戲裡劇外|日劇演員名單不只排列組合　是規矩更是潛規則
https://reurl.cc/kdE63x
　　
演員名單雖然是每一部戲劇中，如同空氣一般，如此自然而然的存在。但是可曾想過這些名字的排列組合，背後不單單只是登場先後，或是戲份多寡的差異而已。說好聽一點叫做規矩，但更直接一點就是潛規則。
　　
微妙的前後差異，小則成為媒體以及輿論茶餘飯後的話題，大則，可能成為造成演員、製作單位間摩擦的導火線。
　　
因此，每一部戲的演員名單，其實多多少少都埋藏了線索，長幼尊卑，又或是在這個圈子裡的份量。當然軟一點的那一面，也可看到演員與其他人間的情誼，不論是同劇演員或製作人員。
　　
這集《卡爬的房間》-戲裡劇外單元，會和大家聊聊：
　　
1. 日劇的演員名單模板長什麼樣子？分成哪些區域與部分？
2. 一般日劇其實沒有男女主角的編制？
3. 特別演出的特別點在哪裡？友情演出的定義是什麼？
4. 要是有很多大咖演員演出，演員名單要怎麼排？
　　
想知道這些是怎麼一回事，就從這個看似平常，時常被忽略，卻埋藏很多寶藏的演員名單說起吧！
　　
　　
--------------------------------------
聽完了卡爬的房間後，接著聽國立故宮博物院Podcast！
　　
　　
【國立故宮博物院Podcast來啦！】
　　
你知道古代也有貓奴嗎？
　　
你知道古代文青的時尚單品嗎？
　　
哇！古代的便利商店原來提供了這些服務？！
　　
你所不知道的故宮文物小故事～
　　
快收聽「國立故宮博物院Podcast」
　　
收聽這邊請：https://lihi1.com/ku7vG/hot

