矮化女性和少數種族，OpenAI GPT 模型為何變成 AI 歧視重災區？

作者 品玩 | 發布日期 2021 年 02 月 13 日 0:00 |

機器學習技術近幾年突飛猛進，許多強大 AI 因此誕生。以知名研究機構 OpenAI 開發的語言生成模型 GPT 為例，現在可寫文章、幫人做報表、自動查詢資訊，給用戶很大幫助和便利。

然而，多篇近期論文指出，包括 GPT 等 AI 模型，生成結果包含基於性別和種族的偏見。而這些 AI 模型應用在商業領域，勢必強化歧視偏見對象現象。

卡內基美隆大學 Ryan Steed 和喬治華盛頓大學 Aylin Caliskan 近日發表論文《無監督的方式訓練的影像表示法包含類似人類的偏見》（Image Represnetations Learned With Unsupervised Pre-Training Contain Human-like Biases）。

研究者對 OpenAI 在 GPT-2 基礎上開發的 iGPT 和 Google 的 SimCLR，兩個去年發表的影像生成模型進行系統性測試，發現種族、膚色和性別等指標幾乎原樣複製人類測試物件的偏見和刻板印象。

其中一項測試，研究者用機器生成男女頭像照片為底板，用 iGPT 補完（生成）上半身影像。誇張的事發生了：所有女性生成結果，超過一半影像穿著比基尼或低胸上衣。

男性結果影像，約 42.5% 影像穿和職業有關的上衣，如襯衫、西裝、和服、醫生大衣等；露手臂或穿背心的結果只有 7.5%。

這樣的結果，技術方面的直接原因可能是 iGPT 採用的自迴歸模型機制。研究者進一步發現，用 iGPT 和 SimCLR 對照片和職業相關名詞建立連結時，男人更多和「商務」、「辦公室」等名詞連結，女人更多和「孩子」、「家庭」等連結；白人更多和工具連結，而黑人更多和武器連結。

這篇論文還在 iGPT 和 SimCLR 比對不同種族膚色外觀的人像照片「親和度」（pleasantness），發現阿拉伯穆斯林人士的照片普遍缺乏親和力。

雖然 iGPT 和 SimCLR 模型的具體運作機制有差別，但透過這篇論文，研究者指出這些偏見現象背後的共同原因：無監督學習。

這兩個模型都採用無監督學習 (unsupervised learning)，這是機器學習的方法之一，沒有給事先標記好的訓練資料，自動分類或分群匯入的資料。

無監督學習的好處，在於資料標記是繁瑣費時的工作，受制於標記工的程度和條件限制，準確性很難保持一定，標記也會體現人工的偏見歧視，某些領域的資料更缺乏標記資料庫；而無監督學習在這種條件下仍有優秀表現，最近幾年很受歡迎。

然而這篇論文似乎證明，採用無監督學習無法避免人類常見的偏見和歧視。

研究者認為，採用無監督學習的機器學習演算法，出現的偏見歧視來源仍是訓練資料，如網路影像的男性照更多和職業相關，女性照片更多衣著甚少。

另一原因是這些模型採用自迴歸演算法。在機器學習領域，自迴歸演演算法的偏見問題人盡皆知，但嘗試解決這問題的努力並不多。

結果就是，機器學習演算法從初始資料庫學到所有東西，當然包括人類的各種偏見和歧視。

之前 OpenAI 號稱「1700 億參數量」的最新語言生成模型 GPT-3，發表論文也申明因訓練資料來自網路，偏見無法避免，但還是發表並商業化。

去年 12 月，史丹佛和麥克馬斯特大學的研究者另一篇論文《Persistent Anti-Muslim Bias in Large Language Models》，確認 GPT-3 等大規模語言生成模型對穆斯林等常見刻板印象的受害者，確實有嚴重的歧視問題。

具體來說，用相關詞語造句時，GPT-3 多半會將穆斯林和槍擊、炸彈、謀殺和暴力連結。

另一項測試，研究者上傳一張穆斯林女孩的照片，讓模型自動生成一段文字，卻包含明顯的暴力過度遐想和延申，其中有句話「不知為何原因，我渾身是血。」

而當這類演算法應用到現實生活，偏見和歧視將進一步強化。

iGPT 和背後的 OpenAI GPT 技術，現在開發到第三代。能力確實很強大，就像眾多媒體報導過那樣，因此許多商業機構青睞採用。最知名的用戶就是微軟。去年 9 月，微軟 CTO Kevin Scott 宣布和 OpenAI 合作，獨家獲得 GPT-3 授權，將技術應用到針對用戶的各項產品和 AI 解決方案。

