做創作真的很不容易,我真的隨身帶電腦的喔(´⊙ω⊙ )

【一人一個 #新一代WindowsPC 的好處】

輕巧纖薄,強勁效能,高清觸控屏幕,平板手提電腦二合一, 工作娛樂兼顧…...(下刪一萬字)

新一代 Windows PC 的好處很多, 訂閱 Microsoft 365, 就可以善用各項功能方便日常生活. 例如用 Design Ideas 幫手設計PowerPoint 做 present, 或者 Editor 去修正文法錯誤, 還可以將檔案放去 OneDrive 雲端儲存空間, 妥善保存之餘亦支援跨平台共同編輯.

新一代 Windows PC 有那麼多好處及選擇, 有興趣也選返款心水型號喔 : www.bit.ly/WindowsModernPC

#MicrosoftHK #Microsoft365 #DesignIdeas #Editor #OneDrive #2合1筆記型電腦 #高清觸控屏幕 #輕巧纖薄 #雲端儲存空間

還有其他插畫師, 大家加油嚕:
DDED 謝曬皮 Tse Sai Pei 東尼電機 傭仔日記 Maid's diary 草日漫畫 爵爵&貓叔 香游氏

#學習寫程式 #誰可以成為軟體工程師 #小吃貨轉職日記 #個人心歷路程

不知道是否還有人記得，很久以前我問了大家一個問題是，覺得什麼樣的人可以成為軟體工程師。

其實一直以來，我覺得只要會英文的人就可以學會寫程式，就可以成為軟體工程師。

為什麼會這麼覺得呢？

首先，就像是，你覺得誰學會使用電腦是一樣的道理。如果你在三十年前問大家這個問題，可能很多人會覺得，只有念相關科系的人可以學得會。

在我們還在DOS的時代，還在打指令的時代，那時只要會打字，就可以成為文書處理專業。沒錯，那個年代，文書處理是一個科系。

但現在，有誰會去大學念一個科系，只有學打字使用Microsoft Office系列。

當然，軟體工程師也並不是一個容易的職業，就像我之前提過的，這個職業也有很多利與弊，不是像外面形容的那樣，好像坐在電腦前面打打字就可以做的，或者像其他工作那樣，可能學了一技之長可以用很久，這個行業的一技之長，可能很快就過保鮮期了。

回到學習寫程式這件事情，在台灣聽很多人都說，「啊！寫程式就是要有天份啦！」「聰明的人啊！」也看過很多網路上的人在吵，資工vs 資管 vs 非本科系什麼之類的。

最近有朋友問我說，為什麼在台灣的時候學不會，可是來英國以後我就學會了，是因為來英國以後特別努力嗎？

其實你到現在問我學會了嗎？我也不會跟你說我什麼都會。但的確光是coding這點，我覺得在台灣學習跟來英國學習最大的差異還是在，學習的動力上面。

在台灣的時候，其實有點為了學而學，從來沒有思考過自己是否真的有興趣，有時候以為自己其實也滿有興趣的，因為那些東西以前沒有碰過，可是只要碰到一點瓶頸 ，就會開始退縮，覺得好煩喔！這些東西怎麼這麼難，只要上課聽不懂老師在說什麼，就會很不想繼續學。

在台灣除了去資工系修課以外，也有去台大資訊系統訓練班上過課，也有上過一些線上的課程。

幾乎都是同樣的感覺，甚至覺得，自己是不是年紀大了，感覺什麼都學不會，聽不懂，自己好像很笨。

來了英國以後，上課的第一天，老師說，我會用英語授課，而且不會為你們放慢速度，因為你們必須要去習慣。當時覺得自己更不可能聽懂，也不可能學會。

可是我們上課的狀況通常是，一天上課兩個小時，上完以後有兩個小時的實驗課，大家坐在電腦前，老師一個一個看你做的東西，從很小的東西開始學。

我覺得這個應該算是滿關鍵的，就是有沒有動手實作。然後不會的話老師也很耐心的教，此外老師還有另外的課後時間，只要我們有問題都可以去找他。

在實驗課的時候，中間只要卡住，老師也會盡量讓我們自己去思考，而不會直接告訴我們答案，例如會問我們，為什麼你想這麼做，這麼做的原因是什麼。

我記得很久以前在台灣的大學，問了老師一個問題，老師的答案是，你以後就會知道了。當下其實就讓人覺得有點反感，而且後續問老師很多問題，老師也是都這樣，這個以後就會學到了。

我自己算是一個滿會因為老師而喜歡一個科目或不喜歡一個科目的人。就像我小時候很討厭數學課，也是因為不喜歡數學老師。也不是真的不喜歡，就是有一種覺得，反正老師也不在乎我學不學的會，只在意那些學得好的人。

