牛 Niu插畫個展 展區作品介紹 - Archstration
/
Archstration系列位於入口長桌側,相較於其他具有故事性的插畫,本系列傳達的是由圖畫視角出發,對於建築空間形構的試探。藉以單色深淺、複色明暗的組合,闡述空間上,因尺度大小不同溢出的情緒。或有部分作品試以Diagram的方式,局部性地展現出建築空間的特徵。
/
展出時間及地點:
即日起~2020/8/30(日)
每日10:00~18:00
ROOM1820 Gallery
(Google搜尋 林柏陽建築師事務所 旁)
台北市大同區重慶北路三段152巷18號1樓
(捷運大橋頭站)
/
現場畫作、海報販售中!
購買方式:詳請填寫下列購買表單
https://www.surveycake.com/s/wKKpr
/
免費參觀,入內請脫鞋
保持社交距離,並配戴口罩
/
同時也有1部Youtube影片,追蹤數超過8萬的網紅賭Sir【杜氏數學】HermanToMath,也在其Youtube影片中提到,杜氏數學 官方網站: http://www.HermanToMath.com 賭Sir 幫你急救 DSE 數學: https://HermanToMath.skx.io ---------- ?️賭Sir是杜氏數學Herman To Math的始創人 ?全港唯一「完爆」【DSE Core+M1+M...
「google diagram」的推薦目錄:
- 關於google diagram 在 牛 Niu Facebook 的最讚貼文
- 關於google diagram 在 โปรแกรมเมอร์ไทย Thai programmer Facebook 的最讚貼文
- 關於google diagram 在 โปรแกรมเมอร์ไทย Thai programmer Facebook 的最讚貼文
- 關於google diagram 在 賭Sir【杜氏數學】HermanToMath Youtube 的最佳貼文
- 關於google diagram 在 Google Workspace Tutorial: Get started with your first diagram ... 的評價
- 關於google diagram 在 helm/charts: ⚠️(OBSOLETE) Curated applications ... - GitHub 的評價
google diagram 在 โปรแกรมเมอร์ไทย Thai programmer Facebook 的最讚貼文
ในวิชา "วิทยาการคำนวณ" ระดับชั้น ม. 5
ได้ดึงวิชา data science (วิทยาศาสตร์ข้อมูล)
มาปูพื้นฐานให้เด็กๆ ได้เรียนกันแล้ว นับว่าเป็นโชคดี
เพราะวิชาพวกนี้เป็นของสูง กว่าจะสัมผัสก็คงตอนป.ตรี โท เอก
...Continue ReadingIn the subject of ′′ Calculation Theology ′′ class. 5
Pulled data science (data science)
Let's master the foundation for kids to learn. It's considered lucky.
Because these subjects are high to touch. It's probably in the middle of the year. Tri To Aek
Which I will review the content to read roughly. The content is divided into 4 chapters.
.
👉 ++++ Chapter 1-Information is valuable +++++
.
Data science in the textbook. Used by Thai name as ′′ Information Science ′′
This chapter will mention Big Data or big data with lots of valuable information.
And so much role in this 4.0 s both public and private sector.
.
If you can't imagine when you played Google search network, you'll find a lot of information that you can use in our business. This is why data science plays a very important role.
.
It's not surprising that it makes the Data Scientist s' career (British name data scientist) play the most important role and charming and interesting profession of the 21th century.
.
Data science, if in the book, he defines it
′′ Study of the process, method or technique to process enormous amounts of data to process to obtain knowledge, understand phenomena, or interpret prediction or prediction, find out patterns or trends from information.
and can be analysed to advise the right choice or take decision for maximum benefit
.
For Data science work, he will have the following steps.
- Questioning my own interest.
- Collect information.
- Data Survey
- Data Analysis (analyze the data)
- Communication and Results Visualization (Communicate and visualize the results)
.
🤔 Also he talks about design thinking... but what is it?
Must say the job of a data scientist
It doesn't end just taking the data we analyzed.
Let's show people how to understand.
.
The application design process is still required.
To use data from our analytics
The word design thinking is the idea. The more good designer it is.
Which Data Scientists Should Have To Design Final Applications
Will meet user demand
.
👉 ++++ Chapter 2 Collection and Exploration +++++
.
This chapter is just going to base.
2.1 Collection of data
In this chapter, I will talk about information that is a virtual thing.
We need to use this internet.
2.2 Data preparation (data preparation)
Content will be available.
