雖然這篇processing語法鄉民發文沒有被收入到精華區：在processing語法這個話題中，我們另外找到其它相關的精選爆讚文章
在 processing語法產品中有8篇Facebook貼文，粉絲數超過2,850的網紅矽谷牛的耕田筆記，也在其Facebook貼文中提到， ref: https://blog.argoproj.io/argo-workflows-2021-survey-results-d6fa890030ee 這篇是由 Argo 官方所發表的統計文章，該文章主要是探討 Argo Workflows 的使用，總共有效的問券有 60 份 你是誰 1. 3...
同時也有10000部Youtube影片，追蹤數超過2,910的網紅コバにゃんチャンネル，也在其Youtube影片中提到，...
-
processing語法 在 コバにゃんチャンネル Youtube 的最佳解答
2021-10-01 13:19:08![post-title]()
-
processing語法 在 大象中醫 Youtube 的最佳貼文
2021-10-01 13:10:45![post-title]()
-
processing語法 在 大象中醫 Youtube 的最佳解答
2021-10-01 13:09:56![post-title]()
processing語法 在 矽谷牛的耕田筆記 Facebook 的最佳解答
ref: https://blog.argoproj.io/argo-workflows-2021-survey-results-d6fa890030ee
這篇是由 Argo 官方所發表的統計文章，該文章主要是探討 Argo Workflows 的使用，總共有效的問券有 60 份
你是誰
1. 32% DevOps Engineer
2. 26% Software Engineer
3. 15% Architect
4. 9% Data Engineer
使用案例(前六大項)
1. Infrastructure Automation
2. Data Processing
3. CI/CD
4. Batch Processing
5. Machine Learning
6. ETL
由於問券內容中大部分都是 DevOps 相關職缺，所以答案會偏向 Infrastructure, CI/CD 也是不太意外。
最受歡迎的功能(按照名次排序)
1. Workflow Template
2. CronWorkflows
3. API
4. Prometheus Metrics
5. Workflow Archive
6. Golang/Java/Python Clients
7. SSO
8. WebHooks
9. Workflow Reports
10. Node Offloading
11. Memoization
12. Semaphores/Mutexes
Argo 官方對於這個評比是有點經驗，本以為會更多人使用(6)與(12)，不過這些功能實際上的釋出也是相對新。
規模
1. 大部分的使用者一天會運行 10~100 個左右的 workflows
2. 有三個使用者每天會運行 1000 個以上的 workflows
3. 大部分使用者每個 workflow 運行的 pod 數量範圍為 10~100
4. 有兩個使用者每個 workflow 運行的 pod 數量超過 10,000
導入生產環境的困境
1. 有七個人表示習慣使用 Python，所以使用 YAML 語法相對困難
2. 有三個人表示需要去熟悉 Cloud-native/Container 的相關用法與概念
為什麼使用 Argo Workflows
1. 28 個人表示因為其是 Cloud Native/Kubernetes 相關專案
2. 有六個人表示 Argo Workflow 是目前最好用的 workflow 專案
3. 有五個人表示輕量與容易上手
4. 有五個人表示與 Argo CD 可以輕鬆整合無煩惱
對 Argo Workflow 有興趣的人可以參考這個專案，其還可以組合出符合 DGA 拓墣的關係圖，讓你的 job 組合變化多端
processing語法 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
開發軟體再也不是難事！看AI技術如何讓企業事半功倍
2020.08.20 by 鄭興 作者簡介
在資訊人才匱乏之際，AI工具開始深入軟體開發的各個階段，有效協助開發人員節省測試、尋找BUG的時間，讓開發軟體不再是件難事。
隨著科技日新月異，資訊軟體在各行各業中的使用率大幅提高，企業中軟體相關專案大量增加。然而在資訊科技跟軟體應用蓬勃發展的背後，愈來愈多企業發現自己面臨一個問題：軟體人才匱乏，無法有效進行軟體生命週期管理，投入大量成本卻仍無法保證產出的品質。
據Standish Group 2018年發布的CHAOS報告調查指出，近半數軟體專案會發生延宕、超出預算、無法達到預期目標的狀況，另外近20%的專案直接宣告失敗。因此，如何改善資訊系統導入和軟體開發的效率，將是企業在競爭中設法脫穎而出的重要議題，而與此同時，AI科技也在改善軟體開發流程上逐漸發揮其巨大的影響力。
新一代的AI軟體開發工具可以協助開發者產出更好的文件、更可靠的程式碼，以及更到位的專案管理。
AI技術之所以能夠改善軟體開發工作，源自現在軟體開發的重要潮流：開源（Open Source）程式碼。「開源」使得大量程式碼片段被分享和重複使用，同時集結眾人的智慧與經驗使之不斷優化。這些紀錄成為AI科技的重要資料基礎，在機器學習和自然語言分析（Natural Language Processing）等技術的支持下，新一代的AI軟體開發工具可以協助開發者產出更好的文件、更可靠的程式碼，以及更到位的專案管理。
筆者從以下5個軟體開發階段出發，觀察AI技術如何協助開發者達成需求。
