創新工場和BCG諮詢合作的「+AI改造者」系列:看看馬上贏如何在巨頭競爭下,用大數據驅動業務,實現傳統零售商和品牌商的雙贏。
改造者系列:科技巨頭下的AI企業制勝之道?-- 本文来自BCG微信公眾號,經授權轉載。
近期,創新工場聯合BCG波士頓咨詢旗下亨德森智庫,推出「AI融合產業:『改造者』如何促進AI普惠」系列研究。人工智慧在中國大陸有著明確的落地應用場景,大量的AI企業活躍於這些垂直場景中,我們定義這些企業為「改造者」。「改造者」通過傳授其AI技術和垂直行業理解,極大地打破了傳統企業應用AI的瓶頸。
作為擅於趨勢前瞻的TechVC,創新工場長期看好AI領域,深入佈局,至今已經投出了7只AI獨角獸。在系列研究中,我們采訪了數家創新系AI企業,通過這些「改造者」的視角,探究傳統企業擁抱AI的範式與路徑。
馬上贏是創新工場投資的大陸領先的快消行業大數據公司,其定位是中國快消品行業的風向標,零售監測的新標準,成為中國的「尼爾森」。通過信息化賦能小規模零售商,馬上贏打通一個個數據孤島,以大數據的方式挖掘零售數據的商業價值,為品牌商提供產品動銷數據與競品監控服務。
為了讓數據更好地服務於新品研發和上市,馬上贏引入了PDCA(Plan, Do, Check, Act)循環,通過數據說話指導快消品快速迭代,提升零售商銷售收入。
具體來說,品牌商可以在零售商的渠道內測試包括售價、外觀、營銷、陳列等要素,通過數據回饋指導新版本,實現往復循環。
在采訪中,馬上贏創始人猴哥(王傑祺)表示,垂直領域內的AI創新需要符合企業自身的需求,要在巨頭的基礎設施之上,基於更好的訓練集和更專業的垂直行業知識,不斷突破行業壁壘,優化垂直領域的AI創新。
■系列導讀
本系列由BCG亨德森智庫與創新工場董事長兼首席執行官李開復博士帶領的創新工場團隊共同推出,圍繞「AI融合產業:『改造者』1如何促進AI普惠」的課題,我們致力於探究傳統企業在應用AI過程中的關鍵要素與合作夥伴,以及傳統企業擁抱AI的範式與路徑。
在零售領域,馬上贏致力於定義中國快消品零售監測行業的新標準,成為「中國的尼爾森」,通過免費為連鎖零售商提供市場情報和「零售數字化鐵三角」2,與零售商進行數據合作,將海量的線下快消品零售數據轉換成精准的市場洞察情報。
1 「改造者」 通過傳授其AI技術和垂直行業理解,極大地打破了傳統企業應用AI的瓶頸,充當產業中傳統企業應用AI的橋樑。「改造者」包括AI企業與成功轉型AI的傳統企業。
2 「零售數位化鐵三角」指通過PDCA循環迭代的方法提升零售商銷售收入。P=Plan:52周企劃;D=Do:會員營銷;C=Check:BI看板;A=Act:改進。
■本期受訪嘉賓:猴哥(王傑祺)
馬上贏正在建設覆蓋線下門店最多的零售監測網絡,為連鎖企業免費提供BI看板、52周企劃3、會員營銷和市場情報,推進連鎖企業數字化轉型。
猴哥(王傑祺)是馬上贏的創始人兼首席執行官,清華大學學士,美國華盛頓大學碩士。他是原阿里巴巴集團資深產品專家,曾于美國UPS供應鏈部門擔任高級工業工程師。在創立馬上贏之前,他曾創業推出購物助手(如意淘),後被阿里收購。
3「52周企劃」指依托馬上贏的大數據AI技術説明零售商實現精細化管理。零售商可以瞭解一年中每周適合銷售什麼類目的產品,與陰曆節日、陽曆節日、節氣、特殊事件(如比賽活動)關聯,提升門店的銷售計劃能力。
■對談實錄
Q1 馬上贏為什麼選擇切入零售賽道?如何定義「中國的尼爾森」?
猴哥:馬上贏致力於定義快消品零售監測的新標準,做「中國的尼爾森」,為零售商和品牌商提供服務。面向零售商,馬上贏免費提供ABC服務,即AI、big data(大數據)、Cloud(雲服務),以換取訂單數據;面向品牌商,馬上贏基於零售商的脫敏數據提供大陸市場情報,賺取收入。
馬上贏發現,大陸的市場過於分散,零售的毛利又低,大量規模小的零售商缺乏足夠的IT費用以支援其獨立完成信息化應用,但他們對信息化的需求又是真實存在的。另一方面,品牌商有意願和能力為市場情報、動銷數據支付費用。馬上贏看到了零售商和品牌商的痛點以及購買力的巨大差異,嘗試通過為零售商和品牌商提供所需服務來提升整個行業的效率。
馬上贏一方面向零售商免費提供差異化的信息技術服務,按零售商的需求提供BI看板和市場情報支援,另一方面向品牌商提供產品動銷數據與競品監控服務。此外,馬上贏還在著重提升AI演算法和大數據中台數據處理能力,以便支援更多零售商和品牌商的數據服務需求。同時,這些技術優勢和服務支撐能力説明馬上贏建成大陸覆蓋範圍最大的即時零售數據監測網絡。對於馬上贏和客戶而言,這是雙贏。
在數據治理中,馬上贏需要做的是建立相對統一的內容體系,實現統一的度量衡。比如同一個條碼的商品在不同門店的名稱寫法不同,傳統方法是通過人工進行校驗和修正之後才能統一名稱入庫。馬上贏通過自己搭建的超1,600萬條碼的商品庫,使用AI演算法對零售數據做分類、清洗,並基於完善的商品知識圖譜體系標記商品屬性,再由BI看板提供數據洞察服務。馬上贏的這套全流程自動化體系,極大地提升了數據處理和情報產出的速度和效率。
Q2 相比數據咨詢商、科技巨頭等其他類別的競爭對手,馬上贏的差異化優勢是什麼?如果品牌方想自己做零售大數據,馬上贏怎麼應對?
