Search
如果是設有自動駕駛裝置的汽車，該如何利用 AI 演算法避免可能發生的交通事故呢？
現在就跟著 科學再發現 一起看看吧！
延伸閱讀：
「自駕車智慧之眼」守護行車安全
https://pansci.asia/archives/163604
塞車好心煩！自動駕駛能解嗎？——台大資工林忠緯專訪
https://pansci.asia/archives/267123
量子電腦x量化交易！？
最近一個禮拜，我參加了台大 IBM-Q 舉辦的量子電腦黑客松，並列第一名，並且額外獲得鴻海特別獎。我們這組從零開始，只花了三天，也學到很多量子電腦的知識，還有認識新朋友，覺得非常的開心！
以前的黑客松，比較偏工程，想做什麼就做什麼，天馬行空，但是這次的黑客松，跟以往非常不一樣，有很多數理的成分，更重視理論，我們組的學歷陣容非常堅強，兩個博後，一個博士，兩個碩士，除了我以外，都是物理專長。討論的都是 Ising model、QAOA、quantum gate 等物理的概念。
我一開始真的是不懂，從 0 開始，好在 IBM 有出 Python 的 Package Qiskit，我看得懂程式和演算法，原來 Ising model 可用於解 maximum cut problem，原來 QAOA 可用於 Binary 的 quadratic optimizer，那我就把它們當成黑盒子，大概可以理解並應用了。
我很慶幸在博士班的時候，有把數學更徹底的學好一點，所以才能在這麼優秀的團隊中，貢獻所學的知識。在比賽中，我的專長，就是提供創意且實際的主題，跟寫浮誇程式介面XD，也是黑客松比賽非常重要的兩個要素。這次也很成功的繳出一張滿意的成績單！
經過這次的戰役，我人生中參加 4 次現場黑客松，4 次都有得獎，3 次是第一名，一大部分原因，是我歷史上參與比賽的伙伴，陣容都是非常堅強，有堅強的學術背景，工程技術，而且團隊向心力強，不會輕易放棄，肝也非常新鮮健康。我也有所貢獻，但是每一個人都缺一不可，都是比賽的致勝關鍵。讓我回想到那些一起熬夜寫程式的日子，真是太辛苦又太有成就感了！
雖然比賽很好玩，但我很少參加，因為平常已經夠忙了，做交易就已經很像是黑客松了！但是這次是我老婆邀請我去，剛開始勉為其難的答應，因為我真的不懂量子電腦，怕現醜。我老婆常會逼我做一些不想做的事情，但最後往往會有正向的回報，所以我常常會聽從老婆的決定，尤其是比較重大的決定ＸＤ，有她的主意，我的人生更精彩！所以既然要做，就要全力以赴，PyCon演講完回到台北，就馬上出發參加比賽。
不過這大概是我參加過，最不像黑客松的比賽了，早上七點起床，搭遊覽車到「台大溪頭自然教育園區」，都已經中午了！三天的比賽，其中半天搭車去，半天搭車回台北，都在搭車就好啦！不過搭車是活動的一部分，總比自行前往好很多吧！
於是我們就在山明水秀中討論數學、寫程式，也別有一番風味，但是物理界的黑客松風格，真的是跟一般的黑客松有很大的差異！一般黑客松，吃的都是垃圾食物，像是PIZZA，漢堡之類的，但在物理黑客松，竟然是吃合菜，很好吃！以前的黑客松，只有一間教室跟一堆二手睡袋，看你要不要睡，不睡拉倒。而這次竟然睡飯店！每個人竟然有一張雙人床可以睡，被單還可以控制溫度！
而且這個活動是免費的！！你或許會覺得，政府和學校又再浪費國家公帑了，讓學生們吃喝玩樂，花納稅人的錢，但其實，這是很聰明且省力的作法，就像是投資股票，要把錢砸在好的公司身上，讓這些頂尖的腦袋在舒服的環境下，請他們做一些科學上的突破，成效真的非常好，有鑑於這次的成果，IBM 決定在台灣2021年再辦一場，更大且國際級的量子電腦黑客松，各國頂尖學者聚集於台灣，產生的週邊效益，對於台灣科技的進步，絕對是一筆超級划算的投資！
