搜尋結果
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。
2023年1月2日 · 優缺點分析. 發佈日期: 2023 年 1 月 2 日 作者: ALPHA Camp. 內容目錄. No-Code/Low-Code 是什麼？ 優點： 缺點： No-Code/Low-Code 平台可以做哪些事？ 1. Web與移動應用開發. 2. 業務流程自動化. 3. 數據分析與報告. 4. 系統集成. 5. 原型設計與測試. 熱門 No-Code/Low-Code 平台和工具介紹. 1. OutSystems. 2. Microsoft Power Apps. 3. Bubble. 4. Appian. 5. Zapier. 6. Quick Base. 7. Mendix. 結論.
- 三要素：動機、熱情、成就感
- 有系統的入門
- 找尋同好
- 練習、練習、再練習
- 有目的性的學習
- 怎樣的人會學不起來？
- 結語：怎樣叫做學會？
不管學習任何事物，動機都是最重要的。學寫程式本來就不是件容易的事，有動機才會有熱情，遇到挫折也較容易撐過去。2年前我決定開始學寫程式，是想要打造一個（自以為）有趣的產品，過程中遇到挫折與挑戰不計其數，好在有明確的動機與目標，學習的熱情才不至於被瞬間澆熄。 成就感則是另一個關鍵因子，想像你在學英文，每天要背100個單字，過程枯燥乏味，但如果你人在國外或有外國朋友，可以馬上實際應用你每天新學的東西，那成就感絕對比無聊的背單字高得多。學寫程式也是一樣，如果可以在初期很快地在網路上看到你架的網站，或是手機上看到你寫的 app，成就感的提升，自然而然會轉化為你繼續前進的動力。
學程式要怎麼入門？要自學還是上課，很多人討論過，在此就不贅述。 我想提的是「有系統」的入門，對於完全沒有任何技術背景的人來說特別重要。在進入 ALPHA Camp 以前，我也曾經在網路上找過很多相關的教學課程，免費資源雖然很多，但因為過於零散，東看西看的最後什麼也學不會，反而更加深挫折感。 當然，有系統不是一定要報名ＸＸ補習班的課，雖然專業的教學機構，理當是會提供你一個比較有系統的入門，但是，一本可以讀的懂的也讀得下去的書，或是一套完整的線上課程，只要是你能夠吸收的，適合你的模式，就算是有系統的入門，找到對的方向，學習的效果才會好。 （也來看看：最有系統的程式入門課，帶你學會網站開發）
在學習的過程中，同儕的影響超乎想像的大，有上課的人，可以跟同學互相討論、相互扶持，是學習上很大的助益。自學的人，也可以透過參加程式相關社群或是 hackathon 結交同道中人。學習的路上即使再有熱情，如果永遠是孤軍奮戰，也是大大地加深了學習的難度，因此開始找尋同好一起學習吧！ （想找到一起學習程式的夥伴？這裡有最緊密互動的學習社群）
Erik Trautman 在 Viking Code School 部落格中的文章《Why Learning to Code is So Damn Hard》分析學習程式有多難，中間要經過一段漫長的絕望沙洲 （The Desert of Despair)。在過程中，就不是單靠有熱情有動機可以撐得過去，不斷的練習、不斷地找尋答案才能不斷的進步，這段時間是過程中相對痛苦的一段時間，因此前一點提到有同好一起互相扶持，在此時就顯得更重要。 最近在 PTT 看到一篇「轉職工程師經驗分享」，作者為了要練習 Objective-C， 做了一個 30DaysObjc 的開源專案，更是印證了不斷的練習，絕對是進步的第一法則。學習任何東西都一樣，就算你再有天份，也是需要不斷的練習才能持續進步，今年退休的 NB...
當有了一定基礎之後，接著要面對的問題就是程式語言那麼多，該怎麼選擇要學習哪種新技術？有很多人討論過選擇技術的廣度與深度，我認為雖然兩者都很重要，但除此之外，還是要回到學習最初的「動機」，從0開始要有強烈動機，學新技術也是一樣。 過去有個朋友看了星際效應的電影後，就開始想要寫一個跟黑洞有關的遊戲 app，讓一個原本只會 Android 的工程師因此踏入了 Unity 的世界。我個人也是一樣，兩年前開始學 iOS， 當時有個非常好用的後端服務叫 Parse，今年一月 Parse 宣佈一年後要停止服務，我於是開始研究如何做轉移，一看才發現沒有資料庫以及網路後端的背景知識，根本無從下手，因此又去學了 Ruby on Rails，現在 App 的前後端都有辦法自己維護。在 Parse 還沒宣布停止服務...