猴哥:以往零售商想實現信息化必須高價購買專門技術公司的服務,只有少數資金充足的大零售商可以負擔得起,零售行業中數量眾多的中小型零售商往往望洋興嘆。而品牌方一般很難獲取到這些生意占比很大的中小型零售商數據,因而會尋求數據咨詢商的數據服務。但出於成本和利潤的考慮,數據咨詢商往往只服務最頭部的品牌商,在大陸可能只有幾百個品牌商能消費得起數據咨詢商的服務。相比之下,馬上贏合作的品牌商更加廣泛,從新銳品牌、區域性品牌到成熟品牌、頭部品牌,馬上贏都可以提供符合客戶需要的數據服務。
數據咨詢商從少數零售商那裏提取商品月度銷售匯總數據,再將數據整合為大盤情報,賣給少數頭部品牌商。但馬上贏從「激活生態」的角度出發,説明零售商提升數據運營能力,獲得大量一手銷售訂單數據,可以為品牌商提供更詳細的數據洞察服務。此外,馬上贏由AI賦能數據清洗和BI交付,從而可以提供即時的、更細顆粒度的看板,可以提供細到省級、地級市級、業態級、SKU級顆粒度的數據。
相比電商巨頭,馬上贏選擇線下快消品零售行業,覆蓋更多的線下零售商,涉及更豐富的業態,有大賣場、大超市、小超市、便利店、食雜店等等。在商品品類的選擇上,馬上贏暫不拓展美妝、服裝等電商渠道占比超過50%的品類,而選擇線上化率相對更低的品類,如食品、飲料、日用品。這些品類消費時效性高、頻次高、單價低,線上購物場景並不適合線下。
至於品牌方自己做零售大數據,馬上贏早前就思考過這個問題。我們和大品牌都聊過,如果建立品牌方自己的銷售追蹤網絡是否可行,得出的結論是不可行。一是單一品牌方來做大數據,做完了只能自己受用,成本攤下來很不合算,還不如投資AI企業,實現專業化分工;其次,品牌方還有一些技術壁壘解決不了,攻克下來只會對成本端造成更大的壓力,得不償失。
Q3 馬上贏在賦能零售商和品牌商的過程中遇到的最大挑戰是什麼?
猴哥:最大的挑戰來自於行業裏不透明的競爭——現在做AI的企業太多了,很多企業會虛報準確率,噪音特別大。
AI在每個垂直行業的落地需要很多行業知識,其次才是疊加AI演算法。但很多傳統企業對AI的期待特別高,導致市場上各種聲音魚龍混雜,每個企業都在講述「AI萬能」的故事。馬上贏不會激進地過度承諾,但這種冷靜和狂熱之間的衝突會帶來很多麻煩——當別的AI企業過度承諾其自動補貨的準確率高達95%的時候,馬上贏如果表示我們的準確率位於70%—85%的區間,傳統企業就會輕視我們的實力。現在,垂直行業裏缺乏行業組織或者專業機構來做客觀、公允的第三方普查。比如在圖像識別、自然語義處理領域,都有比較公認的訓練賽,大家用演算法的跑分說話,相對而言就比較客觀。落到垂直領域裡,每個企業自己報數據,很多時候就會有水分。
馬上贏曾經考慮把收集的數據脫敏之後貢獻出來,讓大家有一個公平的舞臺競技,但是很難運行起來。僅僅共享數據不足以激勵演算法團隊,需要行業組織定期舉辦競賽、活動等,或者像Netflix舉辦推薦演算法比賽,通過資本來激勵大家參與,僅僅靠社區運轉不起來。
Q4 你認為未來AI企業的發展趨勢是什麼?
猴哥:有能力的巨頭要持續加強行業的基礎設施,讓開發AI的人能有更好的工具,讓雇不起博士生的企業也能應用AI,實現技術普惠。同時,垂直領域內的AI創新需要符合企業自身的需求,AI企業要在巨頭的基礎設施之上,基於更好的訓練集和更專業的垂直行業知識,不斷突破行業壁壘,優化垂直領域的AI創新。我相信這是我們的生存之道——「科技巨頭靠算力,我們靠設計」。
同時,大陸的零售行業在洗牌,有很多更具備數據化思維的新品牌在躍躍欲試。以前是渠道經濟,在社區裏搶到點位就能有流量,未來是有技術、數據和管理能力的品牌才能從老品牌手中搶到點位。此外,隨著許多快消品牌逐步上市,出現資本外溢,更多的人會開始創業,疊加當前快消巨頭的二代交棒窗口,零售領域將有新一波浪潮湧動。我相信,未來的零售行業會更加擁抱數據,擁抱AI。
■要點回顧
1. 不只是技術層AI要有標準,應用層AI也需要標準。垂直領域應用AI需要由行業組織或龍頭企業牽頭制定公認的行業標準,從而促進AI企業公平有序發展,這也將反哺傳統企業,促使傳統企業的AI應用提質增效。
2. 「科技巨頭靠算力,AI企業靠設計」,結合巨頭提供的行業通用基礎設施和「改造者」特有的垂直領域數據集和算法,各取其長,方能最大化傳統企業應用AI的效率。
同時也有5部Youtube影片,追蹤數超過2萬的網紅Untyped 對啊我是工程師,也在其Youtube影片中提到,拖了三個月的軟體工程師面試SOP在此獻上!把面試當作刷題的我,把面試經驗技巧,努力濃縮再濃縮,還是有15分鐘的精華,只要五步驟,面試照著做,保證你 ace the coding interview like a PRO (most of the time). 這集會聊到... 💬 Overvie...