【新手健身】　第二集，該如何設定目標！
.
該如何護定目標呢？我們首先來找出幾個方法！
一、時間、天數、週期
二、體重、體脂、肌肉
三、次數、組數、強度
四、身體各部份圍度
五、身體活動能力差異
六、自我觀察身材差異
七、別人觀察身材差異
.
由這幾個目標設定下來，對自已的成就認定，那接下來我們就一個一個來進行了解，如何設定！
.
=====【時間、天數、週期】=====Part.1
.
Ex.
目前狀況：半小時／2天
一個月後：一小時／3天
一週增加了1.5小時運動時間，一個月增加了6小時運動時間
.
時間可以做遞增及遞減的狀況，因為多數人一開始訓練找不到愉快的感覺（這就跟不愛念書的人一樣）
訓練我們可以去做時間遞增，時間還沒到，就要持續到時間到，小堅持一下。
反之遊戲可以去做時間遞減，時間到了，就該要去停止，有玩就好不能太瘋。
.
=====【體重、體脂、肌肉】=====Part.2
.
由數據來掌控自已的進度，有了確切的數字，更精準知道自已努力變多少。
.
當天的訓練，約一個半小時，訓練前後的數據來做比對
訓練前：體重95.1kg
訓練後：體重94.3kg
雖然當天的訓練並不能證明什麼效果，但至少能證明，你當天的訓練，排出多少水份，你做心肺有氧多認真，才會排出這麼多水份（而不是一直在廁所小便），也能用這樣的方式去了解到，你今天的強度如何，而來預估大約一週後的變化。
.
當週的時間，結束後的結算，來做這一週的數據比對（當天未訓練後測量）
一週前：體重95.1kg
一週後：體重93.9kg
從本週的變化了解，這週的努力有產生出效果（而不是當天不喝水降下來），因此每一週紀錄著，是否比上一週還要來的再更好一些，因此證明你的方針是對的。
（從一週的紀錄也才知道，並非因為當天水份補充較少，而產生的幻覺）
.
當月的時間，得知的結果，去計算平均一週改變多少
一個月前：體重95.1kg
一個月後：體重92.1kg
這樣的數據，絕對不是一天不吃不喝就可以達到的，而是你努力一個月後的成果。
.
有些人會說，一個月才降2-3kg，實在太慢了。
過去我會問那些想要減脂減重改變的人，假設他們增了20kg，我一定會去問時間。
像是2年前50kg，2年後70kg，換算下來，24個月增加20kg，等於一個月增不到1kg，那如果按照一個月可以降2kg，花不到一半的時間就可以降下來，這樣還會慢嗎？
因為沒有了解，所以會認為很慢，當了解比較過後，才知道原來減脂的速度比増重還要來的太快了。
.
=====【次數、組數、強度】=====Part.3
.
一個月前
胸推20kg，次數：8，組數：4
胸推30kg，次數：0
.
一個月後
胸推20kg，次數：15，組數：4
胸推30kg，次數：4，組數：3
胸推35kg，次數：2，組數：2
從原本推不起來的重量，經過一個月的訓練，可以達到4下，並且3組，代表著身體的能力進步，而原本的重量，也進步了一大截，因此獲得訓練上進步的成就。
.
從每個月紀錄自已訓練強度數據，以此知道自已的能力不斷在提昇。
.
=====【身體各部份圍度】=====Part.4
.
一些很在意的部位，先做好數據紀錄
三個月前
腰圍：104.14 cm
臀圍：114.30 cm
腿圍：81.28 cm
臂圍：43.18 cm
.
三個月後
腰圍：99.06 cm
臀圍：106.68 cm
腿圍：74.93 cm
臂圍：37.084 cm
.
從各項數據進步中，也包含在穿衣上，有很大的落差，從XXL的Size變成L，這就是進步後帶來的喜悅成效。
.
=====【身體活動能力差異】=====Part.5
.
一、整天下來勞累程度
原本中午要睡午覺 1 小時，以及晚上大約 9 點就想睡了。
現在中午可以不用午休並且到達晚上大約10點才會想睡。
.
二、工作下來精神差異
原本早上起來都會很累，沒有精神，並且到下午 2 點還昏昏欲睡。
現在早上起來很有精神，不會懶散，並且到下午起床就不會想睡。
.
三、出去玩樂時間延續
過去逛百貨公司時候，逛一個小時，就開始腳痠、腰痠、哪裡痠。
現在逛百貨公司時候，逛三個小時，才開始出現之前這些痠痛。
.
四、同件事情疲累指數
原本從一樓走到五樓，要分兩次走，並且到五樓時候，要休息兩分鐘。
現在從一樓走到五樓，一次就走完，並且到五樓時候，才休息半分鐘。
.
生活當中的狀況改善，會使你更有意願進行訓練，因為不但工作、玩樂、活動，都有很大的進步，怎麼不會想持續下去呢！
.
=====【自我觀察身材差異】====Part.6
.
一、從穿著的大件越穿越合身
不但從大件穿著合身，並且也開始敢挑戰衣服色系，因為穿深色顯瘦，亮色系顯大，所以大部份時候都穿深色，但改變之後，也比較不會在意顏色的衝擊。
.
二、從自我愛照鏡子及愛拍照
因為不想多看自已現在的樣子，所以常常不會照鏡子及拍照看自已，但改變之後，這些階但增加了，而且也比較不怕體重數據，反到是會更勇敢的去面對。
.
三、從自已穿著更少展現身材
過去穿的多，因為覺得展露出來的地方怕會被笑，但改變之後，不但勇敢了，且展現自已的身材，並且更想挑戰越來越性感，挑戰以往不敢去挑戰的極限。
.
四、從不在意形象變成很在意
以前出門在外，反正也不怎麼樣，所以常常在外面或他人面錢，也不想化妝打扮，輕輕鬆鬆就出門了，但改變之後，全副武裝出門，穿著打扮配件樣齊全。
.
五、從不敢Po網到持續做分享
以前不愛Po文，因為覺得自已身材不好，也不漂亮，所以Po文也沒什麼人要看，但改變之後，想把自已如何改變，變的漂亮有自信這份感動，分享給他人。
.
因為人改變了，會變的有自信，有自信就敢秀，就會越來越在意，人因在意而精進。
.
=====【別人觀察身材差異】=====Part.7
.
一、網路世界中
等級 1 （簡單模式）：因為網路中，網友很少看到你，所以當你改變一Po，基本上都會造成很大的迴響。
.
二、生活朋友圈
等級 2 （普通模式）：朋友不會每天見面，可能一週或者一個月見個一兩次，所以久久沒看到看的更明顯。
.
三、工作環境中
等級 3 （困難模式）：工作的同事每天都見面，所以對於你的改變不會有太大感覺，同事會說代表改變真大。
.
四、家中的成員
等級 4 （極限模式）：家人也是每天見面，並且不太會說好聽話，所以家人一出口，便知一定有，真的假不了。
.
.
=====【結論】=====Part.8
.
從每個設定的方法，逐步執行，也因難度設定而逐漸加高，不僅獲得成就，並且更肯定自已。