我已經很久沒有接觸交易以外的程式了，這個禮拜出來玩三天，又可以得獎，算是一個另類的抒壓！平常都在製作交易程式，琢磨賺錢的程式很辛苦，本身的程式實力當然很重要，但有時候找到對的交易策略，就是需要長時間的琢磨，運氣成分也非常高，而最後如何判斷程式運行的是正確的？就是有沒有賺到錢囉！XD，但價格通常是隨機漫步，所以你真的很難確定，新程式能幫你賺錢，除非運行了一陣子，就算能賺錢，你還是會擔心它可以幫你賺多久，日子就在「擔心」的循環中度過。
寫一般的程式，就沒有這麼辛苦了，你得到的 feedback 是非常迅速且即時的，可以用就是可以用，不能就是不能，可以根據這個 feedback 快速優化程式，這就其實是寫程式最開心的地方，藉由不斷修正，程式變得越來越多功能，越來越好！
然而這次的比賽如何獲勝呢？量子電腦，目前真的還在傳統電腦真空管的時代，我覺得這次要得獎有兩種不同的方法，第一種，對於量子電腦的電路製作有真正的貢獻，第二種，將量子電腦做跨領域的結合。第一種對我來說比較困難，要在短時間瞭解各種不同的量子閘，並且做出量子電腦的具體貢獻，短時間不太可能，第二種，是我比較擅長的，就是做跨領域結合，將量子電腦的演算法用在不同的地方。
我們將資工系常見的感測器網路當作命題，做出車聯網的應用，利用量子力學的演算法，來做都市規劃建構感測器網路，為車聯網做提前的佈局，和計算感測器資料同步協定。另外也做了其他的應用，利用量子電腦做車輛定位（我承認這部分用量子電腦做沒有必要XD（沒有quantum advantage），但最後demo很炫就是了）。
在三天的時間裡，應用量子電腦的演算法，構建三種車聯網應用，相信是個很完整的結果！我們將競賽成果開源到github上，供大家下載下來玩，不過程式碼還有很多優化空間，請大家小力鞭策XD！
https://github.com/koreal6803/Application-of-quantum-optimization
之後會介紹跟量子電腦和這次黑客松有關的系列文章，也會講一些量子電腦用於程式交易的演算法，不過假如你期望量子電腦可以幫你拿來賺錢，看到這裡就好了，因為不太可能，量子電腦還在很早期的階段，就像是電腦在真空管的時代。但你假如你對數學不排斥，想要瞭解一些量子演算法，這個系列應該會很有趣！
附上這次比賽所有隊伍的題目和程式碼：https://github.com/qiskit-community/qiskit-hackathon-taiwan-20/issues
還有其中一組做的量子電腦遊戲線上玩讓大家體會量子電腦的奧秘，要組合quantum gate 來控制擊球的位置，我５秒內就掛了：
https://alfa871212.itch.io/qpong?fbclid=IwAR28Mw8zS3HBvNOdrf1R8z-60yW8AhVFjpvpG0nYt-lmNEw3FJxrS3bJ12k
也歡迎在下方留言，你究竟看 finlab 是想賺錢還是學程式的呢？
這兩天最熱門的新聞，便是台積電的股價市值創新高的消息。對於台灣的企業能達到這樣的成就，一方面是感到敬佩，一方面也會擔憂資源過度集中的問題。這裡說到的資源包含了政府政策的焦點、台灣資通訊人才的群聚而無法進入其他產業。
最近在看一份文件，由卡內基國際和平基金會的教育領域的副總裁 Evan A. Feigenbaum 所撰寫的報告，裡面內容很完善的討論到台灣過去的成功以及目前的窘況，包括少子化導致整體人力的萎縮、基礎科學及統計資工人才的不足、缺乏雙語環境及海外市場的企圖心，這都影響了下一世代新創產業誕生的可能。
另外除了問題面外，這份報告也列舉了幾項我們能思考突並作突破的部分，包含以色列整合軍事及產業的人才培育策略、APEC及美國印太平洋計畫旗下能讓台灣產生更多槓桿的子計畫、GDPR個資政策與重視未來人工智慧資安的方向，又或是台灣善用資通訊的高等教育吸納東南亞甚至全球的學生等（以目前台灣疫情的控制我個人認為有可能）。
可以看到，要營造整個有利創新的環境，不單單只是經濟部的科專或科技部的計畫等，甚至要連內政部、國防部、外交部、教育部也一起，統整出一個綿密的策略。