「如何成為演算法工程師」的推薦目錄:
- 關於如何成為演算法工程師 在 Facebook 的最讚貼文
- 關於如何成為演算法工程師 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
- 關於如何成為演算法工程師 在 Facebook 的最佳解答
- 關於如何成為演算法工程師 在 Untyped 對啊我是工程師 Youtube 的最佳貼文
- 關於如何成為演算法工程師 在 在地上滾的工程師 Nic Youtube 的最讚貼文
- 關於如何成為演算法工程師 在 Untyped 對啊我是工程師 Youtube 的最佳貼文
- 關於如何成為演算法工程師 在 MTBA 線上講座:生科博士如何成為演算法工程師? - YouTube 的評價
- 關於如何成為演算法工程師 在 加入台積共創奇蹟- #資訊系統開發工程師我們透過機器學習與 ... 的評價
- 關於如何成為演算法工程師 在 演算法工程師ptt - Lab3D 的評價
如何成為演算法工程師 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
從火星探測系統到輔助工業製程,美國工業用 AI 新創 Beyond Limits 如何在台灣做到技術在地化應用?
李佳樺 2021/08/13
從2012 年美國太空總署成功將探測車「好奇號」送上火星至今,已經過了3000多個「火星日」,肩負著火星探測的重要任務,8年來好奇號傳回許多對火星的重要觀察與發現。背後更不為人知的,則是好奇號的 AI 運算系統,其實是由美國新創 Beyond Limits 的團隊建立的,公司發展至今也將觸角伸到能源、先進製造等產業,建立 SaaS 服務,為產業提供 AI 輔助平台,2020 年更獲得 1.3 億美元的投資,拓點到台灣、日本、新加坡、香港等地。
Beyond Limits 將 AI 應用到產業製程的契機,源自於當時跨國石油集團 BP 在墨西哥灣發生的漏油事件,企業希望導入 AI 優化決策過程,合作中也發現了石化能源產業的痛點,研發出石油配方建議系統、石油製程操作檢引系統等 SaaS 產品,不僅受到美國石油公司歡迎,日本市場也買單。
有了日本的先例,這套美國研發出的產品,照理說要拓展到亞洲市場應該不成問題,不料到了台灣卻窒礙難行,甚至需要重新開發不同的產品。
Beyond Limits 的台灣團隊究竟面臨了什麼挑戰?
台灣市場與美國差異大,Beyond Limits 台灣團隊必須如創業般從頭研發產品
台灣分公司總經理張中宜說明,台灣產業的先天特性,讓美國母公司已開發的產品都面臨市場可行性低落的問題,以石油產業的產品舉例,在台灣只有中油、台塑兩個客戶,且台灣的石油公司並不做研發工作,多半直接向國外公司購買配方,因此團隊必須在美國 SaaS 模式 的技術基礎下,研發出符合台灣市場、針對不同產業需求的商品。
「Beyond Limits 在台灣設立公司時的處境,跟重新創業差不多。」張中宜表示,AI 應用產品的開發不僅需要能夠從零開始寫演算法的工程師,也要有懂產業製程的專家團隊,龐大的研發費用與對產業專家的需求,讓每一次產品開發都像募資活動,團隊必須透過產業訪談做足市場研究找到痛點,說服製造公司與他們合作開發能解決產業問題的軟體。
然而開發全新市場對張中宜來說並不陌生。
她曾經在孟加拉創立幫助偏遠地區孩童課輔的非營利組織 e-Education ,第一年就讓偏鄉學子考上孟國最高學府卡達大學,更順勢搭上鼓勵企業與 NPO 合作的開放式創新風潮,讓卡西歐、 AI 新創、安永都找她擔任顧問,執行戰略布局或開發新通路的工作,面對 Beyond Limits 在台灣的難題,團隊選擇了電動車電池研發、面板機器手臂維修與人流異常預警系統等三個產業切入。
延伸既有美國產品技術,尋找合適的台灣在地產業切入開發產品
選擇電動車電池產業與 Beyond Limits 在美國石油產業的經驗有關,研發電池的過程與石油廠研發機油的邏輯相似,痛點都在於漫長的研發過程,就像做菜時要多次嘗試才會知道多少的鹽與油才是最佳的調配一樣,電池配方更要經歷至少半年的實驗,且實驗設計也要在無數次團隊與客戶的交鋒後才能成型,溝通成本相當高昂。
使用 Beyond Limits 導入認知 AI 架構的電池配方建議系統,研發人員只要以自然語言輸入期望的電池規格、價格與電車轉速,系統即可在 43 分鐘內提供數百種配方與實驗方式供選擇,縮短約 2 千倍的研發時間。
Beyond Limits 也在 7 月 29 日宣布與日本的三井物產公司進行策略結盟,以其認知 AI 的核心技術,協助三井投資的液化天然氣廠進行巨量資料分析,並整合作業人員專業知識與數位化作業模式,制定出精簡有效率的解決方案。日本三井整合數位策略部部長常務董事真野雄司氏說,透過與 Beyond Limits 的合作可以改善與再造營運流程,更有效率執行現有事業群的高附加價值項目。
另外,Beyond Limits基於公司在美國既有的輔助風電機維修平台,投入面板機器手臂維修建議系統的開發,「雖然也想在台灣用同一套產品幫助風電產業,也與風電廠陸續接洽,但台灣的風電仍在建設階段,缺乏營運經驗,目前的維修需求也不高。」張中宜談到,市場開發的大方向是要在台灣尋找具備預測維修需求,且市場密集、成熟的產業,公司在與投資人仁寶電腦的合作中,發現光電面板產線中機器手臂的維修概念與風機維修類似,而且痛點也類似:包含高昂的維修成本、未經標準化的維修流程,以及依賴經驗的維修決策。
