⌨️ 聽完週末Robert在離島人的分享後，各位是不是想轉職到海外爽爽躺著賺了呢？ 因為科技的發展以及疫情的影響，目前世界各地仍有大量的各種工程師職缺。若有興趣進入這個領域，歡迎參考下面幾個英語平台唷！話說台灣也有很多相關的機構和平台，麻煩👇🏼👇🏼下面留言👇🏼👇🏼讓大家知道你在這唷～ 免費教你學程式語言的始祖 🌹 @freecodecamp 在線上學任何你想得到的主題 🤯 @udemy 由認證機構和公司提供的線上課程 🏢 @coursera 連續100寫程式挑戰💪🏼 #100daysofcode — 在美國和日本的平均薪資的確是高於台灣，但相對來說生活費也較高，同時還有語言及職場文化需要適應。以下幫大家整理幾種工程師的平均薪資讓大家概略了解之中的差異。（以下數字僅供參考嘿～） ### 🌐 Network engineer - 美國：NTD230萬(USD8.7萬) - 日本：NTD144萬(JPY576萬) - 台灣：NTD51萬 網路工程師我覺得是少數重要但被忽略的職業，工作範圍包含網路系統規劃、設計、分析、測試、維護等相關問題。同時也需要了解通訊系統整合、網路安全設計、防火牆管理等。根據業種、公司規模、系統設計等會有許多不同的稱呼方式與專業領域。 講白點就是公司或家裡網路不順就需要網路工程師協助，防疫期間關在家裡，沒有AI其實不會影響生活，但如果沒網路真的會很崩潰。 — ### 👕 Front-end Developer - 美國：NTD278萬(USD10.3萬) - 日本：NTD114萬(JPY457萬) - 台灣：NTD47萬 前端工程師主要工作是開發或維護跟網頁相關的程式軟體，像是建置網頁、一頁式的活動頁面、電商網站，語言以JavaScript、HTML、CSS為主。雖然網站設計與前端開發基本上是分工的，但如果求職者有設計、UI/UX 等介面設計經歷，或是有後端開發能力，有機會可以談到更好的待遇，也有部分會選擇往 mobile 發展。 HTML像是人的骨架；CSS是皮膚和衣著；JavaScript是大腦。前端工程師所負責的範圍就是使用者：我們在瀏覽網頁、滑APP會看到的東西。UIUX設計師做好使用者分析和介面設計，由前端工程師用程式語言將這些設計轉化成你我可以實際操作的頁面。個人覺得是設計背景的人最適合拿來試水溫的職位。 — ### 🗃 Backend Developer - 美國：NTD318萬(USD11.8萬) - 日本：NTD108萬(JPY434萬) - 台灣：NTD60萬 後端工程師負責資料庫、伺服器的管理維護，制定API等，常見使用的語言有：node.js、.NET、PHP、Ruby on Rails及Java。傳說年薪最高的後端語言是 Ruby，快速成長的新興語言 Golang也十分熱門，PHP 的開發人員數量最多，平均年薪相對其他語言/框架較低。每個國家對於語言的需求都有所不同，譬如說日本因為長久以來的習慣就很愛Java和C語言，有這方面專長的朋友可以試試看。 — ### 🤖 Machine Learning Engineer - 美國：NTD378萬(USD14萬) - 日本：NTD166萬(JPY663萬) - 台灣：NTD97萬 須具備程式設計、爬蟲及資料分析、統計及機器學習等能力。工作內容偏向數據蒐集與分析、或針對系統所需設計分析實際應用的正確率與錯誤率、及開發網路模型理論推導與演算法。 日常生活中常見的應該是萬惡的FB演算法（？）；或是Netflix根據你的觀看紀錄來推薦相同類型的影集等；幫你確認語言檢定的作文得分；自動篩選求職者的履歷內容是否合乎要求等。機器學習和AI已經在我們生活中已經有相當的重要性，你支持AI的發展和是害怕有一天會被取代呢？ — #台灣人 #離島人 #podcast #台灣podcast #工程師 #engineer #程式新手 #快樂學習 #happycoding #職涯 #程式語言 #程式 #前端 #coding #LearnWithoutLimits #ML #frontend #backend #networking #網路工程師 #前端工程師 #機械學習 #AI #後端工程師 #Amazon工程師 #Amazon #轉職

