[職涯] 海外求職經驗分享

一開始也沒特別想找國外的工作，原本計畫還要在磨練個兩三年才往外發展，但是去年有一天突然收到Facebook的來信，不是Faceb00k，是真的Facebook，邀請我參加面試，才開始第一次海外求職的經驗，之後膽子也大了起來，投投履歷聊聊天，當做練英文和練表達方式．

[Python] Google Deep Learning TensorFlow課程(二) -- 作業一 (下)

延續之前的作業，繼續往下寫XD~

[Python] Google Deep Learning TensorFlow 課程(二) -- 作業一 (上)

Google 大神開的課程還有放 sample code 和作業在Github上，邊念就邊把作業心得放來這邊衝文章數．

[Python] Google Deep Learning TensorFlow課程(一)

Deep Lerning在現在硬體計算能力增長的現在又開始火紅了起來．比起一般的Machine Learngin，Deep Learning在圖形，聲音，影片的辨識上又更強大．Google大神也將Deep Learning的套件開源出來叫做TensorFlow．TensorFlow是一個Deep Learning套件，希望能讓Deep Learning的使用更方便，更有彈性，而且能輕易套在產品上面．

[AWS] 搬上雲端綜合使用心得

由於公司想把一些東西搬上AWS，進一個月來我都在和AWS奮鬥．因為台灣寫AWS的人很多，我就不設定的細節，就幾個常用到的功能來閒聊一下．

在真的搬上去之前，我立下幾個搬上AWS的主要目標:
1) 減少我個人維運機器的時間
2) 減少每個人互相搶資源的狀況
3) 費用

以下每個行動都是基於上述三個考量．

[閒聊] 2016 新年雜談

不同於2015以學習為目標，2016將會是開始有些什麼結果的一年．

在2015年底最後一季，著手籌備了一些很有趣的計畫，經歷了年底的籌備階段，2016開始將會慢慢將這些計劃付諸實現．待事情到了可以公開的階段會在陸續分享相關成果和心得．

過去一兩年都以學習技術為主要的軸心，但在開始籌備專案後，自然將更多的心思移到思考及規劃上．而且從專案觀點來看，一開始的方向正確，比後續技術還要來得重要得多．希望隨著時間和經驗累積，可以盡量做出更多正確的判斷．

去年給自己開了太多目標，導致每件事情完成度都很低，與其這樣，不如把心思放在最重要的事情上好好做好（也歸因於去年一年真的發生太多意想不到的變動）．今年不要貪心，每個月一本，看完十二本書就好．

不管是人生，管理，還是學習，斷捨離，都是非得面對的情境和課題．適當的修剪可以讓留下來的部分有更好的發展．

[Spark] 那些創立社群教我的五件事

去年的這時候剛接觸了Spark，由於整個Hadoop生態系對我來說是個全新的世界，身邊的人也都剛開始摸，台灣也還沒有相關的社群討論．一時血氣方剛，找了以前的同事以及上網搭訕一些人就組了讀書會．因為之前也有找人組過R或Python的讀書會，但是通常沒幾次就散了，對於Spark我一開始也沒太大期望．雖然中間也曾青黃不接，但是沒想到竟然這樣就熬過了一年Orz. 想想是個奇蹟所以來整理一下創立SparkTW第一年的心得．

[Career] 那些失敗的創業經驗教我的五件事情

Photo credit: hans.gerwitz via Visual Hunt / CC BY-SA

沒有人喜歡失敗，但是不可否認失敗在一般人的人生中有多常遇見以及重要，連連公子都可以說他一生充滿挫折了（連勝文：我的一生充滿挫折），何況我們一般小老百性．比起在乎失敗本身，更重要的是要能從失敗經驗中發現原因以及克服的方式．以上都是老生常談，直接進入實際案例．

[Career] Why do you need a data science team instead of a single data scientist?

Why do you need a data science team instead of a single data scientist?

Photo credit: jsgraphicdesign via Visual hunt / CC BY-NC-SA

This article is also posted on ElasticMining

When we talk about data scientist, maybe there is a superhero-like person appearing in your mind, because you have read a lot of magazine articles or columns about what a magical model they designed and how much value they could bring for business. I must admit that data science is really charming for business. When data become a kind of resource, data scientist is considered as a gold miner and is expected to extract something valuable from the data. However, whoever thinks a data scientist could do this ALONE is wrong.

[Spark] Spark TW 2015年最後一場活動

2015年的最後一場，也是SparkTW成立一週年，特別有意義的場子．不用特別報名，但是晚來就只能坐地板了！

2015年底最強壓軸檔 -- 時間：12/16號（三）晚上 7:30 -- 地點：大安站燦坤旁資策會九樓

非常有榮幸邀請到在Kaggle以及業界都相當有經驗的Mark Peng大大來跟我們分享他在參與比賽時的寶貴經驗．