目前輔助維修系統正與日本機器手臂原廠合作開發,由廠商提供維修資料與產業專家, Beyond Limits 透過 AI 分析維修數據,建立資料背後的邏輯推演,系統最終能判斷機器損壞的原因,並建議耗材種類與維修方式。從管理者的角度能降低維修、備料倉儲成本,對維修人員來說也有可依循的維修建議,長遠更能累積產業知識 ( domain know-how ) ,促進升級。
以邊緣運算技術,與北捷合作開發人流異常預警系統
而將技術從太空拉回到地面,Beyond Limits 也能在大眾運輸犯罪預警上有所發揮。他們與北捷合作,使用等同於在火星探測時、消弭與地球時差的邊緣運算技術,原理是透過分散式的運算提升效率,達成在監控系統的邊緣節點就進行異常人流的辨別,降低反應時間落差。
張中宜舉例,正常的人流像是乘客擠進車廂內的固定位置,開始滑手機,異常的人流可能是人群往四面八方散去,產生快速移動的樣態,異常訊息可以在 10 秒內將送到中控室,大幅縮減以往需要 4 分鐘以上的訊號傳輸時間,也能避免踩到人臉辨識的紅線,未來希望擴張應用到大樓監控,或是銷往他國的大眾運輸系統。
源自NASA,認知型AI成為技術優勢與門檻
與其他單純使用機器學習技術分類數據並預測結果的數值 AI 系統不同,Beyond Limits 的 AI 服務融合了數值 AI 與符號 AI ,前者的數值 AI 是透過大量數據讓模型認知「此為何物」,而符號 AI 則是藉由邏輯定義數值 AI 判斷的結果是好還是壞,並加以做出決策與判斷,以電池配方為例,將實驗室過去的實驗數據導入數值 AI 系統後,會得出樹種配方組合,再藉由符號 AI 判斷個配方辦法的優劣,並給予客戶回饋與建議。藉由結合數值 AI 與符號 AI 兩大系統的結合,讓人工智慧的每項建議都能以人類可理解的思路解釋,輔助人類做最後決策,也使人機協作的製程模式成為可能。
對於這項技術,張中宜表示這其實是源自於 NASA 將探測器「好奇號」送上火星後,由於火星與地球之間的數值傳遞有時間差,人類基本上不可能遙控好奇號,而且火星上的數據在這之前是 0,所以數值 AI 也無法運作,為了能夠讓好奇號自行在火星上探測與行動,勢必須要模擬人類大腦的認知型 AI 系統,當時才會開發出符號 AI。
根據研究報告,2025 年工業用 AI 規模將達 160 億美元,其應用開發仍具高度可能性,Beyond Limits 在台灣也希望更全面地研發產品打進該市場。除了正在培養市場的風電產業外,未來也希望協助優化晶圓半導體產業的製程,團隊更積極與社會、產業溝通,讓社會了解 AI 進入產業能讓人類更有餘力進行創意發想與決策,也讓產業正視轉型需求,近期將與台灣新創基地合作舉辦 AI 科普講座,持續促進製造業的人機共榮合作。
創業快問快答
Q:服務的創意來源,是因為發生甚麼事情而有這樣的想法?
A:台灣數位轉型瓶頸
Q:創業至今,做得最好的三件事為何?
A:用國際薪資招聘頂尖人才、台灣市場國際定位清楚、客戶分潤共創模式的商業模式
Q:要達到下一步目標,團隊目前缺乏的資源是?
A:能見度
附圖:BeyondLimits 台灣總經理 張中宜
Beyond Limits 以數值AI及符號AI兩大關鍵技術,達到人機互補智能
圖片來源 : Beyond Limits
擠捷運
圖片來源 : diGital Sennin on Unsplash
圖說:BeyondLimits Hybrid AI導入流程說明
BeyondLimits Hybrid AI導入流程說明
圖片來源 : BeyondLimits
資料來源:https://meet.bnext.com.tw/articles/view/47993?fbclid=IwAR2HbB5FrPIBoV9kDL27OnhNF-JDNzfYdsoLoVKn85yAA7GUjzDzI3y5Lw0
如何成為演算法工程師 在 Facebook 的最佳解答
蘋果日報紙本謝幕
2021.5.17
0.
我想記錄這件事情的發生時間 2021年5月17日,蘋果日報將出版最後一天的紙本報紙,從實體通路中謝幕。這篇文長,會從新聞媒體的數位轉型,新媒體平台與演算法的競爭,來討論這件事情。
一樣的,我想先聊這件事情的發生。
蘋果日報在 5月14日,發了一封公開信,宣布會在 5月17日最後一次發行紙本,於 2021年5月18日後停刊,不再發行紙本報紙。
蘋果日報 曾經在台灣是與 自由時報 互爭發行量第一的報紙媒體,在iPhone 3G 開賣的2008年,發行量達 50萬份,而依照他公開信的內容,目前發行量僅約10萬份。
蘋果日報紙本停刊,這在台灣的社群媒體發展,和傳統媒體競爭中,是一個很重要的事件。
我想針對幾件事情,跟大家分享我的看法,記錄一下台灣媒體發展的重要時刻
1.
自媒體的時代中夾生存的傳統媒體
先簡單談一下自媒體時代,發聲有多容易。
我們在談自媒體,談的是每一個人都可以成為一個媒體。但我們忘了談一件事情,那就是媒體也慢慢地就像一個人一樣,在社群平台上面有個數字—追蹤數。一起在這裏追求著觸及和流量,以及影響力。
那些媒體所打造的組織,仰靠著大量的人力成本和設備。但現在你只要打開臉書,或是打開 Youtube,按幾個鍵,走完一段大約三分鐘的程序,你就可以開始一趟自媒體之旅。有一個媒體的名稱,在上面寫寫字,按下送出後,就會傳到非常多人的面前。
就像你現在所看到的這篇文章,和這一個自媒體。
在稱作「研究生」的這個自媒體裡面,我是記者,也是編輯,還是個主筆。這個媒體廣編不分離,我還要自己談廣告,接業配。唯一一個我不用做的事情,就是通路。因為臉書幫我處理好這件事情,我不需要去煩惱,要如何把訊息傳達到閱聽人手上。當然,我會面臨一些其他更麻煩的問題,這個部分我們稍後再說。
「通路」這件事情的重要性,是一個沒有經歷過傳統媒體產製流程的人,很難想像的一件事情。
2.