在台灣也聽過很多人說，啊要學會寫程式，數學就要先打好基礎，數學不好怎麼寫程式。可是真的成為工程師以後，在工作上根本沒用到什麼基礎數學啊！

其實在英國也遇過很多數學系畢業的，可是害怕寫程式的人也很多，他們這邊通常學校會有一兩堂課是寫程式，可能學個Python, 像我之前念書的學校，學不好的很多，一些很厲害的大學的數學系，也有人就乾脆放棄那門課，不學，因為覺得很複雜，他們寧願把時間拿去研究純數。

不過現在的電腦，都會幫你做好各種基本數學運算了，大部分現在的程式語言，你要跑什麼線性回歸什麼的都幫你做好了，也想不到什麼時候會用到三角函數之類的，除非你的工作是什麼data scientist 之類，可能要建立複雜的數學模型，或者quant 那類的，不然就算你要做Machine Learning這類的東西，也有很多已經現有的工具，軟體工程師大部分就是拿來跑一跑。

要是你真的是做機器學習相關的研究，人家也不要你軟體工程師，人家要的是資料科學家背景，人家至少要你有個PhD唸完再來，你要至少會讀paper, 寫paper做研究啊!!

如果是醫學相關的軟體，需要有專業技能，人家也要找醫學背景的來，如果是金融相關的，需要有非常多的金融專業技能，當然也是從金融背景的比較容易。

通常軟體工程師，普通的軟體工程師職缺，就是不太會需要太多納些相關的專業領域，他們也願意你進去了再學，你主要需要的是快速學習、適應環境的能力，還有溝通能力，這樣如果跟其他專業領域的科學家、研究員、分析師溝通之類的，至少你可以不會有太多的障礙。

當然，軟體工程師的工作也可以細分成很多領域，像是遊戲產業的軟體工程師，或者IoT產業的軟體工程師，甚至還有像是軟體架構師、軟體分析師、資料工程師之類的，他們可能需要使用到的技能也不一樣，但也不會沒事就需要叫你算個三角函數之類的.........通常你的背景還是在於你對於寫程式的熟悉程度，你會使用那些工具，你是否是個團隊合作的人，能否跟大家一起寫程式。

總之，回到前面說的，所以到底學習寫程式需要什麼，英文真的是很重要的一環，因為程式語言本來就是英文為主，在來就是網路上的資源，也幾乎都是英文為主。還有你寫程式的環境，也幾乎都是英文，像是你使用的工具，回報給你的錯誤訊息也常常可能是英文的。

來英國以後一直在思考的一點，在台灣討論到會不會寫程式，或者學不學的會，通常英文好的話，也可能在閱讀文件方面比較快，可以快速學到一些東西。

語言也不是全部，如果已經在工作的話，工作環境也很重要，學習環境也很重要，在學校如果遇到一個很好的老師，或者有一起學習的夥伴們，也會比自己一個人獨自專研來的快，不過每個人的學習方法不同，更重要的是找到自己喜歡的學習方法。

反正如果你想學的話，也不用管其他人講什麼，想學就學啊！當初我要學的時候，也很多人覺得我不可能學的會或者不可能成為軟體工程師之類的。

其實也不是因為我原本念歷史系的原因，主要就是，大家覺得，我是一個沒有邏輯，邏輯不好的人。還有覺得我是一個三分鐘熱度的人，以及數學指考考了不到30分。這些我也都寫在部落格裡面了，所以一直以來都有在看我文章的人，大概也都知道了。

當時，我大概聚集了所有身邊當工程師的朋友，都覺得不可能會成為工程師的因素吧！但現在我還是做為一個軟體工程師賺錢就是了。

有時候想做什麼就去做，反而是一件比較容易的事情。尤其是學習這種事情，網路上也有很多資源可以學習也不一定需要花錢。

在學校的時候，除了老師給予我一些自信以外，另外也是在英國認識了一些人，給予了一些鼓勵，有些素未謀面的人，也有些一面之緣的人，可能也是因為他們不認識原本的我，所以都覺得，沒有什麼是我不能找到工作或成為軟體工程師的原因。

現在想想，或許這就是初生之犢不畏虎的概念，當初沒有想太多就跑來英國，然後來了以後才開始覺得必須要努力一點才能找到工作，中間也遇到了很多困境，工作以後也曾經想過要放棄當軟體工程師，想要去當個什麼辦公室助理之類的。