訓練AI模型，要多少數據？拆解企業人工智慧專案為何難落地

2020.12.09 by 若水AI Blog

企業導入AI似乎已成為一種趨勢，但是訓練AI模型，需要多少數據？其背後的商業命題與成本又該如何解決？帶你來一起窺探AI專案背後的秘密！

企業的AI專案在釐清問題本質、找到命題之後，首先會面臨到一個問題：收集數據（Data Collection）和建立AI模型（Model Establishing），該以什麼作為評估基準？

訓練一個AI數據模型，需要多少數據？

訓練AI數據模型時，其實有三個要素，彼此互相影響。分別是： 商業問題的複雜度 、 AI模型複雜度 （Model Complexity），以及 數據複雜度 （Data Complexity）。

因此，如果想知道需要多少訓練數據（Training Data），建議先釐清：這個AI專案到底要處理什麼問題，以及這個問題有多複雜？確定之後，再來判斷應該選用哪種程度的模型來做訓練。根據不同的商業命題複雜度，用不同複雜度的模型和精準數據彼此搭配，找出最佳平衡，才能讓AI專案順利落地。

但光憑想像，很難評估實際的AI數據量和成效，所以開始AI的第一步，需要先透過POC概念驗證（Proof of Concept）實驗來找答案。

簡單來說，就是針對不同複雜程度的商業問題，嘗試選用不同複雜度的模型搭配測試，直到模型跑出來的曲線，符合理想目標。

一般狀態下，假設商業問題本身的複雜度很高，我們會預期要選擇複雜度較高的模型。但是如果數據量不足，那麼選擇複雜度較高的AI模型，反而會比用簡單的AI模型效果還差。（上圖左上、右上，分別代表複雜度10和複雜度50的問題，可以明顯看出複雜的模型曲線比較接近學習數據集（Dataset），但是在測試數據集上的誤差 Eout，反而比簡單模型還差了許多。）

上圖的左下和右下，是以不同複雜度的模型去做POC，跑出來的結果曲線圖。藍色線代表的是學習數據（Training Data）成效，紅色線代表的是測試數據（Testing Data）成效。最理想的POC目標，應該是兩條曲線很貼近彼此，而且位置越低越好。

我們會發現，左下這張圖的兩條曲線雖然彼此貼近，但是就算增加數據，也無法降低誤差。這表示模型偏誤（Bias）高，效果不佳，應該要增加模型複雜度 （Model Complexity）。

增加模型複雜度之後，就會像右下這張圖，藍色曲線（學習數據）雖然數值很低，但在學習數據不足的情況下（灰色區塊），紅色曲線（測試數據）卻「飄」得太高。這表示模型變異誤差（Variance）高，應該要增加學習數據。最後在慢慢增加模型複雜度以及學習數據之後，我們就可以達到理想的結果（兩條曲線很貼近彼此，而且位置越低越好）。

數據哪裡來？發展AI人工智慧之前，先建立數據流

先前我在文章裡提到，很多企業會急著開發AI模型，但AI專案落地經驗的三大關鍵之一，其實是先確認：是否已經準備好數據了？如果沒有這樣的能力，談AI落地其實有點好高騖遠。