以下是我看了整本報告的筆記，單就翻譯品質上絕對不足的，但想說如果有興趣的朋友不妨一同討論，一起想想台灣該如何營造有利的制度，讓創新產業能踏穩及在全球有所突破。
以下筆記：
「台灣新創未來該如何突破？」
Carnegie Endowment for International Peace
卡內基國際和平基金會
Evan A. Feigenbaum
VICE PRESIDENT FOR STUDIES
https://carnegieendowment.org/experts/719
原文連結：https://carnegieendowment.org/…/assuring-taiwan-s-innovatio…
一、台灣五大未來創新上會面對的挑戰：
（一）STEM（科學、科技、工程、數學）人才跟人力的資本問題
（二）市場規模太小的問題
（三）硬體至上思維如何改變？
（四）如何為台灣增加附加價值？
（五）政府政策該如何幫助產業？
二、STEM（科學、科技、工程、數學）人才跟人力的資本問題：
（一）台灣必須加強STEM的人才訓練，特別是新創者的數學、統計、資工、資料科學的技能。
（二）在PWC 2018年的新創調查中，僅13% 工程背景、 7% 科學背景、13% 資訊背景，六成的創辦人為文學及商業背景。
（三）因為過去資通訊的成功，也磁吸了大部分相關人才到TSMC跟MTK。
（四）台灣少子化非常嚴重（全球最低），總體勞動力人口也不斷在萎縮，連帶的影響各種專業人力的總量，以及投入到科技領域的人數。
（五）台灣越來越少科學及工程的畢業生，從2007到 2014，每年相關的畢業生減少了快一萬名（從92167到83394）。
（六）綜上，每年透過教育體系產出的人才庫越來越萎縮恐會供給不足。
（七）台灣到美國就學的畢業生及在學生也都在萎縮，以2000跟2017來比較，在學生總數從10668到7003，畢業生從15022到9236 。
（八）出國留學者越來越少比例的人願意回台灣，2004到2007約65%留在美國，2012到2015約75%留在美國。
（九）留學美國者回台灣的重要性是在，過去80、90年代會形成一個美國跟台灣間的「腦力連結」，而塑造一個學術及業界的台美連結機制，對下一代人才的塑造是重要的。留學回國的數目下降，對形成前述的機制是不易的。
（七）人數減少，長期來說也會影響下一代重要技術，例如AI的競爭力。
（八）此外，台灣的學程所教授的內容通常距離最新的科技相隔三到五年。
（九）來自北京的人才競爭也不可小覷，它能透過薪資及市場的誘因來吸引台灣人才。
（十）台灣應思考如何透過生活品質及民主政體來吸引留住人才。
三、市場規模太小的問題
（一）人口萎縮也持續影響市場規模。
（二）即使本國市場小，還是有機會成為較大規模市場的服務跟平台，例如、來自瑞典的spotify，但這也關乎了台灣在前個主題的人才庫的養成。
（三）因為產業西進及人力成本的提升，目前台灣已經無法單一區域就完成一個完整的製造生態系。就連富士康及和碩，仍要跟中國的製造商合作。
（四）台灣的VC資源仍強壯，但也有VC反應近十年來台灣缺乏足夠的可成為投資標的新創團隊。也因此，有些投資單位也會開始物色中國的新創團隊。
（五）一大挑戰，便是吸引美國及國際的投資人，且過往台灣的市場資本曾經有被高估過，也是加深了這挑戰的原因。（這句得求證）
（六）另外一個台灣的大挑戰是，如何創造對投資人有誘因的下世代科技，然而台灣也面臨這部分的問題，包括AI領域的資料不足，或是量子計算的人才不足等。
（七）目前有許多中國的AI研究人員在美國的單位工作，這帶來兩個層面的影響：在八零九零年代台灣跟矽谷間的連結，取而代之的是中國跟矽谷的連結。未來美國諸多領域的AI的形塑方向，也會與中國有關。另外，基於華盛頓跟北京的競爭趨勢，也將有許多在美國的AI人才回流到北京。