傳統媒體的產製成本
我當年還是新聞所的學生時,帶著一群高中生參加聯合報新聞營。大家對於走到一個報社,會驚呼的,不是總經理,也不是總編輯,更不是那一堆名為「編輯台」的電腦。因為那些都太抽象了。
對,大家最興奮的,是龐大的印刷機器。
一個報紙的產製過程,並不是在把「文章按下送出」後就結束。要送印,送印完後要派報。在凌晨有一群人開著車把報紙送到你家附近的某個橋下,以便躲雨。然後送報員再去橋下領取那些報紙,挨家挨戶的配送報紙。當然啦,現在已經很少人在訂報,報紙最後沒有到你的信箱,可能是到附近的便利商店。
這個過程,用現在的網路語言講,大概就是「把你的文章,經過演算法後,在臉書牆上出現」。這一句話說得簡單,但在傳統報紙中,卻是要一群人每天在凌晨完成的事。
我希望大家不要誤會,運用臉書傳送資訊內容,讓文章在幾秒鐘後就能傳遞到全世界臉書使用者面前,並不是沒有成本。裡面有大量的工程師,維護機器的人員,甚至是網路的鋪設等等。他一樣有很多的費用會產生。只是當你在運營自媒體的時候,不用去想這些事情,因為「平台」已經幫你想好了。
我在學校教媒體創作時,第一堂課我會跟學生聊這件事情:「在十五年前,我還坐在這間教室裡學習如何當一個好的新聞記者時,我們談採訪,聊編輯,學報導,操作技術。但是沒有一堂課會告訴你,要如何開一間報社,怎麼開一家電視台。但現在,這堂課在台大發生了,我們這堂課,就是要你從零開始做一個自己的媒體,從品牌定位,編輯台的規劃開始做起。」
為什麼十五年前做不到的事情,現在能做到?因為通路。當通路的成本降下來了,甚至是所謂的「系統化」,在發行一個自媒體的過程中,少了很多的事情要做。那些,可能是新世代的媒體人,想都沒想過的事情。
我本來想聊電視和 Youtube 媒體產製流程的關係。不過因為這篇文章已經夠長了,留待之後有相關事件,再一起討論。
接下來,我想切入一個很重要的議題:當媒體在網路上只剩下品牌。
3.
當媒體只剩下品牌
當我們在談「自媒體」的時候,常常只看到一個面向,就是「品牌本身在網路上也是個媒體」。但我想邀請大家看到另一個面向,就是「媒體在這些平台上,也只剩下品牌」。
在一個臉書平台的演算法推播,或是 Youtube 去推播一則影片,又或者是你用 Google 去搜尋一則新聞。媒體的內容,跟其他網路內容,其實長得沒什麼兩樣。
對,就是一樣的,臉書貼文只有一種介面,Youtube 影片也只有一種介面。差別只是他有沒有把這個「品牌」,塑造出一個「媒體的形象」,或是「新聞的形象」。
如果我說「 東森新聞」是個媒體,你可能點頭如搗蒜。但我如果說「 卡提諾狂新聞」是個媒體呢?你可以會想一下,最後大概會告訴我,不是吧,他是個娛樂粉專。
那請問「眼球中央電視台 」是媒體嗎?「志祺七七」是新聞嗎?還是那只是「視網膜 Retina」和「張志祺」的個人品牌?「niusnews 妞新聞」,「小日子」,「PopDaily 波波黛莉的異想世界」他分別是用什麼樣的角色出現在你眼前?
試著想一件事情,在一個分眾的時代,一群人坐在咖啡廳聊天,都沒有辦法的定義出什麼是媒體,那麼平台的演算法能做到這件事情嗎?或是說,你期待他幫你做到這件事情嗎?
這邊我要先說一下,媒體存在的價值和企業品牌,個人品牌,和政府機構之類的「自媒體」相比,他們的確在資源上和社會意義上有很大的差異。但我想讓大家思考的是,或許這些所謂的「傳統媒體」有著不一樣的使命在,但是當他放在「臉書」「Youtube」這些平台上的時候,他們對平台來說,對閱聽人來說,差異可能比你想的小很多。
十五年前,如果你想要得到一個疫情的訊息,可能會打開電視,或是去買份報紙。但現在,你可能會打開臉書或是 Youtube,又或是Google 一下,聽聽 Clubhouse 。想一下你的確診資訊是從哪來的?是「蘋果日報」「聯合報」「TVBS」這類的傳統媒體嗎?還是從哪個政治人物的粉專看到的呢?或是「衛福部」自己開的直播?
講一下我的好了,我的主要資訊來源是「日本自助旅遊中毒者」以及這個自媒體的作者兼編輯兼總主筆及Clubhouse製作人,人稱林氏璧的孔醫師。
如果放在十年前,你可能會覺得這是個非常荒謬的事情,「什麼?你聽一個教你玩日本的部落客告訴你防疫?你怎麼不看電視呢?」
但我可以相當有信心的說,雖然聽起來好像違和感很重,但十年後的現在非常多人都知道我在說什麼,而且不會質疑這個合理性。
是的,蘋果日報的競爭對手,不只是大家腦中想像的其他媒體。還有政府官方的自媒體,還包括了一個在疫情下轉行的「日本旅遊部落客」。
4.