微軟尚未透露具體會把 GPT-3 應用到哪些產品，但考慮到微軟產品的十億級用戶量，情況非常令人擔憂。如微軟近幾年 Word、PPT 等產品推廣的自動查詢資訊、文字補完和影像設計功能，當用戶匯入某特定詞或插入圖片時，如果正好落入 GPT-3 的偏見陷阱，結果將非常糟糕。

不僅 GPT，照前述論文說法，所有採用無監督學習的演算法都可能包含這些偏見。現在因無監督學習非常熱門，自然語言處理、電腦視覺等領域，都成為非常關鍵的底層技術。

如翻譯對人際溝通十分重要，但錯誤的翻譯結果，一次被演算法強化的偏見事件，少則切斷人與人的聯繫，更嚴重者將導致不可估量的人身和財產損失。

作者 Steed 和 Caliskan 呼籲，機器學習研究者應該更區別和記錄訓練資料庫的內容，以便未來找到降低模型偏見的更好方法，以及發表模型前應該做更多測試，盡量避免受演算法強化的偏見被帶入模型。

資料來源：https://technews.tw/2021/02/13/openai-gpt-discrimination/

New stamps: a bag of pencils.
Choosing the pen to be used today is a ritual for me.
Pull the drawer open, try to write a few of them, tidy it up and adjust it to the best nib after deciding,write each word quietly.
This matter is both private and secret. No one else will know about the things in the account, but I and myself have a conversation through the tip of the pen; I tried to write a pen with "Ah! This writing feels great" in a stationery store. It feels like buying a destined bag or wearing a skirt that is too comfortable.
——
The new set of stamps makes us rethink the connection between the purchased item and the container that contains it. At the beginning, we thought that this set of stamps "may be" limited to stationery and narrowed its use, but the other way around, If we only regard it as a bag, a basket, a shelf or a freezer, and the stuff in it is just a symbol, then this set of stamps will become closely related to your life, and any shopping action can use this Sets of stamps are used as symbols and become cute purchase symbols.
新章：一袋鉛筆。

挑選今天要用的筆對我而言是一種儀式。

把抽屜拉開、試寫其中幾支，決定後把它整理好調整到最棒的尖度、攤開手帳安安靜靜的把每個字寫好。

這件事既私人又隱密，手帳裡的事不會有其他人知道、是自己和自己經過筆尖進行對話；在文具店試寫到一支「啊！這寫感也太棒了」的筆就像買到了命定的包包、穿到了未免太舒服的裙子一樣的感覺。
——
新的這套章讓我們重新再想一次購入的東西與裝載它的容器之間的連結，當初有想過這套章「有可能」會因為侷限在文具而用途變窄，但反過來想，如果我們只當它是一個袋子、一個菜籃、一個架子或冷凍櫃，裡面放得東西只是一個象徵，那這一套章就變得與你的生活息息相關了，任何購物的行動都可以用這套章來當作象徵、變成可愛的採購符號。

廢話很多，總之市集首賣，帶錢來買（喔！line pay 也可以的）。
——
#東維工業 #印章 #水泥章 #水泥印章 #自動鉛筆 #超市 #文具超市 #鉛筆 #danweiindustry #rubberstamps #stationery #mechanicalpencils

來自創新工場大灣區人工智慧研究院的兩篇論文入選了自然語言處理領域（NLP）頂級學術會議 ACL 2020 。
這兩篇論文均聚焦中文分詞領域，是深度學習引入知識後的有益嘗試，將該領域近年來廣泛使用的各資料集上的分數全部刷至新高，在工業中也有著可觀的應用前景。

本文來自創新工場公眾號
……………………………………………………………………

創新工場兩篇論文入選ACL 2020，將中文分詞性能刷至新高

“土地，我的金箍棒在哪裡？”
“大聖，你的金箍，棒就棒在，特別配你的髮型。”

感謝神奇的中文分詞，給我們帶來了多少樂趣。豐富多變的中文行文，給人的理解造成歧義，也給AI分詞帶來挑戰。

近日，自然語言處理領域（NLP）頂級學術會議 ACL 2020 (https://acl2020.org/)正在火熱舉行。

令人振奮的是，來自創新工場大灣區人工智慧研究院的兩篇論文入選。這兩篇論文均聚焦中文分詞領域，是深度學習引入知識後的有益嘗試，將該領域近年來廣泛使用的各資料集上的分數全部刷至新高，在工業中也有著可觀的應用前景。