1. 需求管理
需求蒐集與管理往往是決定專案時程、成本甚至成敗的關鍵。因此，能夠分析需求文件的工具應運而生。有些軟體廠商提供了強化的管理工具，能透過自然語言分析找出描述不完整、未明確定義或是前後矛盾處，並提供調整建議，進而改善文件品質。據已在使用此類工具的公司回報，其可有效降低超過一半以上檢閱需求文件的時間。
2. 程式開發
隨著機器學習的深化，除了基本的語法提示，AI還可以自動產生相關的程式片段供開發人員參考，有效減少開發人員敲打鍵盤的次數，並大幅減少發生錯誤的機會。同時，錯誤偵測工具大幅降低開發人員查找錯誤所需的時間。知名遊戲廠商Ubisoft就曾表示，使用機器學習相關技術使他們能夠在進入測試階段之前就發現70%的錯誤。
3. 軟體測試
在軟體開發過程中，開發人員時常會使用自動測試工具執行QA（品質保證工程師）撰寫的測試情境，以確保軟體的品質。通過AI的輔助，這些測試工具不再限於自動執行，而是可以自動產生測試案例，擴大測試情境的同時節省測試人員的時間，進而縮短軟體測試整體時程。
4. 上線部署
部份軟體錯誤只有在指定環境中完成部屬後才會發生，但AI可以藉由分析過往的程式碼及軟體日誌提前預估錯誤，並且加速查找根本原因並減少復原所需時間。除此之外，AI也可以分析、優化系統運行參數及環境參數，從而提高程式執行效率，減少營運成本。
5. 專案管理
數家新創公司對大量過往軟體開發專案進行分析後，推出了可以預估新專案的技術難度、所需開發資源以及時間軸的工具，以期增加專案規劃的精確性並提高執行效率。像是法國電信公司Orange便已使用AI工具取代人力，自動更新專案時程及範圍。
雖然有些專家預測，在未來世界AI會自動撰寫所有程式，不過在我們可期的時間內，人類仍將是大部分程式的創造者。如何使用AI工具協助人們進行軟體開發，從而實現企業的未來願景，值得企業仔細考量。
資料來源：https://www.bnext.com.tw/article/58925/ai-software-development?fbclid=IwAR0Faev8Zwcu-1agI0WmiEfxN-lxJf6TB0sw0qbAwtZhE5rw0x8-t59dsO4
processing語法 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
開發軟體再也不是難事！看AI技術如何讓企業事半功倍
2020.08.20 by 鄭興 作者簡介
在資訊人才匱乏之際，AI工具開始深入軟體開發的各個階段，有效協助開發人員節省測試、尋找BUG的時間，讓開發軟體不再是件難事。
隨著科技日新月異，資訊軟體在各行各業中的使用率大幅提高，企業中軟體相關專案大量增加。然而在資訊科技跟軟體應用蓬勃發展的背後，愈來愈多企業發現自己面臨一個問題：軟體人才匱乏，無法有效進行軟體生命週期管理，投入大量成本卻仍無法保證產出的品質。
據Standish Group 2018年發布的CHAOS報告調查指出，近半數軟體專案會發生延宕、超出預算、無法達到預期目標的狀況，另外近20%的專案直接宣告失敗。因此，如何改善資訊系統導入和軟體開發的效率，將是企業在競爭中設法脫穎而出的重要議題，而與此同時，AI科技也在改善軟體開發流程上逐漸發揮其巨大的影響力。
新一代的AI軟體開發工具可以協助開發者產出更好的文件、更可靠的程式碼，以及更到位的專案管理。
AI技術之所以能夠改善軟體開發工作，源自現在軟體開發的重要潮流：開源（Open Source）程式碼。「開源」使得大量程式碼片段被分享和重複使用，同時集結眾人的智慧與經驗使之不斷優化。這些紀錄成為AI科技的重要資料基礎，在機器學習和自然語言分析（Natural Language Processing）等技術的支持下，新一代的AI軟體開發工具可以協助開發者產出更好的文件、更可靠的程式碼，以及更到位的專案管理。
筆者從以下5個軟體開發階段出發，觀察AI技術如何協助開發者達成需求。
1. 需求管理
需求蒐集與管理往往是決定專案時程、成本甚至成敗的關鍵。因此，能夠分析需求文件的工具應運而生。有些軟體廠商提供了強化的管理工具，能透過自然語言分析找出描述不完整、未明確定義或是前後矛盾處，並提供調整建議，進而改善文件品質。據已在使用此類工具的公司回報，其可有效降低超過一半以上檢閱需求文件的時間。
2. 程式開發
隨著機器學習的深化，除了基本的語法提示，AI還可以自動產生相關的程式片段供開發人員參考，有效減少開發人員敲打鍵盤的次數，並大幅減少發生錯誤的機會。同時，錯誤偵測工具大幅降低開發人員查找錯誤所需的時間。知名遊戲廠商Ubisoft就曾表示，使用機器學習相關技術使他們能夠在進入測試階段之前就發現70%的錯誤。
3. 軟體測試
在軟體開發過程中，開發人員時常會使用自動測試工具執行QA（品質保證工程師）撰寫的測試情境，以確保軟體的品質。通過AI的輔助，這些測試工具不再限於自動執行，而是可以自動產生測試案例，擴大測試情境的同時節省測試人員的時間，進而縮短軟體測試整體時程。
4. 上線部署
部份軟體錯誤只有在指定環境中完成部屬後才會發生，但AI可以藉由分析過往的程式碼及軟體日誌提前預估錯誤，並且加速查找根本原因並減少復原所需時間。除此之外，AI也可以分析、優化系統運行參數及環境參數，從而提高程式執行效率，減少營運成本。
5. 專案管理
數家新創公司對大量過往軟體開發專案進行分析後，推出了可以預估新專案的技術難度、所需開發資源以及時間軸的工具，以期增加專案規劃的精確性並提高執行效率。像是法國電信公司Orange便已使用AI工具取代人力，自動更新專案時程及範圍。
雖然有些專家預測，在未來世界AI會自動撰寫所有程式，不過在我們可期的時間內，人類仍將是大部分程式的創造者。如何使用AI工具協助人們進行軟體開發，從而實現企業的未來願景，值得企業仔細考量。
資料來源：https://www.bnext.com.tw/art…/58925/ai-software-development…