（八）如果未來華盛頓跟北京的競爭加劇，世界將會分成兩大陣營。而北京也會持續運用各種方面的壓力來影響台灣、吸收台灣人才。
四、硬體至上思維如何改變？
（一）台灣另一個必須面對的問題是，過往硬體製造的成功經驗，也影響了下一代台灣的軟體硬體整合的發展可能。
（二）以中國大疆無人機為例，無人機算是軟硬整合的成慣例，除硬體外，有必須搭載不斷突破的演算法，同時，透過無人機拍攝的資料，又能持續改善演算法。這解決方案也吸引了許多全球跟美國的單位，包括美國，運用大疆的無人機再開發更新的軟體技術。
（三）台灣的切入點仍存在的，考量有些國家，包括美國，可能會對中國打造的AI科技有所疑慮，在這部分台灣應有潛力來取代服務。
（四）但即使要做到前述這點，用過往硬體生態系的思維來面對也並不合適，得直接有軟硬整合的思維基礎來面對。
（五）台灣必須找到基於硬體及軟體的優勢來發展，像是以色列及愛沙尼雅的做法。
（六）以生物晶片作為基礎建設發展的生物科技，並整合硬體、韌體及軟體，也是可考慮發展的方向。
（七）要如何用硬體優勢、結合軟體，以彈性的工程概念迅速打造下一世代的高科技的基礎建設，對台灣來說是必須發展及規劃的。
五、如何為台灣增加附加價值？
（一）東亞的製造供應鏈正迅速在轉變，，從中國轉移到越南、馬來西亞或印尼，因為中國的工資成本也在上漲。2017年爆發的美中貿易戰也正加速此進程。
（二）有些供應鏈的轉移並不容易，例如廣東富士康的微電子零組件生態系，而泰國或越南也難以吸收這樣的產業移入。而富士康的印度基地是轉移的其中一個例子，同時製造印度人口所需的手機已經小米的機體。
（三）台灣的挑戰包含了：
A.必須瞄準新科技（AI及量子技術）的其中一部分製造鏈，而這些新科技的廠商包含雅馬遜、GOOGLE或是中國的百度、阿里巴巴等。
B.台灣可以尋找一些目前平台大廠尚未提供服務的領域，而這服務是針對消費者市場的。包括醫療、教育、資安的部分，都仍有發展軟體、人工智慧的空間。
（四）在台灣，雖然礙因於資料量，較難發展大量資料所產生的人工智慧企業，但有許有機會發展少資料型的人工智慧演算法。
（五）除了ICT跟半導體，大部分產業過去都聚焦在低毛利的製造，也造成未來轉移至高值化的障礙。
（六）台灣必須綜合國際趨勢、尖端科技及研發能量，找到對台灣來說高附加價值的產業發展。也能參考美國未來市場所需的人工智慧及量子計算來發展。
六、政府政策的幫助
（一）許多台灣政府的政策或計畫停留在陳述的階段，即使有加強對人工智慧的投資力道，但並沒有有效地針對特定領域訂定策略。相對來說，美國及歐洲都有進行規劃策略，以日本發展AI醫療為例，政府便有計畫建立十處以AI為基礎的醫院來發展AI醫療，投入金額將在2025達到100 million美元。中國也發展人工智慧人臉辨識，進而誕生出獨角獸Megvil，此公司最近也沒加入美國商務部的Entity list。
（二）這說明了，過往台灣在硬體的成就，難以讓台灣在未來的科技競爭上穩穩站足。
（三）政府應引導整個台灣發展市場上有興趣的項目，讓國外的投資者能不斷投注資源，並且不讓法規或稅制造成這類投資的障礙。
七、台灣應針對上述五點問題進行解決，並且也在國際間找到能一同解決的合作夥伴。像是過去台灣跟矽谷的合作，應該與美方產生一種新世代的合作模式來解決前述問題。
以下是討論建議參考的解決策略：
八、STEM（科學、科技、工程、數學）人才跟人力的資本問題：
（一）雙語經濟是能加強的方向，透過英語的加強來征服區域及全球的國際化挑戰。
（二）台灣可做為一個區亞洲域型的高等英文工程相關課程（電機、機械）的中心，吸引東南亞學生，以相較於美國及歐洲、澳洲更低價的課程來吸引東南亞電機人才，並透過策略留住這些學生在台灣電機相關領域。
（三）從此刻，為了往後十年到二十年的STEM人才庫做努力，同時這樣的人才庫得累積包括科技、商業、軟硬整合，讓台灣能發展人工智慧、量子計算及資安等領域。