分詞及詞性標注是中文自然語言處理的基本任務，尤其在工業場景對分詞有非常直接的訴求，但當前沒有比較好的一體化解決方案，而且中文分詞普遍存在歧義和未登錄詞的難題。

基於此，兩篇論文各自提出了“鍵-值記憶神經網路的中文分詞模型”和“基於雙通道注意力機制的分詞及詞性標注模型”，將外部知識（資訊）創造性融入分詞及詞性標注模型，有效剔除了分詞“噪音”誤導，大幅度提升了分詞及詞性標注效果。

兩篇文章的作者有：華盛頓大學博士研究生、創新工場實習生田元賀，創新工場大灣區人工智慧研究院執行院長宋彥，創新工場科研合夥人張潼，創新工場CTO兼人工智慧工程院執行院長王詠剛等人。

ACL（The Association for ComputationalLinguistics）國際計算語言學協會是自然語言處理領域影響力最大、最具活力的國際學術組織之一，自1962年創立以來已有58年歷史，其每年夏天舉辦的年會是該領域學術頂會。

與往年不同的是，受新冠疫情影響，ACL2020全部轉為線上進行，不過這絲毫沒有減弱熱度。根據之前公佈的資料，今年大會投稿數量超過3000篇，共接收 779 篇論文，包括 571 篇長論文和 208 篇短論文，接收率為 25.2%，在全球疫情衝擊下反而是有史以來最盛大的一屆ACL會議，創新工場的技術大牛們也頂著時差連續數晚熬夜參會。

▌利用記憶神經網路，將中文分詞性能刷到歷史新高

中文分詞目的是在中文的字序列中插入分隔符號，將其切分為詞。例如，“我喜歡音樂”將被切分為“我/喜歡/音樂”(“/”表示分隔符號)。

中文語言因其特殊性，在分詞時面臨著兩個主要難點。一是歧義問題，由於中文存在大量歧義，一般的分詞工具在切分句子時可能會出錯。例如，“部分居民生活水準”，其正確的切分應為“部分/居民/生活/水準”，但存在“分居”、“民生”等歧義詞。“他從小學電腦技術”，正確的分詞是：他/從小/學/電腦技術，但也存在“小學”這種歧義詞。

二是未登錄詞問題。未登錄詞指的是不在詞表，或者是模型在訓練的過程中沒有遇見過的詞。例如經濟、醫療、科技等科學領域的專業術語或者社交媒體上的新詞，或者是人名。這類問題在跨領域分詞任務中尤其明顯。

對此，《ImprovingChinese Word Segmentation with Wordhood Memory Networks》這篇論文提出了基於鍵-值記憶神經網路的中文分詞模型。

該模型利用n元組（即一個由連續n個字組成的序列，比如“居民”是一個2元組，“生活水準”是一個4元組）提供的每個字的構詞能力，通過加（降）權重實現特定語境下的歧義消解。並通過非監督方法構建詞表，實現對特定領域的未標注文本的利用，進而提升對未登錄詞的識別。

例如，在“部分居民生活水準”這句話中，到底有多少可能成為詞的組塊？單字可成詞，如“民”；每兩個字的組合可能成詞，如“居民”；甚至四個字的組合也可能成詞，例如“居民生活”。

把這些可能成詞的組合全部找到以後，加入到該分詞模型中。通過神經網路，學習哪些詞對於最後完整表達句意的幫助更大，進而分配不同的權重。像“部分”、“居民”、“生活”、“水準”這些詞都會被突出出來，但“分居”、“民生”這些詞就會被降權處理，從而預測出正確的結果。
在“他從小學電腦技術” 這句話中，對於有歧義的部分“從小學”（有“從/小學”和“從小/學”兩種分法），該模型能夠對“從小”和“學”分配更高的權重，而對錯誤的n元組——“小學”分配較低的權重。

為了檢驗該模型的分詞效果，論文進行了嚴格的標準實驗和跨領域實驗。

實驗結果顯示，該模型在5個資料集（MSR、PKU、AS、CityU、CTB6）上的表現，均達了最好的成績（F值越高，性能越好）。（注：所選擇的五個資料集是中文分詞領域目前全世界唯一通用的標準資料集）

創新工場大灣區人工智慧研究院執行院長宋彥表示，與前人的模型進行比較發現，該模型在所有資料集上的表現均超過了之前的工作，“把中文分詞領域廣泛使用的標準資料集上的性能全部刷到了新高。”

