搜尋結果
2023年8月8日 · 首頁 » Blog » 資料科學. 數據治理 data governance 是什麼？ 為何重要又該怎麼做？ 產業案例分享. 發佈日期: 2023 年 8 月 8 日 作者: ALPHA Camp. 內容目錄. 數據治理是什麼？ 企業為什麼要做？ 企業怎麼做數據治理？ 沒做過的企業如何開始？ 在醫療或金融等資料較敏感的產業，如何妥善管理數據，讓管理單位放心？ AI 產生的「偏見」能被管理嗎？ 從印尼最大電商 Tokopedia，有哪些數據治理經驗可以分享？ 新加坡政府推動數據治理，經驗如何？ ChatGPT 崛起後，數據治理有什麼轉變與新挑戰？ 企業做數據治理，不同角色如何分工？ 誰該對資料負責？ 結語：企業如何推動數據治理？ 關鍵字補充.
2023年4月29日 · Jupyter Notebook 是一個開源的網頁應用，它允許用戶創建和分享包含即時程式碼、數學方程、可視化和解釋性文本的文檔。 交互式計算：為何這麼重要？ 這個平台適合做實驗、數據分析，而且還支持多種編程語言，例如 Python、R 和 Julia。 為什麼選擇 Jupyter Notebook：特點與用途. 功能豐富的界面. 介紹 Jupyter Notebook 的使用者界面和各種可用的工具。 實用性與應用場景. 從數據清洗到機器學習，Jupyter Notebook 在數據科學的全流程中都發揮著重要作用。 立即領取. 點我免費領取非本科轉職工程師指南！ Jupyter Notebook 安裝與使用的詳細教學. 系統要求.
- 什麼是 Leetcode？
- Leetcode常見問題類型分析
- 提到演算法
- 誰需要刷leetcode
- 個人背景
- 我會怎麼寫？
- 重新來一遍，會如何分析 Two Sum
- LeetCode 如何測量效率
- Two Sum 這題該怎麼看待
- 題外話
LeetCode是一個專為程式設計師提供線上程式練習題的平台。它提供了一系列的挑戰題目和面試問題，涵蓋各種程式語言和電腦科學主題，如數據結構、演算法、設計模式等，並且每一個問題都附有詳細的解說，使得用戶能夠進一步了解如何解決問題。 工程師本身的起薪高，容易吸引到大量的人才投入。當好的職缺出現在求職市場時，眾多求職者將湧入其中爭取面試機會，企業使用履歷進行篩選之外，會考驗應徵者的基本開發能力以及專案經歷。前者常見的測試方式為白板題與線上題庫測驗；後者則看求職者的作品集來了解。而 LeetCode便是常見了解題目的手段，其記錄各式各樣的題目好讓求職者有個底。
LeetCode 的題庫內容有： 1. Algorithm 2. Database 3. Shell 4. Concurrency 最常見的以演算法為主，這次的系列將著重於此。 說穿了，刷 LeetCode 好比學生時代刷題庫，目的是熟悉題型好應對各式各樣的基本題與變形題。目的只有一個，面試中遇到的技術問題可以順利通過。 在LeetCode上，您可以找到各種程式設計問題，涵蓋許多數據結構和演算法的重要概念。這些問題可以大致分為以下幾個類型： 1. 陣列和字串：這些是最基本的問題類型，通常需要操作和管理數據集合。範例包括找出陣列中的最大值、找出字串的子字串、反轉字串等。 2. 鏈結串列：這類問題通常涉及到節點的添加、刪除和尋找，或是反轉鏈結串列等操作。 3. 堆疊和佇列：這些問題通常涉及到堆疊...
