[閱讀筆記] 如何在 stack overflow 有效率地提問?

原文網址 : How to create a Minimal, Complete, and Verifiable example

摘要筆記

stack overflow 應該是目前全世界軟體開發者最受歡迎的問答網站，但是要如何做有效率的提問? 這是 stack overflow 官方網站的建議，摘要一下重點

Continue reading “[閱讀筆記] 如何在 stack overflow 有效率地提問?” →

2017 年 06 月 09 日 0

免費的線上英打練習—Keybr.com

線上打字練習的工具不少，但高「顏值」且高可用的選擇不多，我發現其中三個佼佼者，今天先紹其中一個—Keybr.com。

Continue reading →

2016 年 11 月 15 日 0

未來不用Geotag, 電腦也會知道照片的拍照地點

今天看到MIT Technology Review-Google Unveils Neural Network with “Superhuan” Ability to Determine the Location of Almost Any Image 這則新聞, 這又是人工智慧, Deep learning的一大進步, 而且這也是拜大數據所賜, 因為自從相機, 手機內建了geotag功能, 人們習慣拍照後將有geotag的影像上傳到Flickr, Google Photo, Facebook,目前在網路上可以找到標geotag的照片數量大概是以千萬張起跳, 這篇文章提到Google就是利用這些既有的龐大資料庫來訓練電腦做影像比對分析, 這其實跟我們的大腦學習行為是一樣的, 我們可以看到照片中有艾非爾鐵塔就可以知道這個地標是在巴黎拍的, 現在電腦經過人類的大數據調教也可以做得到.

準確度?

裡面有提到研究團隊的一些測量數據, 他們使用Flickr中有標geotag的2千3百萬張的影像來測試, PlaNet可以分辨出3.6%的影像到街等級的精確度, 10.1/%到城市(city), 如果是國家區域等級則到達28.4%, 洲區域等級到達48%

這些數據很好, 但是好到什麼程度, 接下來當然就是跟人類比賽啦!, 研究團隊設計一個Game然後找10個經常旅遊的人來跟PlaNet比賽到底是人可以辨識更多, 還是PlaNet可以辨識更多地點. 這個遊戲放在www.geoguessr.com 任何人都可以參加.

比賽結果呢? 人類慘敗 🙁

In total, PlaNet won 28 of the 50 rounds with a median localization error of 1131.7 km, while the median human localization error was 2320.75 km,” say Weyand

為何PlaNet不需賴以人類依靠的線索而執行的比人類好? (這是文中的提問, 小編當下就想, 一定是大數據的幫助不是嗎?), 後面的計畫主持人就回答了PlaNet可以贏過人類是因為它見過的地方遠比人類多, 而且它可以識別出細微的差異,這對於那些經常旅行的人也是很困難去分辨.

如果是在室內拍的呢? PlaNet就要利用相簿的功能, 它會去辨識與這些室內拍的照片放在一起的其他照片中的地點, 然後假設這個室內拍攝照片就是在同一個地點. 看起來未來的Google Photos會加入這個自動辨識影像拍攝地點的功能.

Google還針對這項技術出了一篇論文arxiv.org/abs/1602.05314

感想:

這個功能真的很方便, 以後不用打開手機的GPS功能也可以省下很多電力:-) 但是人工智慧強到看照片就知道地點, 未來結合網路PC Camera, 這又是另一種隱私的問題.

CODEME-自動產生軟體工程師履歷的雲端服務

記得之前看過一篇文章, 要找優秀的軟體工程師要去社群尋找, 這個社群包括技術社群, 還有Hackthon社群, 或是Github opensource社群, 反過來如果軟體工程師要找一個好工作當然也要有一個真正可以表現自己的履歷, 通常一般的履歷很難三言兩語去描述你過去做了多少豐功偉業, 所以小編也在網路找到一篇教導軟體工程師寫履歷的文章-軟體工程師的履歷表如何撰寫-社群時代篇 , 其實看完後, 還是覺得沒辦法凸顯軟體工程師的本事, 小編看過很多厲害的工程師除了參加github opensource專案, 也會到社群回答問題, 或是寫技術分享文章, 或是很勤快參加技術論壇, 與線上教育訓練課程, 這些其實都是履歷的一部份, 今天看到這個YouTube介紹, 它的服務名稱叫CODEME 剛好可以符合這個需求, 軟體工程師只要輸入你的相關帳號, 這個服務就像Robot一樣將你過去在社團參與的活動, github貢獻的source code, 技術forum回答紀錄變成一個線上履歷, 然後可以提供給聘僱公司參考. 這對於積極參加社群活動的工程師確實是一個很棒的服務, 而且這個服務應該也會影響未來工程師為了讓自己的履歷可以有更多的輝煌紀錄而積極去參加社群活動. 看到這裡, 不知您感想如何? 有點壓力是開始冒冷汗是吧:-) , 不過還是要面對現實, 這是大數據時代, 凡走過必留下痕跡, 所以軟體工程師未來的履歷已經不是寫在人力銀行資料庫, 而是讓這種雲端機器人幫你自動產生與評價了.