- Data Cleaning (data cleansing)
- Data Transformation (data transformation)
In the university. 5 is not much but if in college level, you will find advanced technique like PCA.
- Info Link (combining data)
2.3 Data Exploration (data exploration)
Speaking of using graphs, let's explore the information e
Histogram graph. Box plot diagram (box plot). Distributed diagram (scatter plot)
With an example of programming, pulls out the plot to graph from csv (or xls) file.
2.4 Personal Information
For this topic, if a data scientist is implementing personal data, it must be kept secret.
.
Where the issues of personal information are now available. Personal Data Protection is Done
.
.
👉 ++++ Chapter 3 Data Analysis ++++
.
Divided into 2 parts:
.
3.1 descriptive analysis (descriptive analytics)
Analyzing using the numbers we've studied since
- Proportion or percentage
- Medium measurement of data, average, popular base.
Correlation (Correlation) relationship with programming is easy.
.
.
3.2 predictive analysis (predictive analytics)
.
- numeric prediction is discussed. (numeric prediction)
- Speaking of technique linear regression, a straight line equation that will predict future information.
Including sum of squared errors
Let's see if the straight line graph is fit with the information. (with programming samples)
- Finally mentioned K-NN (K-Nearest Neighbors: K-NN) is the closest way to finding K-N-Neighborhood for classification (Category)
*** Note *****
linear regression กับ K-NN
This is also an algorithm. One of the machine learning (machine learning, one branch of AI)
Kids in the middle of the day, I get to study.
.
.
👉 +++ Chapter 4 Making information pictured and communicating with information +++
.
This chapter doesn't matter much. Think about the scientist after analyzing what data is done. The end is showing it to other people by doing data visualization. (Better summoning)
.
In contents, it's for example using a stick chart, line chart, circular chart, distribution plan.
.
The last thing I can't do is tell a story from information (data story telling) with a message. Be careful when you present information.
.
.
.
*** this note ***
😗 Program language which textbooks mentioned and for example.
It's also python and R language
.
For R language, many people may not be familiar.
The IT graduate may be more familiar with Python.
But anyone from the record line will surely be familiar.
Because R language is very popular in statistical line
And it can be used in data science. Easy and popular. Python
.
But if people from data science move to another line of AI
It's deep learning (deep learning)
Python will be popular with eating.
.
.
#########
😓 Ending. Even I wrote a review myself, I still feel that.
- The university. 5 is it going to be hard? Can a child imagine? What did she do?
- Or was it right that I packed this course into Big Data era?
You can comment.
.
But for sure, both parents and teachers are tired.
Because it's a new content. It's real.
Keep fighting. Thai kids 4.0
.
Note in the review section of the university's textbook. 4 There will be 3 chapters. Read at.
https://www.facebook.com/programmerthai/photos/a.1406027003020480/2403432436613260/?type=3&theater
.
++++++++++++++++++++
Before leaving, let's ask for publicity.
++++++++++++++++++++
Recommend the book ′′ Artificial Intelligence (AI) is not difficult ′′
It can be understood by the number. End of book 1 (Thai language content)
Best seller ranked
In the MEB computer book category.
.
The contents will describe Artificial Intelligence (A) in view of the number. The end.
Without a code of dizzy
With colorful illustrations to see, easy to read.
.
If you are interested, you can order.
👉 https://www.mebmarket.com/web/index.php?action=BookDetails&data=YToyOntzOjc6InVzZXJfaWQiO3M6NzoiMTcyNTQ4MyI7czo3OiJib29rX2lkIjtzOjY6IjEwODI0NiI7fQ&fbclid=IwAR11zxJea0OnJy5tbfIlSxo4UQmsemh_8TuBF0ddjJQzzliMFFoFz1AtTo4
.
Personal like the book. You can see this link.
👉 https://www.dropbox.com/s/fg8l38hc0k9b0md/chapter_example.pdf?dl=0
.
Sorry, paper book. I don't have it yet. Sorry.
.
✍ Written by Thai programmer thai progammerTranslated
google diagram 在 โปรแกรมเมอร์ไทย Thai programmer Facebook 的最讚貼文
ที่มาของ scrum
Scrum in Research?
ทำรีเสิร์ชว่องไว โดยใช้ Scrum Framework (ได้รึเปล่า?)
ตอนที่ 1 Scrum มันคืออิหยังวะ?