自然而然會連結到資料結構。深入來看，演算法是基於不同類型的資料結構開發出來的，即使是不同的資料結構，基本的 CRUD 功能是必要的，而演算法便是思索如何改善 CRUD 的速度。因此，往後在工作上面對不同的需求時，使用較符合需求的資料結構，再搭配適合該結構的演算法，便能有效提升計算速度。 演算法對一個工程師的意義？如何提升實力？
其實刷 LeetCode 的需求，往往有幾種背景需要練習： 1. 學習過大學資料結構與演算法課程的學生。 2. 想要進入大公司的求職者。 3. 想要學習新語言特性的學習者。 題庫刷得再多也要記得，專案的能力也要一併培養。刷很多題庫卻沒有規劃專案的能力，往往是致命的，因為題庫的能力可以藉由反覆練習獲得，規劃專案的能力卻不太能藉由反覆練習取得，因此不少資深職缺會希望求職者擁有好的專案經驗。
我不是大專院校資訊相關科系出身，自然沒有接觸過演算法與資料結構。學習過程以網頁開發為起點，學習 HTML、CSS、JavaScript，後續在公司的專案上接觸到 Java 與 C，整個過程由簡入難。 說實在的，沒有接觸到靜態語言前，覺得全世界都用 JS 開發是件多美好的事情。隨著經驗的累積後，慢慢了解每種語言因為獨特的能力而有存在的必要性。 1. 學習 Java 才瞭解靜態語言與物件導向的美。 2. 學習 C 才了解 JS 好用的內建函式，不一定是效能的最佳選擇，以及 By Value & By Reference 的由來。
順序是這樣的： 1. 介紹 LeetCode 與一些基本刷題知識 2. 介紹資料結構的特性。 3. 列入在 LeetCode Tag 內的資料結構優先討論。 4. 嘗試用 JS、Java、C 各解一次，目的是增進三種語言的熟練度。 5. 演算法用來輔助資料結構。 因為我最熟悉的語言是 JS，所以相關的術語概念將以 JS 為主。
首先要仔細閱讀已知的資訊，除了閱讀題目本身的描述外，點擊 Related Topics 後會看到 Array & Hash Table。對於菜雞來說，關於如何操作 Array 有個基本的概念，但是 Hash Table 就不太理解，於是找尋 Hash Table 的相關資訊，大致上有概念後，會陷入一個窘境，如何實作？ 想了 20 分鐘後仍然沒頭緒，直接找答案。了解 Hash 除了常用於密碼學上，也可以應用在其他情境。在參考解答後寫了 JS 的版本： 說實在的，看答案後重新寫出來並不可恥，重點是學習這個問題背後要測試的技術是什麼，這邊只使用一次 for loop，每次進行判斷與製作 Hash Table，所以可以有效地壓縮搜尋時間。 轉職工程師不只要刷 leetcode，16 週進度班帶你半年...
在我還是個剛轉職成功，沒有實際接觸過複雜專案的菜雞時期，面對新功能的開發，心態上保持著 先求有再求好，寫出許許多多用了不同內建函式、自訂函式的程式碼。新功能當然是順利開發成功，為此感到十分開心。這時候的我，對於能完成新功能開發的自己，感到十分得意。 工作經驗增加後，有機會碰到公司內較複雜的專案，藉此打開我的眼界，程式碼的部分沒有毫無章法的寫法，反倒是有一定規律的做法（現在的我知道這是 Design Pattern），當時我負責接觸的部分是效能優化的部分，這時候才感覺到沒有思考每種資料結構特性，胡亂使用順眼的函式執行，是一件多麽可怕的事情。 回憶結束。 關於程式碼的效率，可以從兩個角度來思考： 1. 執行速度可以多快？ 2. 執行時期記憶體使用量有多少？ 新手工程師如何提升「程式碼品質」？程式...
