跳到主要內容

科技擁自由、開放上雲端

破千軟體人與會 數十家科技大廠贊助 年度最大開放社群交流盛會 展現台灣科技軟實力

(2012 年 8 月 19 日,台北訊)全台最大的開放原始碼社群盛會-第七屆 COSCUP 開源人年會今天登場,共吸引超過一千位軟體開發人員、數十家科技大廠贊助,展現台灣軟體開發界的熱情與實力。今年活動主題為「Open Device, Seamless Apps Experience」邀請廣達電腦技術長暨研究院院長張嘉淵博士在內,來自台灣、英國、法國、美國、日本、中國大陸、香港等地共數十位講者,分享各項開放原始碼最新技術與資源。

COSCUP 全名為:Conference for Open Source Coders, Users and Promoters(請參閱附件一介紹),為台灣開放原始碼社群(Open Source Community)自發性舉辦的活動,自 2006 年第一屆舉辦至今,七年來已成為台灣最大的開放原始碼社群年度盛會。今年活動總召-趙柏強表示「COSCUP 經過七年的成長,已成為台灣開放原始碼社群一年一度的盛會。本著『開放讓我們更有力量』的信念,參與 COSCUP 最主要的目的,40%是聽演講,60%則為了交朋友;透過活動讓軟體開發者(Coders)軟體使用者(Users)與推廣者(Promoters)廣泛交流,相信能激盪出更多創新火花。許多人對於台灣科技產業,多停留在硬體代工的印象,殊不知我們也有許多優秀的軟體開發人才,這是台灣非常重要的軟實力。從社群自發性舉辦的 COSCUP活動,我們看到台灣軟體開發界的熱情與實力,期待未來台灣能有更多類似的活動與交流,建立一個更加友善與健全的開放原始碼生態系(Open source ecosystem)。」台灣科技大廠-廣達電腦所屬的廣達研究院(Quanta Research Institute),今年首度贊助COSCUP 活動,並展示近年成果,包括:領先全球研發出符合歐洲 HDVC 規格的家用媒體娛樂雲端服務;與美國麻省理工學院(MIT)合作的 BabyCam 醫療雲端服務計畫,讓新生兒在轉診過程中,醫生仍能透過視訊與無線網路傳輸,指導醫療人員做緊急處置;藉由此次活動展示,揭櫫廣達研究院「人本自動化創新」的宗旨,更期成為引領雲端創新研發的火車頭。

廣達電腦技術長暨研究院院長張嘉淵博士以「Open Up the Cloud」進行主題演講,張嘉淵在演講中引述廣達電腦創辦人林百里對於雲端的看法是「雲端運算科技創新關鍵不在於科技,真正的關鍵在於科技須以人為本,廣達希望可以透過科技的創新,創造符合人性與文化的最高價值。」張嘉淵表示:「在未來的雲端世界裡,作業系統和軟硬體都不再是最重要的部分。未來的創新,應該從生活中去體會,期望以人性思考的角度,創造服務及產品完整的新價值。」

第七屆 COSCUP 開源人年會於 8 月 18 至 19 日假中央研究院人文社會科學館舉行 除了數十,場主題演講,還有兩場特別活動-「各開發社群的 BOF(Birds of a Feather)聚會」及讓會眾自由發揮的「Unconference」。各開發社群的 BOF 聚會,讓參加者在白天演講的洗禮後,晚上能與各社群的同好互相交流;Unconference 則是 COSCUP 的星光大道,讓不是講師但仍想要與演講的參加者,登記自己的主題,透過票選方式,得票最高者能有半小時的時間上台演講。這些活動設計的理念,都是基於「開放讓我們更有力量!」透過與社群同好的分享,不設主題限制的票選演講,讓所有參與者敞開心胸瞭解最新的科技趨勢,也提供軟體人最好的交流平台與舞台。更多 COSCUP 資訊,請上官方網站:http://coscup.org/2012/zh-tw/ 或利用「coscup2012」標籤,可在 Facebook, Google+, Twitter, Plurk, Picasa, Flickr 等網站搜尋到與大會有關的分享資訊。