หากคุณเป็นคนคร่ำหวอดในวงการซอฟต์แวร์ ธุรกิจ หรือ Startup ก็คนคงจะคุ้นเคยกับคำว่า Scrum ซึ่งเป็น framework ในการบริหารทีมเพื่อเพิ่มประสิทธิภาพการทำงานอย่างสูงสุด มาบ้างแล้ว แต่หากคุณเป็นนักวิชาการก้นแล็บอย่างแอด ก็อาจจะได้แค่เกาเหม่งอย่างงงๆ
แอดสารภาพเลยว่า เคยได้ยินคำว่า Scrum มานานแล้ว แต่คิดมาตลอดว่ามันเป็นหนึ่งใน buzzword ที่พวก Startup เค้าใช้กัน และมันคงใช้อะไรไม่ได้กับวงการวิจัยที่ธรรมชาติของงานนั้นคาดการณ์ได้ยาก
แต่เมื่อไม่นานมานี้ วารสาร Nature เขียนบทความเรื่องการใช้ Scrum ในการบริหารกลุ่มวิจัยในมหาลัย [1] จึงจุดประกายให้แอดเกิดความสนใจที่จะหาความรู้ขึ้นมาอย่างจริงๆจังๆเสียที ว่าไอเจ้า Framework นี้มันคืออะไรกันแน่ แล้วทำไมใครๆก็บอกว่ามันสามารถเพิ่มประสิทธิภาพในการทำงานของทีมหลายเท่าทวิคูณ
การทำงานโดยใช้ Scrum นี้มีท่ีมาจากงานวิจัยของศาตราจารย์ชาวญี่ปุ่น Hirotaka Takeuchi และ Ikujiro Nonaka ตั้งแต่ปี 1986 ซึ่งศึกษาเบื้องหลังความสำเร็จของอุตสาหกรรมหนักในญี่ปุ่น โดยเฉพาะ Toyota ซึ่งเป็นบริษัทที่มีสามารถประกอบรถได้รวดเร็วและปัญหาน้อยกว่าบริษัทตะวันตกหลายเท่าตัว อาจารย์ทั้งสองเสนอว่า การทำงานของ Toyota นั้นมีลักษณะคล้ายๆกับทีมรักบี้ ที่พนักงานทุกคนรับผิดชอบในผลงานร่วมกันไม่เกี่ยงว่าใครต้องทำหน้าที่เฉพาะอะไร หรือใครเป็นนายเป็นลูกน้อง ไม่สักแต่ว่าทำของตัวเองเสร็จแล้ววางมือ แต่ต่างช่วยกันสอดส่องดูแลงาน ทำให้งานสำเร็จลุล่วงไปได้อย่างรวดเร็ว อาจารย์จึงเรียกวิธีการทำงานแบบนี้ว่า Scrum ซึ่งเป็นศัพท์ของกีฬารักบี้ [2]
ไอเดียนี้ถูกนำมาต่อยอดให้เกิดเป็นระบบการทำงานที่ชัดเจนขึ้นโดย Jeff Sutherland และ Ken Schwaber และนำไปใช้พัฒนาวงการ software developer จนสามารถเพิ่มประสิทธิภาพในการสร้างสรรค์ซอฟต์แวร์ใหม่ๆอย่างก้าวกระโดด กลายเป็น framework ที่สำคัญของวงการ IT และยังลามไปถึงวงการอื่นๆ จนถูกนำไปประยุกต์ใช้ในบริษัทใหญ่ๆหลายบริษัท เช่น Adobe, AMD, American Express, BBC, CNN, Google, IBM, Microsoft, Nokia, ฯลฯ [3]
Scrum นั้น ถูกคิดค้นขึ้นเพื่อฉีกกฎการวางแผนงานแบบ “Waterfall” ซึ่งก็คือการวางแผนงานแบบเป็นสายพาน มีหัวหน้างานที่สั่งงาน ทีมแต่ละทีมรับผิดชอบเฉพาะงานของตัวเองให้เสร็จ แล้วก็โยนให้ทีมถัดไปจัดการต่อกันไปเป็นทอดๆ เช่น ถ้าบริษัทต้องการพัฒนาซอฟต์แวร์ใหม่ ทีม developer ทำหน้าที่พัฒนาโค้ดจนเสร็จ ส่งต่อให้ทีมต่อไปทดสอบโปรดักส์ ทดสอบเสร็จแล้วก็หมดหน้าที่ จึงส่งต่อให้ทีมขายนำไปขายลูกค้า ปรากฎว่าผลลัพธ์ส่วนใหญ่ของการวางแผนแบบนี้คือ ขายไม่ได้ เพราะว่างานมักจะไม่ตอบโจทย์ความต้องการของลูกค้า หรือไม่ก็ใช้เวลาพัฒนาสินค้านานเกินไป กว่าจะทำเสร็จ ลูกค้าก็ไม่อยากได้แล้ว ทำให้เวลาของทีม กว่า 80% สูญไปกับการทำงานที่ไม่ได้ผลลัพธ์