在跨領域實驗中，論文使用網路博客資料集（CTB7）測試。實驗結果顯示，在整體F值以及未登陸詞的召回率上都有比較大提升。

▌“雙通道注意力機制”，有效剔除“噪音”誤導

第二篇論文《Joint ChineseWord Segmentation and Part-of-speech Tagging via Two-way Attentions ofAuto-analyzed Knowledge》提供了一種基於雙通道注意力機制的分詞及詞性標注模型。

中文分詞和詞性標注是兩個不同的任務。詞性標注是在已經切分好的文本中，給每一個詞標注其所屬的詞類，例如動詞、名詞、代詞、形容詞。詞性標注對後續的句子理解有重要的作用。

在詞性標注中，歧義仍然是個老大難的問題。例如，對於“他要向全班同學報告書上的內容”中，“報告書”的正確的切分和標注應為“報告_VV/書_N”。但由於“報告書”本身也是一個常見詞，一般的工具可能會將其標注為“報告書_NN”。

句法標注本身需要大量的時間和人力成本。在以往的標注工作中，使用外部自動工具獲取句法知識是主流方法。在這種情況下，如果模型不能識別並正確處理帶有雜音的句法知識，很可能會被不準確的句法知識誤導，做出錯誤的預測。

例如，在句子“他馬上功夫很好”中，“馬”和“上”應該分開（正確的標注應為“馬_NN/上_NN”）。但按照一般的句法知識，卻可能得到不準確的切分及句法關係，如“馬上”。

針對這一問題，該論文提出了一個基於雙通道注意力機制的分詞及詞性標注模型。該模型將中文分詞和詞性標注視作聯合任務，可一體化完成。模型分別對自動獲取的上下文特徵和句法知識加權，預測每個字的分詞和詞性標籤，不同的上下文特徵和句法知識在各自所屬的注意力通道內進行比較、加權，從而識別特定語境下不同上下文特徵和句法知識的貢獻。

這樣一來，那些不準確的，對模型預測貢獻小的上下文特徵和句法知識就能被識別出來，並被分配小的權重，從而避免模型被這些有噪音的資訊誤導。

即便在自動獲取的句法知識不準確的時候，該模型仍能有效識別並利用這種知識。例如，將前文有歧義、句法知識不準確的句子（“他馬上功夫很好”），輸入該雙通道注意力模型後，便得到了正確的分詞和詞性標注結果。

為了測試該模型的性能，論文在一般領域和跨領域分別進行了實驗。

一般領域實驗結果顯示，該模型在5個資料集（CTB5，CTB6，CTB7，CTB9，Universal Dependencies）的表現（F值）均超過前人的工作，也大幅度超過了斯坦福大學的 CoreNLP 工具，和伯克利大學的句法分析器。

即使是在與CTB詞性標注規範不同的UD資料集中，該模型依然能吸收不同標注帶來的知識，並使用這種知識，得到更好的效果。

而在跨領域的實驗中，和斯坦福大學的CoreNLP 工具相比，該模型也有近10個百分點的提升。

▌主動引入和分辨知識，實現中文分詞技術突破

中文分詞在中國科研領域已經有幾十年的歷史。最初的中文分詞是基於詞典構建，詞典的好壞會直接影響到最後分析的效果。如果某個新詞在詞典裡沒有，那麼模型是死活都分不出來的。

這種方式的局限性還在於，詞典和分詞兩件事情中間始終有一條鴻溝，儘管詞典可以編撰得非常全面，但在處理分詞的時候，因為每一句話都有上下文語境，往往會產生多種不同的切分方法，從而無法有效地在當前語境下對分詞結構進行恰當的指導。

從2003年開始，分詞方法出現了新的突破。研究人員提出了打標籤的方式，通過給每一個字打詞首、詞尾、詞中的標籤，不再需要構建詞典，大幅度提升了未登錄詞的召回效果。

到了2014年左右，深度學習和神經網路開始被廣泛應用到中文分詞中，打標籤的模型從之前的淺層學習變成了深度學習，但演算法本質沒有發生變化，所以提升作用並不太大。

近兩年，學界開始研究怎麼在打標籤的過程中加入外部知識和資訊。創新工場的這兩篇文章就是沿著這個路徑，用記憶神經網路的方式記錄對分詞結果有影響的 n元組，並引入對詞性標注有影響的句法知識，將分詞結果和自動獲得的知識銜接起來，既發揮了神經網路的優勢，也把知識的優勢用上，實現了分詞技術上小而有效的改進和突破。

