旺角雋薈 相關
廣告
搜尋結果
2024年4月26日 · 對於「工程師如何運用 AI 提高生產力」，本文將按照工程師的職涯與類型，分別討論初階工程師、資深工程師與獨立開發者可以怎麼運用 AI 增強自己的表現。 初階工程師：與 AI 共學. 有個流傳起碼十年的老笑話是：工程師每天的工作，就只是去 Google 現成的解法，然後複製貼上 StackOverflow；如今，這個笑話可能會被改成「複製貼上 ChatGPT 生成的結果」。 Stack Overflow 甚至把這個笑話「具現化」成一個真的產品。 （圖片來源： Stack Overflow ） 初階工程師的工作，大多是完成指定的明確任務，並從中學習技術與協作能力。 ChatGPT 問世後，許多討論圍繞在「初階工程師是否會被 AI 取代」。
2024年4月17日 · 內容目錄. 快速掌握 LLM 應用全局觀. 台大電機系教授李宏毅：台灣人工智慧專家，深入淺出講述 GenAI 基礎原理. AI Explained：不只介紹新技術與產品，更以宏觀視角討論 GenAI 發展. IBM Technology：給普羅大眾的科技名詞與概念的入門指南. Andrej Karpathy：業界與學術經驗豐富的人工智慧專家手把手教學. YouTube 是理解 GenAI 的好管道，但不該是唯一管道. 英文頻道也不怕！ 用繁體中文收看影片的小技巧. 立即下載. 快速掌握 LLM 應用全局觀. 【生成式AI導論 2024】第1講：生成式AI是什麼？
- 第一部分：網址區塊介紹
- 第二部分：參數區介紹
- 第三部分：回應區介紹
區塊簡介
為了方便理解，你可以先把接收 API 的 Server 當作是替你服務的小助理，負責代替你做各種任務，在這裡個區塊，你需要設定請求方法、請求網址，完成後，點選右側 [Send] 送出
Method 請求方法 | 小助理替你服務的類型，常見有四個
1. GET，取得 (GET) 資料 2. POST，新增 (Create) 資料 3. PUT，更新 (Update) 資料 4. DELETE，刪除 (Delete) 資料
區塊簡介
我們會在請求三個地方，附加特定資訊，提供請求的細部設定，分別是 URL 網址、Header、Body 1. URL 網址，通常關於取得資料的篩選，都會放在這裡，可以加上兩種參數，Query Params 搜尋參數，Path Variables 路徑變數，搭配使用，做資料的篩選整理，特別注意不可以把密碼等敏感資訊放在網址 2. Header 部分，通常關於 API 請求的標示，都會存放在這裡，例如需要身份驗證的請求，會把驗證身份的token 以 Key-Value 存在 Header (ex. Authorization: token) 3. Body 部分，通常 API 需要提交給 Server 的資料，都會放在這裡（ex.註冊表單 name: 小明, password:1234）
Params 網址參數頁 ｜
1. 預設只有 Query Params 搜尋參數，Path Variable 路徑變數，需要自行在網址上打上冒號＋變數名 (ex. ” : name ” )，才會出現 2. 設定方式都是採 Key – value ，可以根據情況彈性勾選
Authorization 驗證設定頁 ｜用來設定 Header 中的 Authorization 參數
常用驗證類型 1. No Auth | 不需要驗證 2. Basic Auth ｜帳號，密碼型驗證 3. token 驗證 ｜token 型驗證
區塊簡介
1. 成功接收到回應後，下方回應區塊就會有內容提供你參考，Postman 很貼心幫忙把回應資料分門別類，大部分情況只會檢視 Body 資料，如果有特別的需求，可以檢視 Cookie 和 Header ，是否有被加東西，另外開發時會特別關注版面右上的 回應資訊，例如狀態碼、回應時間、回應大小
回應資訊欄
Status code 狀態碼 ｜表示 API 回應狀況，常見如下 1. 200 | 成功取得回應 2. 400 | 請求參數錯誤 (檢查輸入的參數，是否符合 API 規定） 3. 401 | 未認證 (未登入認證，但請求需要登入的 API） 4. 404 | 請求的資源不存在 （新手常見是，URL 打錯，再檢查看看吧） 5. 500 | 內部 Server 出錯 （不關你的事，可能是 Server 掛掉了）
2024年5月2日 · 數據分析師實力培養攻略：解決模糊問題的五個步驟. 發佈日期: 2024 年 5 月 2 日 作者: Nancy Yang. 內容目錄. 成為數據分析師的第一步：你有解決模糊問題的能力嗎？ （ “Deal With Ambiguity”） 掌握 5 個步驟，有效解決模糊問題. 第一步：先停一下，確認需求並了解產業知識. 第二步：重新拆解問題. 第三步：分析問題帶來的影響. 第四步：確定問題的大方向與架構不偏離公司的利益. 第五步：執行分析. 我是一名任職於美國零售業龍頭的數據分析師，時常在 LinkedIn 上收到想要多了解數據分析領域的陌生私訊，內容往往是希望能更近一步地認識數據分析師的工作內容、職涯方向，以及如何判斷自己是否已是具有即戰力的分析師。