（四）針對5+2產業，應在大學建立相關的新創加速器。先從政府資源挹注，後續再由業界資源銜接。這些加速器應扶植跟聚焦的技術，並不是短期投資市場所關注的，反而應關注長期有潛力發展的技術。
（五）政府應鼓勵學校，引導商學院學生加強科技的應用技術，同時也加強理工、電資學院學生商業及金融的知識，培養綜合型人才。
（六）台灣在各方面都有人才，然而國際交流型的人才還是太薄弱。
（七）按照PWC 2019新創的調查，60%的新創團隊並沒有聘用能推展國際化的人才 ; 54%的團隊沒進行投遞或參加國際的展演及投案 ; 只有30%有針對國際市場進行評估。
（八）即使台灣團隊嘗試培養很前端的科技技術，然而終究會因為缺乏國際的管理者，而導致難以開發台灣以外的市場。
（九）以色列模式：
A.瞄準遠期尖端科技，特別是數年後才會帶來收益的科技。
B.策略並不會雨露均霑，而是選擇有足以作為特色及槓桿的項目，像是基礎科學及資工便是投入好幾年資源的項目。
C.透過政策及策略銜接軍事單位、軍種及業界，讓好的人才在當兵時能得到更完整的培訓及成為業界能善用的人才。
D.許多以色列人能流暢的使用英文，因此台灣也能考慮雙語政策，同時許多以色列的企業會企圖發展更國際化的市場（美國及歐洲），及具備有國際化的眼界。
（十）台灣能持續推動的國家政策：
A.有利國際創新的簽證
B.引入國際的產業導師制度，用公私協力的方式，引入國外特訂領域的導師，來觀察及督考台灣各領域的發展，可能的領域包含量子計算、資安、生物科技。
C.擴充gAsia Pass的應用情境（再研究）
D.建立一個跨太平洋的諮詢平台，把投資、需求、選題及台灣的研發能量對接起來。
E.承上面諮詢平台的建立，也同步在教育層面建立，將學術能量引入。
九、市場規模太小的問題
（一）三種策略：台灣做為一個中繼站（hub）、一個值得信任的供應商、以及一個高效能的導管。
（二）台灣做為一個中繼站（hub）
A.不只資料數量重要，資料的處理、資料的合成、資料的部署同樣重要。也可從以色列跟愛沙尼雅的案例看到，如何善用各政府單位及民間單位的能力及優先緒，來增進工業的價值鏈。
B.政府可作為高品質資料的提供方。此外，台灣也能善用法治基礎，來加強資料保護及個資保護的標準。
C.作為APEC中的領導角色，目前APEC中有在討論物聯網跟數位經濟的資安標準，台灣應扮演主導角色來引導框架及提供處理上的案例。
D.成為GDPR標準在亞洲施行的最佳案例。
E.美國的印太平洋策略中包含資安環節，台灣及華盛頓應保持交流溝通管道，在全球及APEC上一同推動。
（三）台灣作為一個值得信任的供應商
A.政府應針對5+2產業旗下的各創新計畫進行TVCP（trusted vendor certification program）認證，加強這些計劃的品質及可信任度，活用優勢，與國外的合作單位共同開創新科技的標準。
B.作為美國的新科技產品的場域實測基地。
（四）台灣作為一個高效能的導管
A.美國團隊也同樣對東南亞快速擴張的市場感到興趣，台灣能成為比中國更信任的夥伴，連結美國進入東南亞市場。
B.美國目前有 New Southbound Policy及 U.S. Indo-Pacific strategy，加入旗下的數位及資安相關的計畫，目前南韓已有加入。
十、硬體至上思維如何改變？
（一）應挑選前瞻的重點軟體科技領域，進入扮演重要的角色（AI、IoT）。
（二）台灣在量子運算上仍未有具規模的使用者，然而學界目前有美國IBM合作的計畫。
十一、如何為台灣增加附加價值？
（一）美國正調整供應鏈對中國的依賴，並尋找下一階段科技上的夥伴，特別是在AI及物聯網、生物科技技術上無資安疑慮的合作夥伴。而這是台灣的機會，台灣應盡可能在這些領域的安全技術標準上佔有一席之地。
十二、政府政策該如何幫助產業？
（一）從半導體的經驗來看，政府政策的投放必須是長期持續、且眼光放遠、針對先進科技的。
（二）台灣在研發上的投入資金比例上越來越少。
（三）調整政策讓基礎研究能成功商業化非常有必要。