3分鐘熱度學不會
很多人可能覺得這是廢話，不過根據筆者的觀察這樣的人並不少，明明就很有天份，一遇到挫折就退縮，不管學什麼東西都是學不起來的。
沒天份學不會
聽起來有點殘酷，事實卻是如此，這跟運動細胞類似，有的人天生運動細胞好，學什麼運動都很快，同樣也有人天生運動細胞不好，100公尺就是要跑個20秒，這樣的人勉強他去一定要把某個運動學得多好，其實也是強人所難。寫程式也是一樣，需要一定的邏輯能力，有的人邏輯好，學得快，有的人轉不過來，硬是勉強也是很辛苦的。 每個人都有自己擅長與不擅長的事，不會寫程式並不會怎樣，知道自己的特質就好了，當然，也有不是很有天份，但以加倍努力彌補的人，這些人多半都還是會有一定成就，關鍵是在於「持之以恆的努力」。依筆者的觀察，更多人是不知道自己沒天份，或是高估了自己的天份，於是對於初期的挫折灰心喪志或是怨天尤人。 每個人本來擅長的事情就不一樣，不會寫程式並不會怎樣，重點是要瞭解自己的特質與強項，誠實地面對。 （初學者必看：一個月內 打好程式基礎！）
你會講英文嗎？可能每個人對於「會講英文」的定義都各自不同，因為學無止境，東西沒有學完的一天，有沒有學會程式？要學到什麼程度？端看你對這件事的定義。 我在開始學程式10周後，就上台發表了第一個 app，當時以為自己已經學會了怎麼寫 iOS，後續進到新公司才發現，不會的東西比會的還多很多。一直到現在在 ALPHA Camp 擔任講師，教的也是很基礎的東西，還是發現自己還有很多不足之處，更加領悟到唯有持續的學習，才能不斷的進步。 不要問別人為什麼要學程式？要問你自己為什麼？ 筆者過去常常在 ALPAH Camp 的說明會上被問到類似的問題，有很多人對我在華碩擔任資深 PM 卻決定轉換跑道的過程很感興趣，不斷的追問為什麼我要學程式，會不會很辛苦？雖然過程中我都會不厭其煩地回答，但最後都會強調，「 不...
2024年2月23日 · 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？
2024年3月25日 · 職務簡介. DevOps 工程師核心能力與技能樹. 點我免費領取全端開發學習地圖！ 許多人想要學程式，希望未來能轉職為 軟體工程師 ，但往往在琳瑯滿目的程式語言和工具中迷航，不知道從何開始。 好不容易學會了一個語言，那接下來要學什麼呢？ 若因為毫無頭緒而消耗了學習熱忱，實在很可惜。 想成為前端、後端與全端工程師，必備的核心技能和就業門檻有何不同呢？ 你比較適合走哪條路呢？ 為了給更多有志成為軟體工程師的人們一條清楚的方向，我們請教從 ALPHA Camp 畢業、已成功轉職軟體工程師的學長姐們，以及業界老師和助教，列出在實務上會應用到的核心技能與工具。 本文統整出前端、後端與全端工程師技能表，希望能成為學習者在修習技能時的參考。
2023年11月6日 · 寫程式自學，新手如何有效學習. 發佈日期: 2023 年 11 月 6 日 作者: ALPHA Camp. 內容目錄. 為什麼要學寫程式. 如何選擇適合的程式語言. 點我免費領取非本科轉職工程師指南！ 如何建立自學程式的學習計劃. 1. 明確您的學習目標. 2. 設定學習時間表. 3. 選擇學習資源. 4. 實際動手練習. 5. 持續追蹤和評估進度. 6. 加入社群和尋求支持. 7. 保持耐心和積極態度. 有哪些學寫程式可利用的資源和工具. 教學網站和指南. 程式碼編輯器和開發工具. 線上程式練習平台. 實作練習的重要性. 加入社群和討論區. 程式設計持續學習與進步. 如何持續學？ 拆解目標、階段完成、要開心. 為什麼要學寫程式. 隨著科技演進，越來越多產業開始數位轉型。
2023年3月6日 · Apache Hadoop 的入門教學. 發佈日期: 2023 年 3 月 6 日 作者: ALPHA Camp. 內容目錄. 什麼是 Hadoop？ 為什麼使用 Hadoop？ 存儲大量數據. 分散式處理. 可擴展性. 成本效益. 多種數據類型支援. 生態系統整合. Hadoop 的核心元件. 1. Hadoop Distributed File System (HDFS) 2. MapReduce. 3. YARN (Yet Another Resource Negotiator) 4. Hadoop Common. Apache Hadoop 入門教學. 1. 安裝 Apache Hadoop. 2. 啟動 Hadoop 叢集. 3. 執行你的第一個 MapReduce 工作. 4.