你的新聞不是我的新聞
傳統媒體碰到數位轉型時,還面臨到一個挑戰,就是人力資源的重新調配,和演算法的競爭。
在網路上你應該會常看到這樣的留言「媒體都沒新聞報了嗎?幹嘛寫這個。」這句話看似憤怒有道理,但應該不少新聞從業人員,只能看著這句話苦笑。
一家報社,每天都會有非常多的新聞。如果你有經歷過在早餐店翻報紙的年代,可能也有跟我一樣的訓練 — 運用十分鐘吃早餐的時間,看完兩份報紙。
一份報紙最重要的新聞,稱作「頭版頭」。他的意思是,在一整份報紙裡面的第一頁,最上面,寫在報紙名稱附近的新聞。這一則新聞有非常重大的意義,他意味著「這份媒體為昨日一整天,選出來最重要的事件。」裡面有著價值觀判斷和意識形態。換句話說,換個媒體,或是換個媒體的老闆,甚至是換個總編輯,可能都會選出不同的事件。在十幾年前念大眾傳播科系的學生們,都受過這樣的訓練 — 比報。比報訓練中,最重要的事情就是去分析各家報紙對於「頭版頭」新聞的選擇。
好,我們現在把傳統「頭版頭」新聞的概念,放在臉書上,會變成什麼呢?
我在課堂上,或是去各大學演講討論「網路媒體識讀」的時候,會告訴學生一個重要觀念「編輯有很多工作要做,其中一項是運用符號和編輯的手法,來決定什麼新聞應該要被看到。而這項工作,現在的競爭對手往往不是人,而是演算法。」
首先,大家不用去質疑「重要新聞沒人報」這件事情。如果你有機會走去便利商店,買一份報紙,你可能會覺得很陌生。「奇怪了?怎麼跟我平常看到的新聞差這麼多?」
以前的媒體,大家是一起看到頭條新聞的,但你在臉書上看到的內容卻完全不是。
這麼說吧,媒體選出來最重要的新聞,放在「頭版頭」,會在你買報紙的當下強迫看到。但是放在臉書上,你可能對他無感,就滑過去了。臉書會判斷這則新聞「大家比較沒興趣」,於是觸及就變低,更少人看到了。
反而是那些會被認為「媒體都沒新聞報了嗎?幹嘛寫這個。」的新聞,本來可能只是在報紙裡面的一個小角落的奇聞軼事。你在吃早餐的十分鐘可能根本沒機會翻到,但是因為在網路上「大家用手指投票」的結果,讓臉書認為這是個很多人有興趣的文章,所以才會被你看到。
所以下一次要抱怨的時候,可以把對象轉移到臉書身上,因為媒體的總編輯,可能有跟你有一樣的無奈感。
久而久之,大家也對這件事情有更強的認知。一則重要的新聞,以前媒體可以用很大的力量來推播。可以放在頭版頭,可以發號外,可以大篇幅報導。但現在,他除了下一個「臉書跟你都會一起被騙的標」,或是花大筆錢下廣告之外。幾乎沒有路可以走。
就像上一節所說的,媒體不只要跟媒體搶流量,在這平台上,他要跟所有人搶流量。就算他要下廣告,競爭對手也不只是媒體,更多的是房地產,電商,甚至是網紅業配之類的,以前不會被拿來相提並論,曾經是八竿子打不著的競爭對手。
5.
大家還看報紙嗎?
回到本質的問題,大家還看報紙嗎?如果報紙的工作是要及時傳遞新聞,那個「及時」可能無法挑戰更「即時」的網路。試想假設你買報紙的目的不是為了新聞,那是為了什麼?
很多人說傳統媒體都不做數位轉型,這個問題我很難給出明確的論述。因為的確,在傳統媒體轉型做網路的初期,有很多試行錯誤 (Trial and Error) 都發生過。現實中,有非常多失敗的轉型案例,但整體而言大部分的傳統媒體,都有或多或少的轉型成功。所以我們在討論的不是「蘋果日報」這個品牌要收掉了,而是「紙本型態」要在新一波的媒體的典範轉移中成為過去式。
蘋果日報在這一次發的公開信中提到:「數位洪流超乎我們想像,尤其是Google、Facebook等數位平台的壟斷,造成廣告資源的大量流失,對紙媒不啻是沈痛打擊。」
這一段話,很多人認為是搪塞之詞,但他的確也說出了現在媒體的挑戰。這邊,我想邀請大家站在更高的維度來看這件事情。
在二十年前,如果你想要「下廣告」,廣告大概會「下在媒體」上。原因很簡單,因為媒體扮演的角色,是大家獲得資訊的來源。但是現在,大家獲得資訊的來源是哪裡呢?網路還沒起飛,手機還沒普及之前,媒體幾乎壟斷了大家的消息來源。電子媒體因為「媒體的近用性」和「使用頻譜公共財」等因素,扮演了許多重大新聞的傳遞角色。
但現在,你早上睜開眼睛,是打開蘋果日報的官網,公共電視的頻道嗎?還是跟我一樣,看 LINE,刷 IG,看臉書,滑 Youtube 呢?
如果在這些平台上,媒體只剩下品牌,要爭你的眼球得跟其他自媒體平起平坐,獲得演算法的青睞。那麼他也是一個跟你和我一樣,想獲得發語權得看人臉色的單位。
即便他的品牌價值,影響力,依舊在民眾的心中高居不下。但很遺憾的,他的廣告收入來源,得和其他的自媒體分享。還有更令他們的心煩的是,利潤要上繳給他的上游平台:臉書和 Google。
6.