（四）接下來三年到五年有些美中的合作計畫有可能停止，台灣必須成為有潛力的取代對象。
（五）台灣目前有加入APEC Cross-Border Privacy Rules，目前該組織的方向趨向歐盟的標準，台灣可先針對GDPR系統預作準備。
（六）台灣應該更積極加入更多科技業標準的制定，特別是接下重要的科技如物聯網、資安等。
現在學習知識的渠道越來越多，無論對於零基礎或是有經驗的工程師，想要持續成長應該看書還是看影片來的更有效率呢？
主要會和你分享我過去從新手到資深的過程中，如何持續保持進步及學習的經驗
也許這個經驗可以幫助到你，也歡迎留言和我分享你的看法
相信彼此分享不同的學習見解，能讓對於想要更精進自己程式開發功力的人有很大的幫助
===章節===
00:00 哪一個有效律?
00:36 寫程式如同寫作
05:14 書是最便宜的資源
10:14 折扣碼操作示範
===蝦皮購書折扣碼===
折扣碼：FLAGNIC36
時間：2021-03-29 ~ 2021-06-29
折扣碼：FLAGNIC79
時間：2021-06-30 ~ 2021-09-30
折扣碼： FLAGNIC11
時間：2021-10-01~ 2021-12-31
===前陣子在看的推薦書單===
（零基礎）
- 白話演算法！培養程式設計的邏輯思考
- Python 刷提鍛鍊班
（中高階）
- 設計模式之禪(第2版)
- 無瑕的程式碼－整潔的軟體設計與架構篇
- 單元測試的藝術
- 演算法之美：隱藏在資料結構背後的原理(C++版)
- Kent Beck的實作模式
（Ruby）
- Writing Efficient Ruby Code
（成長思考）
- 圖解．實戰 麥肯錫式的思考框架：讓大腦置入邏輯，就能讓90%的困難都有解！
- 師父：那些我在課堂外學會的本事
- 高勝算決策：如何在面對決定時，降低失誤，每次出手成功率都比對手高?
- 窮查理的普通常識
- 懶人圖解簡報術：把複雜知識變成一看就秒懂的圖解懶人包
- 寫作，是最好的自我投資
喜歡影片的話！可以幫忙點個喜歡以及分享、訂閱唷！😘
━━━━━━━━━━━━━━━━
🎬 觀看我的生活廢片頻道: https://bit.ly/2Ldfp1B
⭐ instagram (生活日常): https://www.instagram.com/niclin_tw/
⭐ Facebook (資訊分享): https://www.facebook.com/niclin.dev
⭐ Blog (技術筆記): https://blog.niclin.tw
⭐ Linkedin (個人履歷): https://www.linkedin.com/in/nic-lin
⭐ 蝦皮賣場: https://shopee.tw/bboyceo
⭐ Github: https://github.com/niclin
⭐ Podcast: https://anchor.fm/niclin
━━━━━━━━━━━━━━━━
✉️ 合作邀約信箱: niclin0226@gmail.com
#寫程式 #前端 #後端
## 影片觀看說明
由於問題較多，大家的問題也可能是你的問題，建議可以先閱讀下方的「問題總匯」區，找到時間碼 Time code 之後跳轉到自己想聽的部分，會比較有效率哦
本影片 Q&A 留言是抓取
【2020 年度回顧! 成為 Team leader? 業外收入增加? 技術能力成長? (第一次蒐集 Q&A)】https://youtu.be/BGaDN9wxbKE
## 影片中提到的專案
簡單用 React 撰寫的留言爬取篩選功能，可以自己抓去玩
https://github.com/niclin/youtube-comment-filter
## 問題總匯
00:00 開場
01:26 QA-1 - 林天寸