後記

再重新看一次Youtube video, 小編覺得這個服務有點類似為企業主設計的 ‘徵信’ 服務, 企業主只要知道你提供的相關社群帳號, 這個雲端服務就會產生一份報告給企業主看是不是要找的人才. 但從另一個觀點看, 頂尖的工程師也更容易找到伯樂.

其他參考連結

TrendingDevs-Taiwan 這是國外開發者開發的另一個線上服務, 他可以分析出目前在github上最活躍的開發者, 還有他們都在做哪些opensource , 他的服務可以看到全世界的每個國家, 之前這位開發者到小編經營的FB社群留言說他以後版本會更細可以用行政區域例如新竹市來尋找.

想要加入Soft & Share的Slack線上討論群組與讀書會嗎? 加入Soft & Share Slack

Soft & Share在Facebook有經營兩個粉絲團, 歡迎來加入

喜歡我們的分享嗎? 記得使用以下社群分享按鈕分享給您的社群朋友吧!

2016 年 02 月 19 日 3

Google開放了Cloud Vision API給所有的開發者

TechCrunch的報導 : Google Opens Its Cloud Vision API To All Developers

Cloud Vision API的網址 : Google Cloud Vision

之前看到Cloud Vision API是要提出申請, 過沒多久就全面開放了. 摘要一下這個Cloud Vision API的重點

根據TechCrunch的報導, 這個API可以從影像中解析出文字, 但是它最強大的功能是辨識影像中的物體, 這個功能已經用在目前Google Photos服務中的影像搜尋, 可以識別出花, 食物, 動物甚至地標, Google指出目前這個演算法已經被訓練到可以識別上千種的不同物體.

TechCrunch認為影像分類大概是這個API最有趣的功能. 而且這個服務可以標出不適當的內容, 例如你希望讓你的影像服務App不能出現成人內容(PG-rated, 類似電影級別, 保護級), 這個API還有情緒分析的功能, 例如你只想在所有影像中找出有快樂的人的影像.

這個服務是要收費的, 一千張影下以下是Free的, 一千張以上就要收費. 詳細收費可以看Google官方網站. 在Beta階段, Google限制每個開發者每個月最多處理2千萬張影像, Google指出目前已經有公司導入這個Service, 例如Yik Yak使用API解析影像中的文字. TechCrunch也指出Vision API的競爭對手是MicroSoft的Project Oxford. Oxford也提供電腦視覺, 臉部辨識, 情緒分析等功能.

到Google官網看一下Cloud Vision API的描述, 摘要一下這個API的重要功能

Insight from Your images: 將影像的的物件分類
Detect Inappropriate Content: 昨天有分享一篇第一次上架到Apple Store被拒絕的歷程, 裡面就有提到Apple的上架指引有提到開發者必須可以讓使用者舉發不當的內容, 如果可以更進一步使用Cloud Vision API來過濾掉, 就可以避免掉這個問題.
Image Sentiment Analysis – Google官方說明一個案例, 例如你讓使用者去看你設計的Logo, 你可以用情緒分析的API來分析使用者是否喜歡這個Logo, 這讓我想到台灣一家新創公司UXTesting, 我想未來他們應該會導入這個API, 讓App開發者知道使用者是否喜歡他們的人機界面設計.
Extract Text – 不知道中文是否也可以辨識

範例程式

Realtime People Counter with Google’s Cloud Vision API and RxJava 這個範例是使用Java 8來示範如何使用Google Could Vision API, 這個範例展示了Vision API辨識照片中有幾張人臉, 有一張圖很有趣包含了一隻猴子, Vision API沒有漏氣不會將猴子當作是人臉

感想:

人工智慧, 影像視覺, 還有情緒分析, 未來你用Skype跟朋友做視訊, Skype搞不好還會跟你提示你說了哪句話讓對方高興, 不高興. 這個未來是好還是不好?