หลักการของ Scrum คือการสร้างทีมขนาดเล็ก (ไม่เกิน 10 คน) ที่มีความคล่องตัวสูง และต้องมีลักษณะสำคัญ 4 อย่าง คือ “มุ่งเป้า” “เชี่ยวชาญ” “อิสระ” และ “โปร่งใส”
“มุ่งเป้า” คือ การที่ทั้งทีมทำงานเพื่อจุดมุ่งหมายเดียวกัน ไม่ได้รังแต่จะสร้างความก้าวหน้าให้ตัวเอง แต่คำนึงถึงเป้าหมายร่วมของทีมเป็นสูงสุด ผลงานที่ดีนั้นไม่ได้เกิดจากสมาชิกคนใดคนหนึ่ง แต่มาจากความร่วมมือกันของทุกคน
“เชี่ยวชาญ” สมาชิกในทีมจะต้องสามารถทำหน้าที่ได้ครบถ้วนและครอบคลุมถึงตั้งแต่ต้นจนจบงาน และสามารถทำงานแทนกันได้ถ้าจำเป็น ซึ่งแปลว่าทุกคนจะต้องรู้และเข้าใจหน้าที่ของทั้งตนเองและสมาชิกในทีม
“อิสระ” นั้นหมายถึงทุกคนทำงานได้โดยไม่ต้องรอรับคำสั่ง ไม่ต้องรออนุมัติ เพราะทุกคนรู้หน้าที่ของตัวเองเป็นอย่างดี การลด middle management ลง นำไปสู่การทำงานเอกสารไร้สาระที่น้อยลง จึงเพิ่มประสิทธิภาพในการทำงานขึ้นอย่างชัดเจน
“โปร่งใส” ทุกคนรู้ว่าสมาชิกต้องทำอะไร ก้าวหน้าไปถึงไหนแล้ว และได้ผลอย่างไร การเปิดเผยข้อมูลอย่างโปร่งใสเป็นการลดคอรัปชั่น ลดการเล่นพรรคเล่นพวกในระบบ เมื่อระบบสามารถตอบแทนคนได้อย่างเป็นธรรม ทำให้คนมีกำลังใจในการทำงานขึ้น จึงพลอยไปเพิ่มประสิทธิภาพในการทำงานด้วย
เพื่อสร้างทีมให้มีลักษณะเชิงนามธรรม 4 ข้อข้างต้น Scrum จึงออกแบบ framework ภาคปฎิบัติไว้ดังนี้
1. ก่อนเริ่มโครงการ ทุกคนรวมตัวกันในที่ประชุมเพื่อทำความเข้าใจเกี่ยวกับเป้าหมายของงานให้ตรงกัน หลักสำคัญที่สุดของ Scrum คือทุกคนที่เกี่ยวข้องต้องช่วยกันวางแผนการทำงาน เพราะทุกคนมีส่วนร่วมในการสร้างความสำเร็จของทีม จากนั้นเลือกสมาชิกในทีม 1 คน เป็น Product owner ผู้ทำหน้าที่คอยดูแลให้ผลงานออกไปในทิศทางที่ตกลงกัน และ อีก 1 คนเป็น Scrum Master ผู้ดูแลติดตามให้งานดำเนินไปตามแผน และลูกทีมทุกคนที่เหลือเป็นผู้ดำเนินงานทั่วไป
2. สร้าง Product Backlog หรือลิสต์ของงานที่ต้องทำเพื่อให้โครงการประสบความสำเร็จ และเรียงลำดับตามความสำคัญจาก “มากไปน้อย” ข้อนี้สำคัญมาก ทีมที่ไม่รู้จัก prioritize งาน มักจะเสียเวลาไปกับการแก้ปัญหาที่ไม่ได้สลักสำคัญ ทีมต้องแสดงความเป็นไปได้ของ feature หลักของงานก่อน แล้วค่อยแก้ feature รองที่ตามมา
3. ประเมิน Load งาน ซึงคือเวลาที่ต้องใช้ในการทำงานแต่ละข้อ การประเมิน load เป็นค่าสัมบูรณ์นั้นยาก แต่ประเมินเป็นค่า relative นั้นง่าย ดังนั้น เราอาจจะให้งานแต่ละข้อเป็นเลขใน Fibonacci series เช่น 1, 2, 3, 5, 8, 13, … งานไหนที่ว่ายาก ก็เอาค่าสูงๆไป หรือง่ายทำได้แป๊บเดียว ก็เอาค่าต่ำๆไป งานที่สำคัญที่สุด อาจจะไม่ใช่งานที่ยากที่สุดเสมอไป