也經歷了很多覺得很困惑的時期，雖然自己現在還是滿困惑的。但我覺得如果你真的想要學習或者轉職，只要做好功課(這點真的滿重要的，至少不要覺得只是看別人好像不錯，就決定要去做，至少要衡量一下利與弊)，就可以去做吧！也不用管別人說你適不適合走這條路怎樣的。

每個人適合走的路也不太一樣，還沒走之前都看不到，就算你看身邊的人都怎樣，自己還是自己。

從AI三大趨勢看台灣廠商的發展策略

2019-03-28 11:03北美智權報

【吳碧娥╱北美智權報 編輯部】

台灣科技產業過去藉由半導體及製造業奠定硬體基礎，在人工智慧（AI）時代下，台灣光靠市場規模難以與其他國家競爭，創新應用是AI時代的發展關鍵。台灣在AI晶片具備獨特優勢，伴隨著邊緣運算（Edge Computing）正在興起，短期可集中發展邊緣運算+AI晶片，搭配台灣軟體與硬體系統業者，形成完整供應鏈關係；長期則可觀察類腦神經晶片的發展動態，適時尋找切入的機會！

全台四大AI創新研究中心成形

為加速台灣人工智慧人才培育與技術發展、吸引尖端技術優質人才，科技部以五年為期，推動AI創新研究中心專案，第一期計畫自2018年1月開始執行，分別在台灣大學成立「人工智慧技術暨全幅健康照護聯合研究中心」、清華大學「人工智慧製造系統研究中心」、交通大學「人工智慧普適研究中心」與成功大學「AI生技醫療創新研究中心」，研究主題包括AI 核心技術、智慧製造、智慧服務及生技醫療，開發AI核心關鍵技術及深耕智慧應用領域，並建置相關大數據資料庫，今年已邁入第二年，並新增「AI人社計畫」，探討AI與人文社會的交互影響。

日前科技部工程科技推展中心與數位經濟前瞻技術研發與應用專案計畫辦公室共同主辦「AI人工智慧創新與應用研討會」，安排跨界討論產業AI化的機會與挑戰。台灣大學人工智慧中心主任陳信希指出，2018年1月1日在台大設立的AI創新研究中心，全名為「人工智慧技術暨全幅健康照護聯合研究中心」（簡稱「台灣大學人工智慧中心」），包括智慧技術和生技醫療兩個主題，總共涵蓋12大研究領域，分屬「人工智慧技術」及「全幅健康照護」兩個子中心，目標除了要打造國際級的研究中心，還要扮演產業界的橋樑、培育AI人才。今年以來，科技部補助全台四大AI創新研究中心共80項計畫，其中有21項智慧技術計畫及12項生技醫療計畫隸屬台灣大學人工智慧中心，佔比超過全部計畫的四成（41.25％），但其中只有三分之一屬於台大，其他計畫主持人來自清大、交大、中央研究院、台師大與元智大學等單位。

陳信希表示，因為智慧技術的產生，為人類帶來很多意想不到的問題，台灣大學人工智慧中心最大宗的計畫領域為機器學習與深度學習（43％），處理海量多媒體資料、資料安全、資料隱私與標記資料不足等問題，其他重要主題包括資料探勘與巨量資料分析、人工智慧知覺、自然語音語言處理、人工智慧與法律人文等議題。

AI發展三大重點趨勢

根據工研院發布的《亞洲十國2030前瞻科技調查》，未來十年亞洲最看重的Top 10技術發展項目，首選是人工智慧技術╱機械學習技術，將是台灣未來發展的重要關鍵。工研院產業科技國際策略發展所所長蘇孟宗指出，AI未來發展有三大趨勢值得注意，首先是邊緣運算正在興起。全球AI運算發展重點從雲端轉往邊緣，邊緣運算將解決頻寬有限、通訊延遲、資料隱私和網路覆蓋的四大問題。2018年已有近四成企業規劃在終端處理資料，2020年則有高達75%資料都會在終端完成處理。由於邊緣運算是在終端感測器或周邊零組件先行運算的特性，台灣產業鏈具備電子零組件及晶片優勢，預料邊緣運算加上AI晶片將是台灣下一波新機會。

第二趨勢是AI晶片未來五年市場將高度成長，2017~2020年年均復合增長率為63.5%，預計2020年商機將達到158億美元。從AI晶片市場的國際布局觀察，台灣短期機會在專用晶片，長期仍須開發新興架構晶片。建議台灣AI晶片產業可快速使用國際大型雲端平台廠商（如Google、Amazon或Microsoft）提供的AI服務，雲端平台廠商目前已將部分雲端工作下放至邊緣端或裝置端，邊緣端晶片效能提升加上耗電降低，將可大幅減少大系統的建置成本。