宋彥表示，“從技術創新的角度，我們的貢獻主要有兩點。一是在現有技術的基礎上，建立了一個一體化的模型框架，使用非監督方法構建詞表，並把知識（資訊）融入進來，使用更高層次的句法知識，來幫助詞性標注，起到'他山之石，可以攻玉’的效果。”

“二是主動吸收和分辨不同的外部知識（資訊）。通過鍵-值記憶神經網路和雙通道注意力機制，進行動態權重的分配，能夠有效分辨知識，區分哪些是有效的，哪些是無效的。雖然這些知識是自動獲取的、不準確的，但‘三個臭皮匠，頂個諸葛亮’，經過有效利用，總能湊出一些有用的資訊。如何實現模型的主動吸收和分辨，就變得更加重要。”

據瞭解，今年的ACL大會，在分詞領域一共收錄了18篇論文，創新工場人工智慧工程院同時有2篇入選，也表現出ACL官方對這一貢獻的認可。

▌具備跨領域分詞能力，提升工業應用效率

中文分詞和詞性標注是最底層的應用，對於接下來的應用和任務處理非常重要。例如對於文本分類、情感分析，文本摘要、機器翻譯等，分詞都是不可或缺的基本“元件”。

宋彥表示，做此項研究的目的是主要為了拓展其工業場景的應用，正確的分詞能夠平衡公司應用開發的效率和性能，同時方便人工干預及（預）後處理。

這也是創新工場人工智慧工程院的努力方向之一。工程院成立於2016年9月，宗旨是銜接科技創新和行業賦能，做嫁接科研和產業應用的橋樑，為行業改造業務流程、提升業務效率。

工程院下設北京總部、南京研究院和大灣區研究院。大灣區研究院再下設資訊感知和理解實驗室，專注于對自然語言處理（NLP）領域的研究。執行院長宋彥本人也有超過15年的NLP領域的科研經驗。

“在工業場景使用的時候，跨領域的模型能力是一個非常直接的訴求。”宋彥表示，在某個領域的訓練模型，大概率也需要應用到其他領域。

“如何在新領域缺少資料，或者新領域只有少量未標注資料的情況下，實現模型的冷開機，依然是項巨大的挑戰。如果能利用外部知識，提高模型性能，就能有效地召回很多在訓練集中沒有出現過的新詞。”

例如搜尋引擎的廣告系統，最初也是通過組詞匹配的方式，在某個特定領域訓練其分詞模型，但在進入一個新的領域時，例如從新聞領域進入醫療領域或體育領域，效果往往會大打折扣，甚至頻頻出錯。

而使用跨領域特性後，廣告系統在進入新領域時，便無需額外的資料，就可以對它進行比較準確的分詞和標注，從而有效匹配廣告和客戶，大大提升系統運行的效率和穩定性。

目前，這兩篇論文的工具都已經開源，在下面兩個連結中，可以找到對應的所有代碼和模型，各位朋友可按需自取：

分詞工具：https://github.com/SVAIGBA/WMSeg
分詞及詞性標注工具：https://github.com/SVAIGBA/TwASP

#無腦神卡 #信用卡 #2021信用卡
合作信箱✉️ : xshinxli@gmail.com
❗️影片未經同意請勿任意轉載、二次搬運、寫成新聞稿
❗️每月45元幫助我創作更多影片｜https://shinli.pse.is/PD4Q5
————————————————————————————
📖我的理財書《25歲存到100萬》｜https://pse.is/38zezq
✨2021無腦神卡詳細文章｜https://shinli.me/2021/07/27/2021crditcard/

00:00 2021無腦神卡推薦！2021下半年必看選卡指南
01:14 星展ECO永續卡 3%
02:07 台新玫瑰Giving卡 3%
02:52 LINE Bank快點卡 3%
03:30 富邦J卡 2%
04:19 花旗現金回饋PLUS卡 2%
05:19 永豐幣倍卡 3%
06:52 永豐Sport卡 3%
07:45 聯邦賴點卡 2%
08:33 永豐大戶 2%
08:43 永豐幣倍卡 6%
09:35 高回饋上限無腦信用卡推薦
10:05 保費享回饋信用卡推薦
10:52 2021無腦信用卡心得

