搜尋結果
2024年1月8日 · 步驟一：最希望呈現資料裡的哪一個關係？ 「比較大小」：長條圖. 「了解趨勢」：折線圖、堆疊長條圖. 「呈現整體組成」：圓餅圖、百分比堆疊長條圖、矩形樹狀圖. 「呈現分佈」：散佈圖、直方圖. 「比較大小＋呈現分佈」：泡泡圖. 步驟二：選擇表達訊息能力最佳的圖表. 圓餅圖 vs 長條圖. 折線圖 vs 堆疊長條圖. 步驟三：挑選顏色. 以上都不符合你的需求嗎？ 這裡有更多選擇圖表的指引. RE:LAB. Financial Times 的「視覺化辭典」 Andrew Abela 的 Chart Chooser. The Data Visualisation Catalogue. 結語.
2023年10月2日 · 一個良好設計的提示可以引導模型生成精確、合乎上下文的回答，而不良提示可能會導致不准確或無意義的結果。. Prompt Engineering 的重要性體現在以下幾個方面：. 精確性 ：正確的提示可以幫助模型生成精確的回答，而不必依賴於模型的自主猜測。. 可控性 ...
- 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。
其他人也問了
張善政是誰?
張祥慧是誰?
小花蔓澤蘭怎麼辦?
經驗分享前，我想先提一下，文章裡所談的「程式能力」指的是用程式來解決問題，例如為了原始資料設計爬蟲，或是處理API資料；如果是「程式設計概念」，則泛指能夠理解腳本 (script)、原始碼或網頁構成原理等，例如看得懂HTML標籤、知道JS與CSS與網頁互動的關係之類。 快速介紹一下我自己！ 我是《P#新聞實驗室》（以下簡稱《P#》）實習生亭霓，一年來跟著《P#》團隊一起製作數位敘事專題。 最常擔任的角色是特約記者、專案企劃或管理者。 所以，學會看code可以幹嘛？ 這一段其實只有一個重點 — — 擁有基本的程式設計概念可以讓你問對問題。 從目前的經驗總結，我覺得參與數位專題製作時，看得懂網頁原始碼有這些好處： 1. 追蹤專題成效、檢視敘事設計自己來：
2024年4月3日 · 步驟一：撰寫測試程式. 步驟二：執行紅燈測試. 步驟三：實作「夠用」的產品程式. 步驟四：執行綠燈測試. 步驟五：重構. 結語. 參考資料. 「撰寫測試」已成為現代軟體開發的顯學。 隨著軟體產品的規模越長越大，在不斷增加新功能、重構優化既有程式碼的過程，如何確保軟體既有功能不受影響，又能減少繁瑣的人工作業，靠的就是自動化測試。 尤其當系統的業務邏輯龐大繁瑣，平時養成撰寫測試的好習慣更是保障軟體品質的關鍵。 開發團隊寫測試，通常有三種模式： 先寫測試再開發. 開發完成再寫測試. 無招勝有招——不寫測試（誤） 本文的重點就是第一種模式，先寫測試再開發，也就是常聽到的 TDD（Test-Driven Development）。
2024年2月23日 · 專業的 Data Analyst 要有哪些特質？ 1. 好奇心. 2. 批判思考. 3. 注意細節. 4. 合作精神. 5. 道德感和誠信. 數據分析師的常用工具. 數據分析師薪水範圍. 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？
實現使用者價值 = 商業價值 = 設計策略 + 設計方案. Kaba 強調設計師的責任是：「持續洞察使用者需求，轉化成貼近市場的設計。. 透過使用者實現價值，創造商業價值、為公司帶來成長。. 而企業內的設計師最重要的任務是幫助產品成功，讓企業成長。. 如果 ...