最近幫同學邀請一位外科醫師演講，想到上次與這位學姊談話是五年前的事情了。再加上最近在家醫科上了一堂職涯的討論課，所以我想來分享一下選擇醫學的心得(不過這也只到大五的所見所聞，可能未來5年、10年的看法都會改變)。如果大家對於下面的這些觀點有其他想法或是對於選系之類的問題想要討論也相當歡迎。 五年前這個時候我離學測只有兩個星期，在那之後經歷了二階的六個系所面試、筆試，經過了微積分甲(這在台大已經走入歷史了XD)，資工系的演算法、線性代數、各種期末作業，無數的解剖跑台、病理玻片，到去年的一階國考。現在回頭看才發現學測真的只是個小挑戰，但對那時的我卻是個好大好大的山頭。 那時的對於要走醫學還是資工猶豫了一陣子，但我還是選擇了當時對我來說非常未知的醫學，一方面是希望未來的工作能有個特別的使命感，另一方面可能我就是個喜歡探索的人吧！五年過去了，當時選擇資工(或電機)的同學們，有些在Google吃生魚片，有些申請上我也曾夢想能踏入的國外研究所、博士班，而在醫學的路上，我才正準備開始。 如今我又快到另一個人生的交叉路口，看著身邊醫學系的學長姊都在努力地準備未來要到哪間醫院、為自己的選科鋪路。也觀察了不少醫師的生活型態，所以慢慢地在心中形成對於哪些科有興趣、適合自己的感覺。但也有感受到，這個領域往往相當競爭，許多人把做研究、寫論文當作選科、升等、升官的手段，同儕間也有不少比較的心態。有的時候老師會說"因為這樣好發表論文"跟"這樣的文章點數很高"，而不是"做這個題目可以解答一個重要的問題"，或是"為病人的診斷治療帶來很大的進步"之類的。談到選科，很多人會提到薪水、生活品質、適合開業等等，反而比較少"我喜歡這科因為我對...很有興趣"，這樣的說法。 所以我又想起，五年前問學姊，什麼樣的人會走外科，他只說了一句話："喜歡開刀的人"。最近這樣堅定的口吻，我又在一個想走神經外科的PGY口中聽到，內心由衷地佩服。 我的其中一個興趣(除了做甜點之外XD)是看一些AI相關的研究。在資工系的時候會發現，AI的研究很多是在提出一些新的模型、優化方式來將既有問題擠出更好的成績，像是準確率、計算速度等等(有人稱為刷分、刷榜)，而且有的時候反而會不知道有什麼新題目可以做(我記得以前有句話說，網站工程師閒閒沒事的時候就會寫網站框架，所以新的網站框架很多...)。 後來讀了醫學之後發現因為醫學的領域實在非常非常地廣，認真想一下手上有的資料與工具，其實能夠嘗試的問題很多。之前想過一些有趣的研究，比如說醫師常常要讀很多論文、寫治療指引，那如果用AI來讀paper、給建議，要怎麼知到AI有看懂？另一方面，既然AI可以下圍棋(像是我高三的時候的Alpha Go)，那可不可以把臨床治療當作一盤棋來下，看AI醫生能否戰勝疾病？最近才發現這些問題世界上都有很厲害的團隊想到且已經做得如火如荼。 鋪陳了這麼多，其實真正想要講的是兩個問題： 當作興趣或當作職業？ 這是遇到的急診老師講的，很多人都有一個興趣，那個興趣可能鑽研得很深、能力很強，但如果要把那個興趣轉作職業，或許會比想像中困難地多。 我自己就覺得我好像不那麼適合一直寫程式，因為我對於debug這件事相當苦惱，為了自己有興趣的題目、寫出自己想要的東西時會感到很雀躍，但面對作業、死線寫不出來、找不到答案的時候心裡會有很大的壓力。另一方面資工的競爭並不比醫學來得少，如果要走研究路線，特別是做AI的題目，在數學方面的要求是相當高的(加上目前AI要變成可以獲利的產品並沒有那麼容易...恐怕是個僧多粥少的狀況)。 如果沒有選擇醫學系？ 雖然可能在資工上的訓練會更加紮實，可以花更多心力在把數學基礎學好，但是我就沒有機會一窺醫學這個非常特別、深不見底的世界。可以在開刀房刷手上去拿器械縫傷口、幫寶寶接生、在門診接初診病人、在病房研究許多萬分之一的特殊疾病。如果我沒有嘗試，可能一輩子與生物就絕緣了XD 也就沒有機會發現那麼多可以結合原本AI興趣與醫學的機會、看到這些研究成果會由衷地感到興奮！ 