第三個趨勢是隱私與資安的法制化，意味著寬鬆的AI資料規範時代即將結束。由於FaceBook先曾爆發因委外造成資安漏洞的爭議，各國陸續成立專責的AI道德規範管理單位，歐盟在2018年5月已實施「歐盟通用資料保護規則」（GDPR），嚴格規範可能阻礙AI的應用發展，資安議題漸成AI產業所共同面臨的產業趨勢，也為台灣AI產業帶來新的機會。蘇孟宗強調，以法規保護資安與隱私已是各國常態，而法令保護的焦點，已從個資保護（GDPR）、關鍵基礎設施保護（NIS Directive）轉移到物聯網設備安全，2019年各國政府關注與業者競爭的重點將是物聯網設備的安全防護，台灣業者要採取更主動防護的思維，加強隱私與數據保護的設計。

創新應用是AI時代的發展關鍵

蘇孟宗分析，台灣電子產業供應鏈在邊緣運算與AI晶片的優勢高於雲端運算，短期可集中發展邊緣運算+AI晶片，搭配台灣軟體與硬體系統業者，形成完整供應鏈關係；長期則可觀察類腦神經晶片的發展動態，適時尋找切入的機會，但光靠單一廠商的力量，很難長期投入大量研發資源，建議政府、法人可輔以資金和相關技術共同投入推動AI發展，才能產生長遠的效益。台灣應用端廠商目前普遍不了解AI，必須優先讓有意願和有能力的業者發展示範應用，可考慮透過產業聯盟的形式，由政府和大型企業共同投資AI研發。AI新創業者部分，可發展人工智慧的應用服務，法人則投入利基型應用，耕耘人工智慧的基礎技術，帶頭投入前瞻應用，推動學研單位的開放協作平台，整合學界的技術加速商品化腳步。蘇孟宗也提醒，政府除了推動AI產業發展，還要注意AI可能為社會安全、道德、法律層面帶來的負面影響，在國際制訂隱私與資安的法治趨勢下，台灣必須即時制訂相關法規，並輔導產業了解國際法規，才能避免廠商不慎踩雷。

附圖：表一、科技部 107 年補助人工智慧創新研究中心專案計畫 （資料來源：科技部）
圖一、台灣大學人工智慧中心主任陳信希分享台大AI中心的定位與功能。 （吳碧娥／攝影）
圖二、台灣大學人工智慧中心12大研究領域 （圖片來源：台灣大學人工智慧中心）
圖三、工研院產業科技國際策略發展所所長蘇孟宗分享AI趨勢與產業發展策略。 （吳碧娥／攝影）

資料來源：https://udn.com/news/story/6871/3723443

チャンネル登録、ぜひお願いします！！
http://urx.red/Zgf8

番組へのお便り投稿フォーム
https://forms.gle/udvU8EF9PGv2feKU6

あなたの体が1円玉ぐらいの大きさなってミキサーの中に放り込まれました？ どうする？ Googleの変わった入社試験を皮切りに、世界の先端を行くGAFAの一端Googleが求める人材について語ります。論理的思考とはなにか？ お楽しみ下さい。

このゼミの続きを見たい方には、以下の2つの方法がおすすめです。

1.YouTube メンバーシップ　https://bit.ly/3lvIbYF
【YouTube 岡田斗司夫ゼミ】３０日590円(税込）

2.ドワンゴ ブロマガ会員　https://ch.nicovideo.jp/ex
【ニコ生岡田斗司夫ゼミ】　月会費550円(税込）

*****************************
この動画が10週間以上前の場合や、他の動画も色々楽しみたい場合は、以下がお得です。

3.YouTube メンバーシップ　https://bit.ly/3lvIbYF
【YouTube 岡田斗司夫ゼミ プレミアム】３０日2,390円(税込）

4.ドワンゴ ブロマガ会員　https://bit.ly/2QBcteh
【ニコ生 岡田斗司夫ゼミ プレミアム】月会費2,200円(税込）

5.オタキング アーカイブ会員　https://bit.ly/3hHQ5fh
【岡田斗司夫アーカイブ】　３０日2,160円（税込）

6.Amazon Video　
【Amazon 岡田斗司夫】レンタル500円/販売1,000円
https://www.amazon.com/v/otaking

それぞれの詳細はこちら　https://bit.ly/34Mtlae

2020年9月30日収録

************************************************

岡田斗司夫
大阪生まれ。アニメ・ゲームの制作会社ガイナックスを創業し、初代社長を務めたあと退社。立教大学やマサチューセッツ工科大学講師、大阪芸術大学客員教授などを歴任。
『評価経済社会』『スマートノート』『人生の法則』など著書多数。
Twitter：https://twitter.com/ToshioOkada