4. รวบงานที่ลิสต์ไว้แล้วแบ่งเป็นกลุ่ม ทีมจะไม่พยายามทำงานทั้งหมดพร้อมๆกัน แต่จะเลือกทำงานที่สำคัญที่สุดส่วนหนึ่งในระยะเวลาจำกัดก่อน เช่น ตั้งเป้าที่จะทำงานข้อที่ 1-3 ใน 1 เดือน ช่วงงานแบบนี้เรียกว่า Sprint โดยเป้าหมายแต่ละ Sprint คือทีมจะต้องมีผลงานที่จับต้องได้ วัดผลได้ ผลงานที่ได้ไม่ต้องเลิศเลอเหมือนเตรียมส่งลูกค้า แต่ต้องเป็นผลงานที่ใช้งานได้ในระดับต้น เพื่อให้ทั้งทีมและลูกค้าสามารถให้ feedback กับทิศทางของงานได้ ผลงานแบบนี้เรียกว่า Minimal Viable Product (MVP)
5. ระหว่างการทำงาน ทีมจะต้องมีการตอกบัตรรายงานให้ทุกคนในทีมทราบว่าตัวเองทำอะไรไปแล้ว กำลังจะทำอะไร และมีปัญหาอะไรไหม โดยต้นแบบของ Scrum ในวงการซอฟต์แวร์นั้น การตอกบัตรหรือ Daily Scrum นี้ควรเกิดขึ้นทุกวัน แต่ประชุมแค่สั้นๆ ไม่เกิน 15 นาที การประชุมนี้ทำให้ทีมรับรู้ปัญหาที่เกิดขึ้นได้รายวัน และสามารถแก้ปัญหาได้ทันท่วงที ไม่ปล่อยให้คาราคาซัง ทำให้งานเดินต่อไปได้อย่างรวดเร็ว
6. พอครบ Sprint แล้วก็มานั่งรีวิวกัน เพื่อหาข้อสรุปว่างานที่ทำไปเป็นไปตามแผนที่วางไว้ตั้งแต่แรกหรือไม่ MVP มี feedback อย่างไร ระบบการทำงานมีข้อขาดตกบกพร่องอะไรไหม และต้องมีการแก้แผนงานใหม่หรือไม่ แล้ว load งานที่สามารถทำได้ในแต่ละ Sprint คือเท่าไร ค่า load ที่ทำได้ต่อ Sprint นั้นทำให้เราสามารถคะเนความเร็วในการทำงานของทีมของเราได้ และสามารถประมาณการณ์ได้ว่างานเราจะเสร็จจริงๆเมื่อไร
7. นำข้อสรุปที่ได้จาก Sprint ก่อน ไปเป็นข้อมูลในการพัฒนา Sprint ใหม่ แล้ววนลูป ข้อ 4 ใหม่ต่อไปจนกว่างานจะเสร็จ ยิ่ง Sprint มากเท่าไร load งานก็จะเหลือน้อยลง และสามารถคำนวณเวลาที่จะทำงานเสร็จได้อย่างเที่ยงตรงมากขึ้น จนสุดท้าย ทีมมักจะพบว่าสามารถทำงานได้อย่างมีประสิทธิภาพเพิ่มขึ้นมากกว่าการทำงานแบบเดิมๆ หลายเท่าตัว
อ่านดูแล้วก็จะพบว่า ไอเดียของ Scrum นั้นไม่ได้ซับซ้อนมาก และมีลักษณะ Iterative จึงดูน่าจะเหมาะกับงานวิจัยต่างจากการวางแผนแบบ Waterfall (ผ่าน Gantt chart) แต่หากจะนำ framework แบบนี้มาใช้กับวงการวิจัยบ้าง จะต้องมีการแก้ไขอย่างไรบ้าง แอดจะเขียนต่อในตอนต่อไปละกัน
มีใครลองใช้ Scrum ในรีเสิร์ชแล้วบ้าง มาเล่าสู่กันฟังบ้างนะ
ตอน 2: https://www.facebook.com/…/a.164033331039…/424270941682445/…
#นักวิจัยไส้แห้ง
[1] Pirro, L. How agile project management can work for your research, Nature Career Column, 2019 https://www.nature.com/articles/d41586-019-01184-9
[2] Sutherland, J. Scrum: The Art of Doing Twice the Work in Half the Time (Random House Business, 2015).
