視化. 數據分析如何學習？ 初學者階段：打好基礎. 中級學習者階段：技能深化. 進階學習者階段：專業發展. 數據分析師的職涯發展路徑與選項. 初級階段：數據分析師. 中級階段：高級數據分析師. 高級階段：數據科學家. 專家階段：業務分析經理/資料分析主管. 學習數據分析的指引「數據分析職能地圖」 數據分析師（Data Analyst）是做什麼的？
2023年7月25日 · OBJECTIVE ：具體的事實，做了哪些事情、看到與觀察哪些事情. REFLECTIVE ：感受與反應，在當下直接的感受、反應與印象深刻的地方. INTERPRETIVE ：事後詮釋與分析，試著解釋與分析事實與自己的感受. DECISIONAL ：訂定目標與下一步，找出下一步可應用、執行與改善的地方. AC 學生 David 的實際 ORID 評估. Objective 客觀、事實. Objective: DOM實戰操作. 八月之前，對於DOM操作僅有知識上的學習，只有照著其他線上教學影片跟著老師coding的經驗。 第一週的”複習DOM”真的在實戰中操演很多次，到學期後半時，目前操作到的DOM的邏輯已經寫入我的腦海中。 Reflective 感受、反應.
2024年4月3日 · 準確性問題：Copilot生成的程式碼有時可能需要手動調整和驗證，以確保其正確性和最適用性。 過度依賴風險 ：過度依賴Copilot可能會減少開發者解決問題的能力，降低對基礎知識的掌握。