AI數據收集（Data Collection）最大的挑戰，在於針對不同型態的命題，會產生不同的AI數據需求，因此需要建立的「數據流」（Data Pipeline），AI數據處理 （Data Processing）和數據標註（Data Annotation）的模式及流程也會有所不同。

發展AI之前，如果能建立起從數據收集（Data Collection）、數據處理（Data Processing）到AI模型學習的數據流（Data Pipeline），並確保可以順暢運行，實際訓練AI模型時才會省力很多。

數據不夠或太多怎麼辦？

Google開設的機器學習（Machine Learning）課程中，第一項原則就開宗明義地指出：「Don’t be afraid to launch a product without machine learning」。

如果你的產品或業務不一定需要用到機器學習（Machine Learning），那就別用，除非你有AI數據。有數據，再來談機器學習（Machine Learning）。但在業界的實際狀況，大家不是沒有數據，而是只有一些些，這時候該怎麼辦？我會建議，先從小地方開始做起，也就是從POC專案著手。

POC專案要有具體成效，除了要注意設計專案、實驗模型的指標（Metrics），企業最重要的是要先定義清楚：AI專案要達到什麼樣的指標，才算是成功？這樣最後做出來的成果，才會真正符合商業目標。

如果今天不是沒有AI數據，而是數據很多，又該從何下手呢？

我建議，嘗試減少訓練AI人工智慧時的「 數據大小 」和「 數據筆數 」。

過去曾經處理過一個AI專案，數據多達2億筆。第一次實驗，把數據全部餵進AI模型，取得結果。第二次，只拿其中有代表性的500萬筆出來訓練人工智慧。

猜猜結果如何？兩次實驗的表現，只差異不到1%。

所以，如果企業對於AI數據的品質和數量有一定程度的自信根據，其實不用把數據全部餵進AI模型訓練（Model Training），只用有代表性的AI數據來訓練就可以了。市面上很多常見的AI工具（Cluster），可以做到這點，幫助省時省力。

AI模型訓練，記得校準商業目標

企業發展AI人工智慧的最終目的，還是希望能 達到商業目標，創造價值 。

所以，訓練AI模型時，團隊如果不知道如何判斷哪個指標，對AI模型學習來說比較重要，建議回歸初心，重新釐清「 這個專案想達到的商業目標是什麼 」。

比方，趨勢科技（Trend Micro）要開發一個能夠判斷電腦病毒的AI，但是勒索病毒（denial-of-access attack）和廣告病毒對客戶的傷害程度大不相同。這時候，工程師就會針對這個命題，餵給AI模型不同病毒種類的數據，讓它學會判斷不同病毒的重要性，分辨出哪些病毒比較嚴重不能有判斷錯誤，而哪些病毒比較無害，不一定要做到一百分。

最常見的訓練方法，是用成本函數（Cost Function）的方式，訓練完再回去調整AI模型的評分（Rating），用加扣分的方式，告訴機器它的學習表現是好是壞，做對就加分，做錯就扣分。

上述評分原則的制定，和企業的商業價值考量息息相關，所以一般在組織分工，會由PM專案團隊負責判斷哪些項目重要，請資料科學家設計在上述Cost Function裡面。

很多人以為，AI人工智慧開發要做到很完美才行，但其實根據我們的經驗，只要AI開發成本符合預算、AI模型表現可接受（大約做到60–70分），而且結果有助於降低成本，就可以算是達到商業目標。反過來，即使AI模型表現非常好（高達90分），但成本卻遠超出預算，就不建議執行。

另外，因為POC階段會做很多的實驗，需要拿兩個穩定且可以互相比較的基準做A/B Test，所以做好基礎建設非常重要。

如果一個團隊裡面有三位工程師，但三個人做出來的結果都無法互相比較，那麼這個實驗就會變得霧裡看花，導致AI專案難以落地。

AI數據小學堂：模型指標（metrics）

在做模型實驗時，通常會用混淆矩陣（Confusion Matrix）的四種指標：TP（True Positive）、TN（True Negative）、FP（False Positive）、FN（False Negative），以及Count、Unique和Accuracy等等函數，來判斷這個模型的表現好不好。