**影片中提及的所有資訊以官方公告為準**
**影片中的無腦神卡是指「一般通路」規範下的信用卡消費**

2021真無腦神卡

[不需任何條件]
星展ECO永續卡｜https://shinli.pse.is/RNHW6 （國內無腦3%）
[-12/31]
📌國內消費3%現金點數
・加碼1.5%每月上限100(6,666封頂)
・保費同享回饋
🔺現金點數須以100為單位兌換
🔺指定連結申辦首刷禮再額外加碼2,000元
📌Uber Eats25%
・單筆滿200享50點Uber點數
・每月上限100點
・活動至10/30
📌申請電子帳單免年費
活動詳情｜https://shinli.pse.is/RNHW6

台新玫瑰Giving卡｜https://pse.is/3k8h7j (假日3%)
[-12/31]
📌假日3%現金回饋
・每月上限5,000(16.6萬封頂)
・保費同享回饋
・需綁定台新帳戶自動扣繳
📌申請電子帳單免年費

快點卡
[-12/31]
📌一般消費3% LINE POINTS
・每月上限500(16,666封頂)
🔺綁定Fami Pay繳費同享回饋
📌簽帳金融卡，不需年費

富邦J卡｜https://shinli.pse.is/U8UWP （新戶3.5%無上限）
[-12/31]
📌國內消費2% LINE POINTS
・回饋無上限
🔺保費僅0.5%
📌綁定LINE Pay 3% / 新戶3.5% LINE POINTS
・回饋無上限
・新戶需綁定LINE Pay＋富邦帳戶自動扣繳信用卡款
📌申請電子帳單免年費

花旗現金回饋PLUS卡｜https://pse.is/3al9qa (指定行動支付10%)
[-111/12/31]
📌一般消費2% 現金紅利
・每年上限6萬(300萬封頂)
・保費同享回饋
🔺現金紅利須以300為單位兌換
📌2021/12/31前申請花旗信用卡電子月結單並任刷一筆，則可享次年免年費

[須符合條件-條件簡單]
永豐幣倍卡｜ https://shinli.pse.is/N4YCD （無腦3% / 指定行動支付6%）
[-12/31]
【懂匯】外幣存款大於0
📌國內2% / 國外3%
・加碼1%每月上限200 (20,000封頂)
📌指定行動支付國內5% / 國外6%
・特選加碼3%每月上限200 (6,666封頂)
【超匯】外幣存款大於10萬
📌國內3% / 國外4%
・加碼2%每月上限1,500 (7.5萬封頂)
📌指定行動支付6% / 外幣消費7%
・特選加碼3%每月上限600 (20,000封頂)
🔺指定行動支付Apple Pay 、LINE Pay、Google Pay、Samsung Pay、Garmin Pay、Fitbit Pay
📌申請電子帳單免年費
✨比較推薦超匯等級

永豐Sport卡｜https://shinli.pse.is/N4YCD （無腦3%現金回饋）
[-12/31]
📌一般通路 2% 紅利點數
・回饋無上限
📌符合運動條件一般通路3% 紅利點數
・當月運動7,000卡
・加碼1%每月上限600(60,000封頂)
・需下載「汗水不白流APP」
指定通路最高8% 紅利點數
・一般通路2% + 運動加碼1% + 指定通路5%
・加碼5%每月上限600 (12,000封頂)
・運動｜運動中心、Word Gym、健身工廠、成吉思汗...
・服飾｜Nike、adidas、puma、new balance、迪卡儂、摩曼頓…
・食品｜棉花田、里仁...
・藥妝｜屈臣氏、康是美、寶雅、Toms、松本清、日藥
・藥局｜杏一、丁丁、大樹...
🔺點數1點=1元可折抵帳單
📌申請電子帳單免年費

聯邦賴點卡｜https://pse.is/3b4lj5 （國內2%/LINE Pay7%）
[-12/31]
📌國內2% / 國外3% LINE POINTS
・需綁定聯邦帳戶自動扣繳
・回饋無上限
・繳保費同享回饋
✨無上限信用卡唯一有回饋保費的
📌綁定LINE Pay指定通路消費7%
・加碼5%每月上限100(2,000封頂)
・肯德基、摩斯漢堡、漢堡王、頂呱呱、必勝客、達美樂、拿坡里披薩/炸雞、吉野家、三商巧福、福勝亭
活動詳情｜https://activity.ubot.com.tw/20210701LaiDianCard/index.htm
📌申請電子帳單免年費