別人問我的時候我總是會說，我覺得唸台大醫真的太超值，而且醫師的工作型態非常多樣。不過必須要說，醫學的訓練真的非常辛苦，可能超過我高中時的想像。 希望說了這些心路歷程，能夠有個拋磚引玉的效果，讓大家也有機會回顧、分享自己在十字路口做的決定，說不定能幫助到另一個人在同樣十字路口的人。 #醫學 #醫學系 #醫學生 #醫學院 #醫學系日常 #大學生 #大學 #台大 #醫院 #醫院日常 #升學 #medicine #doctor #physician #computerscience #biology #hospital

Intel 於 SuperComputing 2019 發表oneAPI產業倡議，以建立一個開放、遵循標準、一致的程式設計模型，提供開發者於 CPU、GPU、FPGA 及其它加速器，自由選擇最佳硬體的可能性，並將其結合為「XPU」。⁣ ⁣ oneAPI 完成版產品將於 2020 年 12 月推出，可供本機電腦或在 Intel DevCloud 免費使用，另有內含技術諮詢工程師全球支援的商業版本。現有的 Intel Parallel Studio XE 與Intel System Studio 工具套件也會立即轉換至對應的 oneAPI 產品。⁣ ⁣ Intel 打算將 CPU 開發者工具延伸至 XPU，協助開發者推出高效能、跨架構的應用程式。Intel oneAPI 完成版產品提供完整進階函式庫、編譯器以及移植與分析工具，其可提供下列功能：⁣ ⁣ ‧ 發揮 Intel CPU、GPU、FPGA 所具備尖端功能的全部價值，最大化效能並加速運算。⁣ ⁣ ‧ 與現有程式設計語言模型相容，如 C++、Fortran、Python、OpenMP...... 等。使得開發者確信現有應用程式能夠與 oneAPI 無縫接軌。⁣ ⁣ ‧ 輕鬆轉換至新世代系統與加速器：使用橫跨所有架構的單一程式碼基礎，釋放開發者維護程式碼的束縛，將時間投資在創新與進階百萬兆級 (exascale) 和人工智慧運算。⁣ ⁣ ‧ 加速 HPC、AI、IoT、渲染等特定工作負載，提供以該領域為中心的開發工具包。⁣ ⁣ 另外，Intel DevCloud 將開放 Intel Iris Xe MAX 繪圖晶片供大眾使用，Intel Xe-HP 則供特定開發者使用。允許開發者開始採用 oneAPI 撰寫程式碼，並以橫跨 Intel CPU 與加速器組合的方式，測試其程式碼與工作負載。⁣ ⁣ Intel oneAPI 開發工具包有以下幾款：⁣ ⁣ Intel oneAPI 基礎工具包 (Base Kit) 為開發者的起點，具備核心工具集，包含同類最佳編譯器、強效函式庫、一個相容性工具，以及分析與除錯工具。⁣ ⁣ 特定領域開發工具包幫助開發者的 HPC、人工智慧、IoT 與渲染等特定工作負載，最佳化應用程式。其包含基礎開發工具包。⁣ ⁣ ‧ Intel oneAPI HPC 工具包幫助開發者以可擴展的方式，更快速推出 Fortran、OpenMP、MPI 應用程式。⁣ ⁣ ‧ Intel oneAPI IoT 工具包幫助開發者將 oneAPI 威力注入全球 IoT 邊緣應用，如健康照護、智慧家庭、工業、零售、航太及更多領域。⁣ ⁣ ‧ Intel oneAPI IoT 渲染工具包開啟娛樂、科學視覺化與其它領域的高效能創作、高解析度、可延伸，且具成本效益的視覺化應用。⁣ ⁣ 搭載 oneAPI 的工具包，包含 oneAPI 的跨架構元件或是函式庫。⁣ ⁣ ‧ Intel AI Analytics 工具包提供端到端資料科學與機器學習管線插入式 (drop-in) 加速，可供資料科學家、人工智慧開發者與研究者使用。⁣ ⁣ ‧ Intel Distribution of OpenVINO 工具包幫助開發者遞交高效能深度學習推理與電腦視覺。⁣ ⁣ #4GAMERS⁣⁣⁣⁣⁣⁣⁣⁣⁣⁣⁣⁣⁣⁣⁣⁣ #ACGnews⁣⁣⁣⁣⁣⁣⁣⁣⁣⁣⁣⁣⁣ #硬體情報⁣ #Intel⁣ #XPU⁣ #CPU⁣ #Xe⁣ #oneAPI