P或TN值，代表模型辨識的答案正確，和預期結果一致。例如：模型正確判斷出「這是一隻貓」、「這不是一隻貓」。而FP或FN值，則代表模型的判斷錯誤，例如「明明是貓，模型卻說不是貓」、「明明不是貓，模型卻說它是貓」。

附圖：AI模型 若水國際
AI模型的POC概念驗證實驗怎麼做？

資料來源：https://www.bnext.com.tw/article/60440/ai-strategy-04?fbclid=IwAR1SOhjjGxypdGgOGfaBIl_a1IsZFJAQZ8J2aeDd98spbUfOdg7hiPQP7UA

#聲寶智能氣炸烤箱

之前分享我媽試做烤雞的影片，
被網友一直追問，
所以跑去問廠商是否能團購，
結果廠商表示這款大熱銷，
庫存是肺炎爆發前進口，貨量已剩很少
加上親朋好友都跟我下單了，
數量又少了幾台，
所以需要的網友趕緊來訂購，
目前市面上價格是6980元
找到最低是5980元，
不過我的團購價是5480元含郵
真的很划算喔！

目前限量20台，
錯過就要等廠商預計五月才有貨了
下單者加碼抽聲寶攪拌機一台!!!!!
🔺表單在這：https://forms.gle/XktfwuEzuBrBqHyw8
🔺上班日中午前訂單成立，當天可出貨

為大家整理【聲寶】氣炸烤箱　
與氣炸鍋/它牌氣炸烤箱的差異：
1.可當烤箱、氣炸鍋、乾果機，一機多用途CP值超高。
2. 氣炸烤箱12公升，炸籃5公升，容量大。
3. 功能較多，有16種菜單模式（如：解凍、保溫、乾果、全雞…等），一鍵即可料理完成，非常簡單。
4. 附有7種配件，包含烤籠、炸籃、轉叉、烤網、烤盤、網籃、轉叉夾。（直接全配，不需加購!!!）根據需求更換器具，簡單好清洗。
5.具有360度旋轉功能，可烤全雞、烘腰果.咖啡豆等食材。
6.如同烤箱，擁有透視窗，可直接查看烘烤情形，雙層防燙透視門(外層PC/內層強化玻璃)，聚熱效果佳。
7.內有5圈迴紋式電熱管，氣炸效果更佳！
8.鏡面不鏽鋼內膽，（一般烤箱或是它牌氣炸烤箱多為鍍鋁板）。
9.附有配件多為304、430不鏽鋼材質。

試用心得：
我覺得很方便，如果還沒有買氣炸鍋，
不妨考慮這台智能氣炸烤箱，
不管是炸雞、炸薯條，
還是烤披薩、餅乾或蛋糕，
連麵團發酵可以，
一台就擁有超多功能，
甚至還可以烘咖啡豆和乾果，
真是懶人的福星，
我媽那時候看到馬上就想要入手，
第一次用來烤雞的時候，
就被驚豔到，
那雞烤出來可是外皮酥脆，多汁滑嫩，
超級好吃，
厲害的是烤的時候居然沒有任何油煙，
這點真的大大加分，
因為我德國大烤箱就是油煙多，
然後也難清洗，這台就不會這樣，
還有個重點是容量雖大，
但體積卻不笨重，
料理的時候機身也都不會很燙，
加熱過程也非常快速，不需要預熱，
真的很棒，一機抵多機，
CP值超高的，
以上心得提供給大家參考，
有什麼問題可以留言給我。

注意：烤雞和用炸籃和烘盤下面都要用烤盤，這樣油和一些粉都會掉在烤盤，直接拿去洗就好，不會像氣炸鍋難清理喔。

#團購 #媽媽好幫手 #廚房必備
#懶人的福星 #有心人人都是廚神
#有教學指南和食譜 #二寶媽
#省時省力 #家庭煮婦的日常

📍臉書：www.facebook.com/alisabenny
★即時動態的IG:：https://goo.gl/73poix
★影片頻道youtube：https://goo.gl/kKN9KP
★親子好康社團：https://goo.gl/ik8yXg