永豐大戶卡
[-110/12/31]
【大戶等級】
📌國內2% / 海外3% 現金回饋
・ 加碼1%每月上限1,500元(15萬封頂)
📌指定通路國內7% / 海外8% 現金回饋
・ 加碼5%每月上限600(12,000封頂)
✨回饋直接匯到銀行帳戶
[成為大戶條件(任一條件即可)]
・當月平均財富超過10萬(含)元 / 加開大戶投，即可直接升級為大戶 
📌申請電子帳單免年費
活動詳情｜https://bank.sinopac.com/sinopacBT/personal/credit-card/introduction/bankcard/DAWHO.html

刷卡金額較大無腦刷
1.花旗現金回饋PLUS卡 2%
2.富邦J卡 2%
3.永豐幣倍卡 3%

消費、保費包辦
1.聯邦賴點卡 2%
2.花旗現金回饋PLUS卡 2%
3.快點卡 3%


—————————————————————
*信用卡專區*

💡網購信用卡💡
彰銀My購卡｜https://pse.is/3jxabx (指定網購10%)
中信英雄聯盟卡｜https://ctbc.tw/Ejj7ka （指定通路/網購10%）
永豐幣倍卡｜ https://shinli.pse.is/N4YCD （指定行動支付6%）
永豐JCB｜https://shinli.pse.is/N4YCD （網購6%）
玉山Ubear ｜https://pse.is/KXJWW （網購/行動支付3.8%）
玉山Pi錢包｜https://shinli.pse.is/PSTRY （PCHome 5%回饋無上限）
GOGO卡| https://shinli.pse.is/V29G4 （週六行動支付/網購6%）
富邦momo｜https://shinli.pse.is/RBJNF (網購3回饋無上限)
樂天信用卡｜https://shinli.pse.is/EUV7G （網購10%）

💡外送信用卡💡
中信英雄聯盟卡｜https://ctbc.tw/Ejj7ka （外送/網購10%）
永豐三井聯名卡｜https://shinli.pse.is/N4YCD （餐廳/外送10%）

💡一般消費信用卡💡
永豐Sport卡｜https://shinli.pse.is/N4YCD （無腦3%現金回饋）
永豐幣倍卡｜ https://shinli.pse.is/N4YCD （無腦3% / 指定行動支付6%）
富邦J卡｜https://shinli.pse.is/U8UWP （新戶3.5%無上限）
花旗現金回饋PLUS鈦金卡｜https://pse.is/3al9qa (指定通路10%)
台新玫瑰Giving卡｜https://pse.is/3cjgtb (假日3%)
聯邦賴點卡｜https://pse.is/3b4lj5 （國內2%/LINE Pay7%）
星展ECO永續卡｜https://shinli.pse.is/RNHW6 （國內無腦3%）
FlyGo卡| https://shinli.pse.is/UTMAF （高鐵/加油5%）
匯豐現金回饋卡｜https://shinli.pse.is/UYRCA (國內1.22%/海外2.22%)
匯豐匯鑽卡｜https://pse.is/3aemhy （指定通路最高6%）

💡行動支付信用卡💡
永豐幣倍卡｜ https://shinli.pse.is/N4YCD （指定行動支付6%）
台新街口聯名卡 ｜https://shinli.pse.is/V29G4 （指定通路最高11%）
GOGO卡|  https://shinli.pse.is/V29G4 （行動支付/網購6%）
凱基魔Buy卡｜https://shinli.pse.is/3amq3r （指定行動支付享8%）
花旗現金回饋PLUS鈦金卡｜https://pse.is/3al9qa (指定行動支付10%)


💡里程信用卡💡
匯豐旅人-輕旅卡｜https://shinli.pse.is/TRNK2
匯豐旅人-御璽卡｜https://shinli.pse.is/UYM33
匯豐旅人-無限卡｜https://shinli.pse.is/SWY28
玉山Only｜https://pse.is/J668L （最高5.2%回饋無上限）

💡高活儲網銀專區💡
永豐大戶 推薦碼shinli｜https://shinli.pse.is/TW36T (50萬內1.1% )
Richart ｜https://pse.is/3dblru （1.2%活存利息）
王道銀行｜https://pse.is/KGYJB (享100現金回饋)
iLeo｜https://pse.is/H4H8E (72萬1.2%超高活存利息)
遠銀Bankee｜https://pse.is/FDDA4 （2.6%活存利息）
樂天純網銀｜RI9HCV （透過推薦碼註冊享100） OU數位帳戶｜https://pse.is/3exmtb （20萬以內1.85%）

💡投資推薦💡
鉅亨買基金｜https://pse.is/3g3g6e (輸入 shinli享1588紅利，申購26萬元以內基金0手續費)
富果帳戶｜https://shinli.pse.is/M4Q9V (註冊享108元)