一直很喜歡妳的頻道，不單單是因為工程師，當然也有部分原因是自己也是走工程師這條路的。
前一年2020年開始，其實是我剛轉職工程師的第一年，在滿多地方都遇到不小的問題，在troubleshooting上面也是有許多瓶頸的。
後來除了白天上班，下班看書跟休息，偶然間看到你的影片[工程師如何自我進修]，才開始慢慢用計畫的方式取代橫衝猛幹。
不得不說，規劃時間真的是比起技術性的功力還更有成效。因為它讓你適時的放鬆跟加強，然後在工作上面才更有長進，雖然很幹話，但我2020的下半年是這樣做的。
目前在準備考取網路管理的證照CCNA，計畫是走network這一塊，還有很多要磨練的。希望也能多看你產出跟network的影片，這是私心話啦，哈哈。
02:57 QA-2 - 仔仔
1.學程式會建議從前端或是後端哪個開始學會比較好?
2.一開始投履歷如何判斷一家公司是可以成長的，而不是進去3，5年後還是那個跟剛進去程度相差不遠的自己差不多
3.跟程式相關的產業有很多(像是製造業到博弈)，可以請Nic分析一下各產業的狀況嗎?以及進去各產業前須要具備哪些程式語言或能力?
4.投履歷時看到一些公司列出所需程式語言和工具一大堆，是不是代表你沒完全具備就不要投履歷了，還是可以請Nic給個意見哪些部分還是可以投看看
5.都說工程師又宅又不會說話，為什麼Nic可以交到女朋友?
10:40 QA-3 - ANDREW NG KAR EARN
如果当写编程语言遇到瓶颈，有什么方法可以有效地避免自己陷入钻牛角尖的情况？
11:46 QA-4 - JS Lin
如果NIC現在選擇能馬上精通一項語言會是哪個？會想用來做什麼PJ？
13:13 QA-5 - Rick0
成為 team leader 後無法直接在技術上有更深入的研究和突破，這樣的變化是否值得?
是否會擔心這樣在技術上跟不上其他人，甚至被下屬看輕呢?
14:39 QA-6 - Henry蔡
因為最近是寒假期間，
我開始考慮下學期的修課，
想請教nic大大，
應該在有什麼樣的基礎上，
開始學design patterns？
我目前是碩士生，
大學非資工本科，
學過Python，
也跟過一些網路影片實作過Flask+PostgreSQL，
大學學過資料結構演算法，
但不到得心應手的程度...
16:07 QA-7 - 黃柏瑋
如何同時Handle好好幾件事
我怎麼覺得上班，然後下班假日寫寫side project後就沒啥時間了🤔🤔🤔
17:24 QA-8 - 乾太
我想問一下這年頭轉行斜槓 VTuber 還有沒有搞頭A？
18:10 QA-9 - uuu06222
之前開始關注你有知道你有面試過人的經驗, 想問一下站在面試官的角度...
面試官會不會比較注重作品需要呈現那些東西, 或是有沒有什麼禁忌是不能碰的嗎?
20:07 QA-10 - Joery Lin
想請教您對於對於給你很多成長和照顧的公司，倘若您有一個更好的機會，無論薪水或未知挑戰都大於現在公司。
您將如何做選擇，或許現在公司會給你加薪留下你。
因為自己曾放棄了許多機會
21:37 QA-11 - YangTing Zheng
Q1: 想問通常一個產品開發的週期都多長呢？負責維運和開發的工作內容是否會差很多？
Q2: 想請您簡單介紹一下資工系學生的出路/工作內容？(如PM.SA.DBA.PG.RD.MIS…或是還有其他的？）
24:16 QA-12 - RTB
Hello World
24:18 QA-13 - Barry
目前是公司MIS 很想轉職成後端工程師，但在面試上面都都時常失敗
常常在問技術關卡時就被問倒了，總覺得 要準備的東西非常的龐大
毫無準備的頭緒，總覺得一直寫side project也不是辦法
26:49 QA-14 - 因地制夷
想請教Nic 有在做投資嗎? ex 股票 想聽一些投資心得
27:13 QA-15 - 比歐
想請教 Nic 大，
在之後的工程師生涯中之後有甚麼規劃或想法嗎?
