搜尋結果
2024年3月22日 · 這篇文章是他記錄自己今年三月參加 ALPHA Camp 與 ihower 共同推出的「 Generative AI Engineer：LLM 應用開發工作坊 」完課心得與收穫，我們獲得授權刊登， 原文刊登在他的 Medium。. 自從ChatGPT在2022年底問世以來，以LLMs為中心的應用服務已掀起一股革命 ...
2024年2月26日 · RAG 概念是由自然語言處理科學家 Patrick Lewis 等學者在 2020 年發表的論文 2 中所提出。 這項技術簡而言之，就是在向 LLMs 提供用戶的提示詞（prompt）之前，會先從外部的資料庫「檢索」相關資料，再將這些相關資料連同原本的提示詞提供給 LLMs 參考並 ...
2023年7月13日 · Taboola 副總出任董事 教育新創 ALPHA Camp 用 AI 孵化數位化人才. 發佈日期: 2021 年 3 月 24 日 作者: ALPHA Camp. 教育新創 ALPHA Camp 今日在由 Hive Ventures 舉辦的 Galaxy Summit 中宣布，邀請 Taboola 副總裁俞寧寧擔任董事，希望借助俞寧寧在美國開發大數據與內容內容 ...
2023年8月16日 · 你自學程式一段時間，卻也有沉重的無力感嗎？ 用「學程式無效量表」健檢一下，來看自己中了幾個吧。 但如果中了很多個怎麼辦？ 先別放棄治療，我們幫你找出與分析關鍵問題，再給你 5 個方法，幫你建立好的習慣，開始有效自學。 反覆學，提不起勁，失去信心. 你也這樣嗎： 想學一個主題，去 youtube 看免費課；或聽別人推薦、買了好多課。 但三個月後，發現還在看類似的東西… 有效自學這樣做： 上課前，先訂學習計畫，搞清楚目標、時間、階段性成果. 明確的學習計畫是你的學習指引，而學程式就像跑馬拉松，光有體力也不可能一路衝刺，你需要有計畫地配速、計畫哪時候要跑到哪裡，最後才能跑到終點。 以下幾個關鍵問題，幫你掌握自己的學習需求和現實狀況。 你學程式的目標？ 是想轉職、還是加值現在的工作？
- 學習寫 Code 是為了什麼？
- 學期一：培養自學能力
- 學期二上半場：大量 Input 與 Output 的無限循環
- 社群的力量：獲取回饋，突破盲點！
- 學期二下半場：從 Taker 到 Giver
- 學期三：停下腳步，檢視自我學習！
- 讀書會：在交流中升級
- 帶著問題學習，更來解決問題！
- 給加入 AC 的你
伴隨著 AC 平台口號 outcome first，以轉職為軟體工程師為目標導向，我加入 AC 學習寫程式。回首過往，有如母親身懷六甲至嬰兒呱呱落地。10 個多月的學習旅程，用這篇文章來為自己檢索腳印與汗水的蹤跡。 過去總有人問到：「你在網路平台，轉職學習寫程式，究竟是為了什麼呢？」在學習之前，我可能會很爽朗及帶點傲氣回答：「因為我要拿高薪，我不太在意為什麼。」然而你如果是為了錢，那其他或者是現有的職業做不到嘛？轉職又是為了什麼？類似更多無限打臉的問題迎擊，讓我原本滿腔熱血的銳氣，漸漸的消失在問題海中……。或許這些問題也沒所謂的最佳答案。就跟職涯道路上也永遠沒有準確定位，然而寫程式抑是如此。因此我告訴自己這個問題可以變相思考，並且用另一種描述，讓問題中給出一個答案： 以上雞湯文字希望能暫且抓...