[3] Firms using Scrum
https://docs.google.com/…/1fm15YSM7yzHl6IKtWZOMJ5vHW9…/edit…
รูป flow diagram จาก devbridge.com
google diagram 在 賭Sir【杜氏數學】HermanToMath Youtube 的最佳貼文
杜氏數學 官方網站: http://www.HermanToMath.com
賭Sir 幫你急救 DSE 數學: https://HermanToMath.skx.io
----------
?️賭Sir是杜氏數學Herman To Math的始創人
?全港唯一「完爆」【DSE Core+M1+M2】、【IAL 12科Maths】、【AL Pure+Applied】、【CE Maths+A.Maths】的數學導師
?全港第一最多訂閱粉絲的數學教育YouTuber
?YouTube觀看次數超越700萬、訂閱粉絲超過50000人
?著作:《YouTuber新手到網紅》、《5**數學男人嫁得過》、《碌葛男人嫁得過》、《賭波男人嫁得過》(獲Google嚴選2018年度50大最佳書籍)
----------
賭Sir收集著數派街坊:
❤️YouTuber Go網絡課程 全港最平+獨家 報讀優惠:
?報讀初班 $600 (原價$800):https://www.youtubergo.com/payment/b-hermantomath-0600.html
?報讀初班+中班 $1500 (原價$1800):https://www.youtubergo.com/payment/bm-hermantomath-1500.html
官方網頁:https://www.youtubergo.com/
❤️無限操數王(epractice) 全港最平+獨家 優惠(可同時使用):
?50%OFF 半價優惠碼:MC83-AI93-NFW0-331E
?25%OFF 額外邀請碼:J7N9-RDRP-NFAH-OH13
官方網頁:https://www.dsemth.com/
❤️Tidebit全港最穩妥的比特幣(Bitcoin)交易所:http://bit.ly/2LIWA4J
❤️Uber免費送你$25優惠:https://www.uber.com/invite/2utyzr
----------
杜氏數學 國際官方網站 http://www.hermantomath.com
DSE 數學【速效課程】 訂購詳情 http://hermantomath.skx.io
----------
精選系列節錄:
《數學 DSE 狀元神技秘笈》系列
https://www.youtube.com/watch?v=1mVTSqpY-9Q&list=PL_CM4U5au2k1xNBwQFtwjDGYHKvI6LkEe&index=5
《攞分唔使識得計》系列 (以 DSE Maths PaperII 為骨幹的免費課程)
https://www.youtube.com/watch?v=u9lM-7a4ivQ&list=PL_CM4U5au2k1xdQroee0QXyNUJ3n5QE6L&index=1
《名校試題》系列
https://www.youtube.com/watch?v=UY8pxw-OC4E&index=1&list=PL_CM4U5au2k1n86kvgdkPBDqchYdsciCs
《賭Sir數學戒賭》糸列
https://www.youtube.com/watch?v=dhL-dRcIN5I&index=1&list=PL_CM4U5au2k1cfK2zSph8XOLqIjOPQmvo
----------
杜氏數學 Herman To Math 考試戰績:
A ── 會考 Math 數學
A ── 會考 Additional Math 附加數學
A ── 高考 Pure Math 純粹數學
A ── 高考 Applied Math 應用數學
5** ── DSE Math 數學
5** ── DSE M1 數學延伸部分(一)
5** ── DSE M2 數學延伸部分(二)
A ── IAL Core Math 1 2
A ── IAL Core Math 3 4
A ── IAL Further Pure Math 1
A ── IAL Mechanics 2
A ── IAL Mechanics 3
A ── IAL Statistics 1
A ── IAL Statistics 2
![post-title](https://i.ytimg.com/vi/ovjvwM7SZ6g/hqdefault.jpg)
google diagram 在 helm/charts: ⚠️(OBSOLETE) Curated applications ... - GitHub 的推薦與評價
This GitHub project is the source for Helm stable and incubator Helm chart repositories. This is now an archive no longer under active development. For more ... ... <看更多>
google diagram 在 Google Workspace Tutorial: Get started with your first diagram ... 的推薦與評價
... <看更多>