例如:開發產品創業，或是開班授課、轉做顧問之類的。
28:14 QA-16 - yongming jia
请问新手如何学编程，学完去做什么？怎么自己创业？谢谢🙏
29:33 QA-17 - Minghao Chang
是否能請您推薦用來開發的筆電？（正好最近要汰換電腦），想從今年開始養成寫side project的習慣，謝謝。
30:31 QA-18 - Guan Jun Chen
想知道像Nic這麼厲害的工程師，年薪大概落在哪裡
30:46 QA-19 - Sheng Jiang
想請問Nic，如果非資工背景但是對寫程式有熱情，想轉職當軟體工程師，會建議如何起步?
補充：像是什麼樣的人適合自學，什麼樣的人適合去補習，或者補習跟自學的情況各有哪些優劣?
謝謝Nic
## 結尾
31:49 感想
喜歡影片的話！可以幫忙點個喜歡以及分享、訂閱唷！😘
━━━━━━━━━━━━━━━━
🎬 觀看我的生活廢片頻道: https://bit.ly/2Ldfp1B
⭐ instagram (生活日常): https://www.instagram.com/niclin_tw/
⭐ Facebook (資訊分享): https://www.facebook.com/niclin.dev
⭐ Blog (技術筆記): https://blog.niclin.tw
⭐ Linkedin (個人履歷): https://www.linkedin.com/in/nic-lin
⭐ 蝦皮賣場: https://shopee.tw/bboyceo
⭐ Github: https://github.com/niclin
⭐ Podcast: https://anchor.fm/niclin
━━━━━━━━━━━━━━━━
✉️ 合作邀約信箱: niclin0226@gmail.com
#QA #工程師 #在地上滾的工程師 #前端 #後端 #轉職
硬核的知識也許不是每個工程師都能夠在職涯發展中完全運用到，但無論是本科系、轉職、自學成為工程師的朋友，都應該要知道，這些紮實的背景知識提早學習起來，在未來的日子裡，只有好沒有壞。
就透過本影片我的真實經驗分享，告訴你這些我在大學時期看似枯燥乏味的理論，其實就是程式設計內功，而日後沉睡已久的內功卻又恰巧的在職涯旅途中碰上用處。
章節:
00:00 學這些有用嗎
00:52 我與速成班的距離
04:45 業務增長後的影響
06:36 基本功知識科普
喜歡影片的話！可以幫忙點個喜歡以及分享、訂閱唷！😘
━━━━━━━━━━━━━━━━
⭐ 蝦皮賣場: https://shopee.tw/bboyceo
⭐ instagram (生活日常): https://www.instagram.com/niclin_tw/
⭐ Facebook (資訊分享): https://www.facebook.com/niclin.dev
⭐ Blog (技術筆記): https://blog.niclin.tw
⭐ Linkedin (個人履歷): https://www.linkedin.com/in/nic-lin
⭐ Github: https://github.com/niclin
⭐ Podcast: https://anchor.fm/niclin
━━━━━━━━━━━━━━━━
🌟 任何問題或合作邀約信箱: niclin0226@gmail.com
#資料結構 #演算法 #計算機概論 #前端 #後端 #工程師
呂教授並附上盜用的課程YouTube 公開連結，為台大資工系副教授陳縕儂的「演算法課程」影片。 ---. 有學生表示，第一眼就看出這是呂老師的投影片，所以沒有 ... ... <看更多>
微積分甲下 · 普通物理學甲下 · 資料結構與演算法 · 機率 · 機器學習(電機李宏毅) · 數位系統與實驗 ... ... <看更多>
台大 資工 演算法 在 [問卦] 台大資工系演算法課不是專攻演算法的教授- 看板Gossiping 的推薦與評價