我想大家都同意，這是個資訊爆炸的時代，每一天都湧出正常人根本負荷不了的龐大且混雜的資訊量。怎麼從這些爆炸多的資訊中，將你有興趣的東西篩選出來，在腦袋中分門別類，有系統有組織地過濾與建立知識點、線、面。從 data 到 information 到 knowledge base，也是需要對的方式、工具與大量練習，這是有效學習、快速學習的最基礎運作單位。 大家都知道學習的重要性，但又不由自主發懶。沒有方向跟目標，自然只能漂流。AC 提供的平台不僅系統化，也整合龐大漫無邊際的程式知識。從初階學期一理解運算思維，與嘗試切版理解網頁基礎架構；搭配短期三週班級進度制，幫助習慣性怠惰的我建立自學的框架、培養程式語感，並有限度地月刊一篇 blog 文章。 也在這接近一個月的時間，開始去感受新的資訊。這感受新資...
事實上大多數的人，只有在要換工作整理履歷、面試、或自我介紹時，才會去檢視自己會哪些東西，有哪些技能。這就像冷凍庫裡面放著過期兩年的食品一樣，放在那邊是不會發揮任何效益。 但在 AC 學習，透過課程設計，能防止這樣的情況發生。來到學期二、為期12週的課程裡，在大量 input 與 output 的無限循環中，我將 input 的新資訊，與既有的知識建立連結。 此時，有效的筆記撰寫就顯得格外的重要。透過一篇篇分門別類好的知識收藏，有方向性地篩選與蒐集相關資訊。在進行整理並建立知識關聯時，會讓我重新檢視自己的知識。一旦 connect 建立起來，腦袋裡面那份知識就像 cache 被 hit 後重新計時一樣，新舊知識將在腦袋中調高權重。 有了大量的 input 後，我是如何做到更多 output？有...
舉個例子：學期二時期，適逢 AC 草創 slack 群組。當時社群媒體都是學長姊，而我做了個大膽的嘗試，我將課程中學習到的知識精華筆記與個人想法，分享在 Slack 群組當中；同時，也邀請群友們閱讀指教。在這段過程，學長姊們給予無數正面的回應與可能的思考誤區。因此，這就是我有了大量的 input 後，如何做到更多 output。我認為，就是利用社群的力量！將個人學習筆記、blog 文章分享到適當的社群或社交媒體上，盡可能取得回饋，過濾無用的，吸取有用的。 每個人都不是天生下來就會所有的東西，每個人都有菜過的過去。路過仙人的指點，有時勝過自己閉門深造十載的效果。當你與社群有良好的互動時，往往就是在塑造你個人品牌的形象，往往你也會從這些互動中去結識更多的人脈。你的文章是對的、好的、有價值的，就可...
在 AC 學習的日子裡，我從一位無限伸手的學習 Taker，逐漸蛻變成展現影響力的實習助教 (Giver)。這是一種身分堆疊、不全然是身分轉換。即便有了助教的身分，我的學習腳步，還是始終沒有停下。 伴隨著課程 loading 日漸加深，生活除了 coding，還是 AC。過程中，也能更加檢視自己在過去的所學，是否扎實且充分的理解；並且協助學弟妹們解惑，收到同學們的感謝與回饋，才漸漸的感受到自己也能在 coding 中發揮影響力。 除此之外，令我津津樂道的，就是承蒙 AC 邀請我擔任社群獎品盃的 coding 讀書會發起人。我與同樣在社群裡發光發熱的查理同學，一同擔綱主持人要角。這段時期固然辛苦，同時要兼顧爆炸升級的 學期二-3 後端課程、也要 handle 實習助教的作業批改、回饋與 Q&A...
在學習的過程中，時不時都會遇到無數高牆。而每個階段可能倚靠著班級進度制，不厭其煩的在 AC 的 Light-House 平台發問、與助教切磋，最後都能一一擊碎。 但事實上，走進 AC 的最後一哩路之前，我忽略了一個思考自己真正想要成為什麼樣的 IT 人才？畢竟過多的內隱知識，會存在很多似懂非懂的模糊空間，開始冒出一些「知其然而不知其所以然」的內容。其實就像是在沾醬油，卻沒深入瞭解、建立連結的情況。 而我面臨到的，就是不知對於前端切版有興趣、還是具備商業思維且操作資料庫的後端抉擇。原因就出在，兩者之間我都隱含著許多含糊不清的想法，不知該如何做決定。這也是我學習階段中，真正開始停下腳步檢視自我的階段。 我開始尋求前輩們的意見。偶爾會發現，自己在表達上不順遂。因此，我給了自己一個延讀機會，再次重新...