💡APP推薦💡
家樂福｜A542GMO (輸入推薦碼享3,000點)
註冊Shopback｜https://shinli.pse.is/SR4UE (享100獎勵金)
玉山e.Fingo｜2a5GCNHG (輸入推薦碼享優惠)
悠遊付｜M2F5657F9A0（首筆消費滿100享100回饋金）
UberEats ｜eats-xn13cyuzue (100元折價2張)
汗水不白流｜VOCRBH (享3000卡路里)

VBA到Python程式開發202002第9次上課(安裝BeautifulSoup與find方法&id與class 抓取資料&抓取屬性資料(超連結與圖檔)&爬取TQCPLUS官網&YAHOO新聞&ETTODAY新聞&台銀外匯&加上headers爬蟲與反爬蟲)

01_重點複習與安裝BeautifulSoup與find方法
02_範例二用id與class 抓取資料
03_範例三抓取屬性資料(超連結與圖檔)
04_爬取TQCPLUS官網的證照名稱
05_結果存為CSV與下載YAHOO新聞
06_下載YAHOO與ETTODAY新聞
07_下載台銀外匯與輸出CSV檔
08_加上headers爬蟲與反爬蟲

完整教學
http://goo.gl/aQTMFS

吳老師教學論壇
http://www.tqc.idv.tw/

教學論壇(之後課程會放論壇上課學員請自行加入)：
https://groups.google.com/forum/#!forum/tcfst_python_2020_4

課程簡介：入門
建置Python開發環境
基本語法與結構控制
迴圈、資料結構及函式
VBA重要函數到Python
檔案處理
資料庫處理
課程簡介：進階
網頁資料擷取與分析、Python網頁測試自動化、YouTube影片下載器
處理 Excel 試算表、處理 PDF 與 Word 文件、處理 CSV 檔和 JSON 資料
實戰：PM2.5即時監測顯示器、Email 和文字簡訊、處理影像圖片、以 GUI 自動化來控制鍵盤和滑鼠

上課用書：
參考書目
Python初學特訓班(附250分鐘影音教學/範例程式)
作者： 鄧文淵/總監製, 文淵閣工作室/編著?
出版社：碁峰 出版日期：2016/11/29

Python程式設計入門
作者：葉難
ISBN：9789864340057
出版社：博碩文化
出版日期：2015/04/02

吳老師 109/9/23

EXCEL,VBA,Python,自強工業基金會,EXCEL,VBA,函數,程式設計,線上教學,PYTHON安裝環境

VBA到Python程式開發202002第9次上課(安裝BeautifulSoup與find方法&id與class 抓取資料&抓取屬性資料(超連結與圖檔)&爬取TQCPLUS官網&YAHOO新聞&ETTODAY新聞&台銀外匯&加上headers爬蟲與反爬蟲)

01_重點複習與安裝BeautifulSoup與find方法
02_範例二用id與class 抓取資料
03_範例三抓取屬性資料(超連結與圖檔)
04_爬取TQCPLUS官網的證照名稱
05_結果存為CSV與下載YAHOO新聞
06_下載YAHOO與ETTODAY新聞
07_下載台銀外匯與輸出CSV檔
08_加上headers爬蟲與反爬蟲

完整教學
http://goo.gl/aQTMFS

吳老師教學論壇
http://www.tqc.idv.tw/

教學論壇(之後課程會放論壇上課學員請自行加入)：
https://groups.google.com/forum/#!forum/tcfst_python_2020_4

課程簡介：入門
建置Python開發環境
基本語法與結構控制
迴圈、資料結構及函式
VBA重要函數到Python
檔案處理
資料庫處理
課程簡介：進階
網頁資料擷取與分析、Python網頁測試自動化、YouTube影片下載器
處理 Excel 試算表、處理 PDF 與 Word 文件、處理 CSV 檔和 JSON 資料
實戰：PM2.5即時監測顯示器、Email 和文字簡訊、處理影像圖片、以 GUI 自動化來控制鍵盤和滑鼠

上課用書：
參考書目
Python初學特訓班(附250分鐘影音教學/範例程式)
作者： 鄧文淵/總監製, 文淵閣工作室/編著?
出版社：碁峰 出版日期：2016/11/29

Python程式設計入門
作者：葉難
ISBN：9789864340057
出版社：博碩文化
出版日期：2015/04/02

吳老師 109/9/23

EXCEL,VBA,Python,自強工業基金會,EXCEL,VBA,函數,程式設計,線上教學,PYTHON安裝環境