傳播技術與我們
要討論新聞和新聞傳播,勢必得討論傳播技術的發展。在還沒有紙很貴的時候,我們寫的字都很短。當紙越來越便宜,我們也用更長的句子,來留存並傳遞訊息。從詩,到詞,到曲,乃至後來的小說散文。
大家可以想一下我現在寫的這篇文章,在兩百年前,要多的精簡的寫下,才有機會被傳播出去。但現在我可以這樣一直打一直打,打成一篇臉書長文,完全不用考量用紙成本。這就是一種傳播技術的進步,改變了傳播的方式。
以前要寫一篇新聞報導,老師會告訴你:「把最重要的事情寫在最前面,用倒金字塔方式撰寫。」背後當然有很多原因,這些原因中甚至包含了技術問題:因為編輯覺得你文章太長的時候,可以直接把最後一段拿掉。
但現在寫文章呢?
在報紙的年代,標題印在那邊直接進眼球。你對標題有興趣時,可以花半秒鐘的時間移動眼球,開始讀文章。對於一個閱聽人來講,「從標題到閱讀文章」的時間成本極低無比。但在臉書的世界,從按下標題,到你開始舒服的讀文章,要經歷非常多的時間。你的時間成本變高了,自然而然,吸睛的標題就變得無比重要。
當寫文章的時候,如果你把重點都在第一段全部寫完了,大家拿到資訊拍拍屁股就走。就以前的觀點來說,會覺得無所謂,訊息有傳遞到就滿足了。但現在不一樣,如果大家看完第一段就走,演算法會判定這是個大家不想看的文章,於是就不幫你傳播,「只讓少數人看到這篇文章」。
聽起來好像沒什麼大不了的對吧?但其實這背後有很多轉變跟著發生。
在課堂上,因為學生創作的載體在網路上,所以我絕對不會要他們用所謂的倒金字塔方式寫作。在做影片的時候,也不會教他們慢慢鋪陳。演算法是現實的,在你還沒建立風格之前,要跟他競爭,是相當辛苦的一件事情。
連在學校教課,都要打破過往的寫作模式,媒體裡面要做的轉變,大家可想而知。
一篇適合放在「報紙載體」的文章,和適合放在「網路為載體」的文章,絕對是不一樣的。閱讀習慣的不同,載體特性的不同,甚至是廣告擺放方式的不同,大大地影響了媒體的產製過程。
如果你認為「反正就一篇文章,紙本和網路都放就好了。」的話,可以試著想想看,多一套邏輯,能用一樣的成本完成嗎?所謂的客觀寫作,平衡報導,有辦法在不同載體上面用相同的模式呈現嗎?
7.
我們與網路媒體的距離
最近我演講最常聊的題目,就是談網路媒體識讀。我們與網路媒體的距離,已經密不可分。所謂的傳統媒體,運用著他多年累積的品牌,慢慢的也在網路媒體深耕。
很多念傳播科系的學生,會對於未來感到迷惘,覺得媒體不斷的沒落。但我一直對這件事情抱持相反的想法,期望學生能好好的在這個時代發揮長才。
或許這是個傳統媒體沒落的年代,但現在絕對是人類史上「媒體傳播能量」最強的年代。隨著載體和傳播技術的改變,人人都有機會發揮自己的影響力。我們有更好的傳播工具,也有更公開透明的消息來源。
很多人說「蘋果日報轉型失敗」,其實我沒有這麼同意這句話。相反的,他做了非常多的事情,讓品牌在持續在這個時代繼續發揮影響力。結束紙本的發行,或許就是面對傳播技術的改變,在這條路上的一個重要決策。
對於經歷傳統媒體的人來說,是一個非常痛的事情。我自己也經歷過蘋果日報全盛時期的年代,看著星光三班上「頭版頭」時,一大早興奮的跑去便利商店買報紙的讀者。若以一個純粹讀者的角度,我會緬懷蘋果日報陪我走過的那段青春歲月。但我相信,新聞從業人員,肯定有完全不同的解讀。
我們無法否認的是,紙本謝幕了,品牌影響力依舊在。只是當媒體只在網路上的價值只剩下品牌,他的商業模式,人力資源分配,都會變成一個巨大的挑戰。
這是蘋果日報紙本走入歷史的故事,他不是一個單一事件,而是給這個時代的一個標注。
希望這篇文章,能夠給經歷傳播媒體變遷重要時刻的你,多一些探討和省思的面向。
《蘋果日報紙本謝幕》
如何成為演算法工程師 在 Untyped 對啊我是工程師 Youtube 的最佳貼文
拖了三個月的軟體工程師面試SOP在此獻上!把面試當作刷題的我,把面試經驗技巧,努力濃縮再濃縮,還是有15分鐘的精華,只要五步驟,面試照著做,保證你 ace the coding interview like a PRO (most of the time).
這集會聊到...
💬 Overview 💬
💙 什麼是 coding interview? 1:20
💙 面試必備 - 比履歷還重要的東西 3:44
💙 面試流程 1 - 聽問題問問題 4:15
💙 面試流程 2 - 如何分析問題 6:00
💙 面試流程 3 - 如何寫程式碼 8:45
💙 面試流程 4 - 測試程式碼 10:10
💙 面試流程 5 - 再問更多問題 12:08
💙 面試流程 0 - 寒暄問暖不囉唆 13:30
🙌🏻 面試好書推薦 🙌🏻
👍🏻 準備軟體工程師面試必備書
Cracking the Coding Interview 提升程式設計師的面試力 https://shp.ee/y7rbjqk
https://www.books.com.tw/products/0010881287
👍🏻 當畫家遇上演算法 看圖學演算法
Grokking Algorithms 白話演算法!培養程式設計的邏輯思考
https://shp.ee/k3jtmvg
👍🏻 置入生活中的演算法
Algorithms to Live By: The Computer Science of Human Decisions 決斷的演算:預測、分析與好決定的11堂邏輯課
https://shp.ee/rvvh89e
https://www.books.com.tw/products/0010761815
👍🏻 Logitech 羅技 MX Keys 無線鍵盤 https://shp.ee/ptt9wtm
👍🏻 Logitech 羅技 MX Master 3 無線藍牙滑鼠 https://shp.ee/pu9qtcc
👍🏻 Backbone 人體工學椅 https://shp.ee/fgi35c9
👍🏻 Tresanti 電動升降桌 https://shp.ee/9wmht7r
👍🏻 logitech 羅技 StreamCam https://shp.ee/fbvgbvc
👍🏻 RODE Lavalier GO 領夾式 小型麥克風 https://shp.ee/nx6w9vc
📢 📣 📢 本頻道影片內容有輸出成 podcast 📢 📣 📢
可以在各大podcast平台搜尋「Untyped 對啊我是工程師」
請大家多多支持呀!!🙏🏻💁🏻♀️
#面試SOP #工程師求職 #面試流程大剖析
一定要看到影片最後面並且在「YouTube影片下方」按讚留言訂閱分享唷!