隨著課程難易度抬昇，AC 社群也日漸茁壯。在學期三的初期，我利用 AC-Slack，與幾位同學籌組小型讀書會，每週一次分享有關課內與課外的技術筆記與部落格文章。 這段時期，也萌生找尋畢業專案戰友的想法。就此，四人小組搭配前後分離的讀書分享，持續至今。我們彼此之間默契昇華、會議中互相取暖，並且適時交換讀書心得與 coding 解決之道。 透過讀書會的形式，我們想辦法把知識外顯出來；也進而內化知識，建立正向循環；最後也盡可能取得回饋，來讓自己內化地更透徹；並找到自己的盲點，獲得更深入的技能敲門磚 (升級道具的概念)，才能讓效益更大。畢竟已經花一份工了，就應該讓效益滾出複利效應。
網路流傳一句話：會寫程式不是重點，能夠解決問題才是重點。寫程式的本質就是在解決一個又一個的問題。 一開始初學者容易恐懼問題的產生，然而就會延伸出另一種心態：我只要寫完這份作業就好。也希望解題過程中希望都很順利，不會有任何 bug。驀然回首，我還曾經擁有這些僥倖心態。但從一次次的實作中，體悟到並非每一份作業都盡如人意。每當完成一個階段性功能、要測試其他先前的實作時，就會跳出 error。之後的問題，也時常如雨後春筍般的冒出。 解決問題是工程師的基本日常。因此在學習階段，我漸漸地去擁抱這些錯誤問題的產生。如果問題短暫便能解決，我試著去創造問題，試著再從每一份教材中，去找尋可能性的問題，並且思考著當下的狀態的其他可行性方案。帶著問題學習的好處，就是讓自己沈浸在準備好解決問題的狀態。
或許你可能會想著，現在的我，僅是一個有著弱弱的知識跟弱弱的自己，那又如何？我認為，你該花心思在怎麼努力讓自己變強，讓人家一看你在這段時間學習的 code、與 code 品質的轉變。有了這些過程，大家就知道你的潛力、成長動能、技術能力、擅長領域。 現在的我回去看以前寫的程式碼，都會不禁納悶這是我寫的嘛？而每段程式碼與現在的學習成果對照起來，是否能夠寫的更簡潔且易讀？如果可以我該如何優化過去的程式碼？ 或許你也可以把過去弱弱的自己，蛻變的過程，變成現在加分的條件。你可以開始定期定寫 blog 文章 (我也是)，到未來求職階段，面試者或是任何人看著你 blog 的文章走向，就知道你對哪一些領域有興趣、有底子，不是沾醬油。同時，也會知道你學習心態的轉換，如何結合所學、發揮出綜效。 如果在 AC 社群...
2024年2月1日 · Transformer模型是基於自注意力機制（self-attention mechanism）的一種架構，它能夠在處理序列數據時，同時考慮序列中的所有元素，這種全局視角使得Transformer在多個領域特別有效。 與傳統的遞歸神經網路（RNN）或卷積神經網路（CNN）相比，Transformer顯著提高了處理速度和效率，尤其是在處理長序列數據時。 Transformer的工作原理. Transformer的核心是自注意力機制，這一機制允許模型在生成輸出時評估序列內的所有單詞之間的相關性。 這意味著模型不需要按順序逐步處理資訊，而是可以平行處理，大大加快了學習速度。
2024年2月6日 · 註冊會員可以透過投票（upvote），選出每日、每週、每月產品；年底還會有「金貓咪獎（Golden Kitty Award）」，依照生產力、開發者工具、No Code 等不同分類，頒發年度大獎。. Product Hunt 每年年底會舉行「金貓咪獎（Golden Kitty Award）」投票，讓使用者選出 ...