暴力解
時間複雜度的部分，第一個迴圈，陣列內每一個項目都要被執行一遍，所以執行次數是 nums.length，在分析時習慣用 N 表達。針對陣列內每一個項目，會需要第二個迴圈，執行次數是 nums.length – 1，分析用 N-1 表達。 因此這題的時間複雜度是： 空間複雜度方面，沒有額外宣告任何變數。 因此，暴力解在執行時間方面會是 O(N^2)，記憶體方面幾乎沒有大負擔。
使用 Hash Table
時間複雜度的部分，僅僅只有一個迴圈，執行次數是 nums.length。 因此這題的時間複雜度是：O(N)。 空間複雜度方面，額外宣告 Hash Table，隨著 N 的數量增長，Hash Table 內的資料量將跟著成長。 因此，Hash Table 在執行時間方面會是 O(N)，記憶體方面則有負擔。
這題嘗試用不同語言撰寫，有趣的地方在於，我直覺認為靜態語言就是比動態語言快速，殊不知 C# 賞我一巴掌，而記憶體的使用方面，Java 與 C# 也賞我兩巴賞。這邊有幾點可以推論： 1. 這題的寫法，在記憶體的存取方面，對於 Java 與 C# 有比較大的負擔。 2. LeetCode 官方的模擬環境，與我認知的不太一樣。 3. Golang 出人意料的快速，怪不得 Google 自誇是 21 世紀的 C 語言。 就我個人經驗而言，撰寫 JS 與 Java 的時候幾乎沒在管記憶體，追求的只有更高的效率。直到接觸用 C 開發的機器，被 free 給嚇到，給我一個機會省思過度宣告變數的好壞。
2023年4月7日 · 大數據是什麼？ 大數據是指在傳統數據處理應用軟件無法有效處理的大量數據集合。 其主要特徵是具有 高度的異質性 ， 大量的數據量 ， 快速的數據產生與傳輸速度 ，以及可能 低品質或不確定的數據值 。 這些特點也被稱為大數據的四個V：Volume（數據量）、Velocity（速度）、Variety（種類）和Veracity（真實性）。 多大才能算是大數據？ 一般來說，當我們談論大數據時，我們通常是指數據集的大小在一兆位元組（TB，terabytes）以上，甚至達到拍位元組（PB，petabytes）或艾位元組（EB，exabytes）等數量級。 然而，這並不是一個硬性的規定，更重要的是這些數據無法被傳統的數據庫管理工具有效處理。 立即領取. 免費點我下載完整數據分析案例. 大數據為什麼重要？
2023年7月25日 · 發佈日期: 2020 年 10 月 19 日 作者: Ellen. 內容目錄. Reflection 與做中學. ORID 是什麼？ 討論的思維框架. Objective 客觀、事實. Reflective 感受、反應. Interpretive 意義、價值、經驗. Decisional 決定、行動. 選擇關注點：第一步就是最後一步. 關注你的位移 (A—>B) 為什麼要使用 A → B 結構？ 刻意選擇 Growth mindset 視角. 培養你的後設認知. 不要浪費有效經驗. 狀態負面時去休息；狀態正面時做 reflection. 小結. Reference. 體驗用 ORID 強化全端網頁開發學習效果，3 分鐘小測驗找到你的學習起點. Reflection 與做中學.
2023年11月28日 · 深度學習 Deep Learning 是機器學習的分支，大多數的深度學習模型是基於多層神經網絡 Neural Network 模擬人腦的工作方式，演算法在數據中自行在每層挑選哪些特定的特徵是相關再進行分析，隨著數據量越大，深度學習能夠每次對其結果進行改進。 . 在從事機器學習時，一開始會從收集數據並清理整合的準備開始，接著將數據轉換成可以餵給模型的格式，並萃取出有意義的特徵，接著選擇適合你預期目標的模型後開始訓練。 並用一些指標來評估模型並作參數的調整，接著Input更多的數據來測試模型，然後作出Output預測。 深度學習是機器學習的子集，機器學習是透過工程師在訓練數據的input與output給予一定程度的指導，讓機器從累積的訓練數據中學習後得出最佳解。
2023年1月10日 · 本次課程，我們邀請了 ALPHA Camp 的助教及校友，分別是在區塊鏈公司擔任 PM 的 Rafeni，以及在目前在自己經營的接案公司擔任 PM 的 Fung 來分享。 . 投入數位產業前，3分鐘小測驗，找到適合自己的學習入口. 為什麼加入數位軟體產業？ 一開始就鎖定要當 PM 嗎？ Rafeni 一開始是希望能夠在家上班，不用通勤也能工作。 她先從網路行銷切入，擔任 網頁設計師 ，久而久之老闆開始交付案子，才慢慢轉成 專案經理 ，目前擔任產品經理。 Fung 則是軟體工程師出身，之前是 iCook 和 CakeResume 的工程師，他表示以前很討厭 PM，但創業之後決定想要當個好 PM，才發現 PM 真的很辛苦。