使用Stacks/BuildWith來檢視雲端背後的技術與工具

之前在FB社群曾經分享過一個網路服務叫Stacks, 這個網站列出目前很多知名的雲端服務他們背後是用什麼技術來架站, 如果您本身在做雲端服務營運, 也在找工具, 可以用Stacks觀摩這些知名的雲端服務用了哪些工具, 以下以Airbnb當作範例

Application and Data : 看了之後發現原來Airbnb的Web Server是使用Nginx, 使用RoR框架, DB是用MySQL

Utilities : 他們使用Google Analytics做分析, Payment services使用Braintree..

DevOps: 他們的code版本控制使用GitHub, 使用Sentry做例外管理..

Business: 使用了Google Apps, Slack, 等工具

今天又發現一個有趣的服務 BuildWith , 他的用法更直接, 將網站輸入就可以看到這個網站或是雲端服務背後用了那些技術與工具, 有些資訊比Stacks更細, 以下輸出畫面還是以airbnb.com為範例

在Slacks沒有列出PHP, 這邊就有

BuidWith還做了一個統計, 可以看出全世界網站是用什麼開發框架開發的比例, PHP第一名, 有點驚訝吧!

有興趣了解更多資訊, 可以用這兩個服務看看知名公司都用了哪些開發技術與工具.

想要加入Soft & Share的Slack線上討論群組與讀書會嗎? 加入Soft & Share Slack

喜歡我們的分享嗎? 記得使用以下社群分享按鈕分享給您的社群朋友吧!

2016 年 02 月 16 日 1

Shelf-發現朋友在用什麼好物

在TechCrunch看到這個新的雲端服務介紹 Shelf Helps You Find The Best Products People Actually Use , 一個可以幫助你發現你周遭朋友在用什麼好物?

網路時代消費者購買物品往往會透過Google Search來尋找其他有購買這個物品的使用者對這件物品的使用心得, 或是到相關論壇網站爬文看網友的討論, 然後再決定是否要買? 如果再回溯更早沒有網路的年代呢? 會購買物品的慾望有一部分應該是透過朋友跟朋友之間的交流所產生的, 例如到朋友家看到一台不錯的音響, 然後開始問朋友這台音響的品質, 價格在哪裡買會比較便宜… 雖然網路搜尋很方便, 但是透過朋友之間的口碑推薦這個管道還是依然在進行, Shelf應該就是因應這個需求, 利用現在的社群網路讓你購買的物品可以分享給朋友知道, 這對有口碑的實體商品算是可以更容易達到病毒式的行銷效果.

Shelf是如何挖掘我購買了哪些物品? 小編有試用, 發現這個雲端服務目前還是比較針對美國的消費者, 因為美國的消費者習慣到Amazon的網路商店買東西, 所以Shelf有利用這個管道, 引導你到Amazon下載你的購物記錄成爲csv檔案, 然後匯入到Shelf. 或是授權Shelf去掃描你的e-mail找到你在Apple, Walmart的購物收據, 目前Shelf共支援超過50家的線上購物商店, 還有一種輸入方法就是讓使用者自己去上傳購買的物品, 不過Shelf團隊認為大部分的使用者不會這樣做.

Shelf目前這種做法可以讓使用者決定要分享哪些購買的物品應該可以免除一些隱私權的爭議, 記得幾年前Facebook也想要做類似的服務, 讓你的朋友知道你買了哪些物品當你在網路商店購物後, 不過這引起很大的爭議. 我想如果有人在網路商店買了情趣用品應該不會想讓朋友知道 🙂

Shelf有一件事讓小編不太了解的是Shelf沒有支援Facebook或是Twitter, 而是透過Gmail的聯絡人找朋友, 這應該是他的背後是由Google創投投資有關吧? 或許以後會支援, 畢竟目前沒有支援最大的社群網站有點說不過去

您會會透過社群網路分享您購買的物品嗎? 其實在Facebook的塗鴉牆似乎很容易看到朋友的開箱文分享, 這個行為應該是目前很多人就在做的吧!

2016 年 02 月 01 日 0