【愛屋及烏】
YouTube 👉 https://www.youtube.com/c/Untyped對啊我是工程師
Podcast 👉 https://open.spotify.com/show/3L5GRMXmq1MRsliQt43oi2?si=3zgvfHlETeuGfp9rIvwTdw
Facebook 臉書粉專 👉 https://www.facebook.com/untyped/
Instagram 👉 https://www.instagram.com/untypedcoding/
合作邀約 👉 untypedcoding@gmail.com
-
Untyped 對啊我是工程師 - There are so many data types in the world of computer science, so are the people who write the code. We aim to UNTYPE the stereotype of engineers and of how coding is only for a certain type of people.
凱心琳: 一個喜歡電腦科學邏輯推理,在科技圈努力為性別平等奮鬥的工程師。
【Disclaimer 聲明】
Some links are affiliated.
上面有些連結是回饋連結,如果你透過這些連結購買商品,我可以得到一些小獎勵,但不會影響到你購買的價格,甚至會是更低的價格!謝謝你的支持💕
![post-title](https://i.ytimg.com/vi/4tbQhdrpB9s/hqdefault.jpg)
如何成為演算法工程師 在 在地上滾的工程師 Nic Youtube 的最讚貼文
## 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
![post-title](https://i.ytimg.com/vi/HdMIpnH-AJs/hqdefault.jpg)
如何成為演算法工程師 在 Untyped 對啊我是工程師 Youtube 的最佳貼文
慶祝本頻道一週年了~感謝你們每一位的支持🥰
這次來聊我是如何成為軟體工程師的?又為什麼要開本頻道?難道碼農還不夠辛苦嗎?其實凱心琳我曾經是從來沒想過自己會讀工程的!更是放棄了本來想讀的醫學呢~
📢 📣 📢 本頻道影片內容有輸出成 podcast 📢 📣 📢
這次大吐真心話吐得有點久,希望你們能夠耐心看完!為控制影片時長,更多內容會放在 podcast 唷!可以在各大podcast平台搜尋「Untyped 對啊我是工程師」請大家多多支持呀!!🙏🏻💁🏻♀️
這集會聊到...
Overview 💬
🔹 我成為軟體工程師的過程 2:10
🔹 為什麼會有 Untyped 對啊我是工程師 7:15
🔹 凱心琳大吐真心話 14:25
🔹 頻道新變化 17:14
#放棄當醫生的碼農 #去標籤 #DiversityInTech
【愛屋及烏】
YouTube 👉 https://www.youtube.com/c/Untyped對啊我是工程師
Podcast 👉 https://open.spotify.com/show/3L5GRMXmq1MRsliQt43oi2?si=3zgvfHlETeuGfp9rIvwTdw
Facebook 臉書粉專 👉 https://www.facebook.com/untyped/
Instagram 👉 https://www.instagram.com/untypedcoding/
合作邀約 👉 untypedcoding@gmail.com
【㊫ 電腦科學/軟體工程 學習資源 📖】
用Scala學習函式程式設計
https://bit.ly/2IF0Thv
Scala 函数式程式設計原理
https://bit.ly/3kBQXTb
平行程式設計
https://bit.ly/3pCeaZf
Android 應用程式開發 專項課程
https://bit.ly/3lGCUwW
普林斯頓大學 電腦科學 演算法 基礎理論
https://bit.ly/3nxomAh
Go 語言學起來
https://bit.ly/35AWhlv
Parallel, Concurrent, and Distributed Programming in Java 專項課程
https://bit.ly/2IGnlH4
Java 軟體工程基礎課程
https://bit.ly/3fa4gJi
全端開發 跨平台手機app 開發 完整課程
https://bit.ly/2UCGWum
【Disclaimer 聲明】
Some links are affiliated.
上面有些連結是回饋連結,如果你透過這些連結購買商品,我可以得到一些小獎勵,但不會影響到你購買的價格,甚至會是更低的價格!謝謝你的支持💕
![post-title](https://i.ytimg.com/vi/q7greFDcJeU/hqdefault.jpg)
如何成為演算法工程師 在 加入台積共創奇蹟- #資訊系統開發工程師我們透過機器學習與 ... 的推薦與評價
資訊系統開發工程師我們透過機器學習與深度學習演算法開發你將實現在校所學的各種知識於未來成為指導各單位使用「人工智慧」的關鍵角色! 在人工智慧的幫助下不僅能 ... ... <看更多>
如何成為演算法工程師 在 演算法工程師ptt - Lab3D 的推薦與評價
更多群望科技、演算法工程師的面試及工作心得面試心得與職缺. ... 總結目前目標是成為一個「能將現有較新的DL 方法應用在公司產品上」的工程師,希望 ... ... <看更多>
如何成為演算法工程師 在 MTBA 線上講座:生科博士如何成為演算法工程師? - YouTube 的推薦與評價
大家都聽過年薪百萬的軟體 工程師 ,但你聽過 演算法工程師 嗎?在各大公司開始導入AI 影像辨識的同時,同時擁有生物背景和堅強資訊工程背景的你, ... ... <看更多>