【COSCUP 2012 】感謝以下單位贊助:

廣達研究院(Quanta Research Institute)、台灣微軟、AppUniverz、KKBOX、台達電子工業股份有限公司、Yahoo!奇摩、痞客邦 PIXNET、Canonical、仕橙 3G 教室、veryWed 非常婚禮、慧邦科技、祐生研究基金會、數位無限軟體、Etu 知意圖、有為工作室、自由軟體鑄造場、華碩電腦

這個網誌中的熱門文章

利用 Jitsi 建立個人化的視訊會議平台

  近期因為疫情的關係,越來越多企業開始實施分流或在家工作,視訊會議的需求也日益增加。 在商用解決方案選擇上,有不少企業會選擇知名品牌的產品,例如  Cisco Webex 、 Google Meet 、 Microsoft Teams 、 Zoom  都是很不錯的方案。 KKBOX 集團在去年便試行及做好充分 work from home 的準備,今年五月也因應疫情升溫,全員 work from home 至今兩個月有餘。 當然,取之 Open Source,也要對社群有些貢獻。在這一屆 COSCUP,我們要來介紹 Open Source 圈中也很知名,效果也很不錯的一套視訊會議平台: Jitsi 。 除了基本的視訊會議功能外,在最後我們也會示範如何透過 Jitsi 畫面輸出到 YouTube/Twitch 或其他支援 RTMP 的平台進行直播。 由於篇幅有限,且 Jitsi 可以調整的細節非常多。今天我們純粹很快速的示範,如何簡單的建置出一個 Jitsi 環境,並提供單場會議內容錄影或直播。 Jitsi 的文件可以在 這裡 找到。 今天透過 AWS Lightsail 的 $10/month instance(1 core CPU + 2GB RAM + 60GB SSD),作業系統則是 Ubuntu 20.04 來示範。當然,使用其他 VPS 亦可,大同小異,這邊直接跳過 VPS 相關的建置過程。 *firewall 相關資料參考 這裡 及 這裡 。 針對系統做必要的更新 基本的 apt repository 更新: $ sudo apt update 因為後面要示範的會議錄影及直播需要使用 ALSA loopback device,如果是 EC2 or Lightsail 則需要額外安裝 generic kernel( 註 ): $ sudo apt install linux-image-generic linux-headers-generic linux-image-extra- virtual 接著做系統套件們的更新: $ sudo apt dist-upgrade $ sudo apt autoremove 如果是 AWS EC2 or Lightsail 則需要另外再將預設的 AWS optimized kernel...

鑽石級贊助商 - KKBOX 帶你打造具備 NLP 功能的 Telegram Bot (上)

打造具備 NLP 功能的 Telegram Bot(上) 最近因為一些契機學了 Python 3,用它做了一個 Telegram Bot ( GitHub 連結 ),裡面用到 NLP Service,用上下兩篇文章記錄一下實作過程還有眉角。上篇首先教大家如何做一個最基本的回聲 Chatbot,接下來我們可以透過 NLP 服務,讓 Chatbot 根據使用者不同的訊息做回答,這樣就變成更加人性化的聊天機器人囉! 使用的工具及服務: Python 3 (for develop) pipenv (for dependency management) OLAMI (for NLP) ngrok (for testing) Step 1. Creating new bot Telegram 很有趣的地方在於,與其他通訊軟體(Line、Messenger)相比,開發者管理 Bot 的方式也是透過官方提供的一位 Bot 在處理的,它叫做 BotFather (眾 Bot 之父 XD)。如果已經有 Telegram 帳號,只要加 BotFather 為好友,就可以開始管理你的 Bot。 加入 BotFather 好友後,它會親切地問候,並告訴你他能為你提供什麼服務。 I can help you create and manage Telegram bots. If you're new to the Bot API, please see the manual ([https://core.telegram.org/bots](https://core.telegram.org/bots)). You can control me by sending these commands: /newbot - create a new bot /mybots - edit your bots [beta] /mygames - edit your games ([https://core.telegram.org/bots/games](https://core.telegram.org/bots/games)) [beta] Edit Bots /setname - change a bot's name /setdescr...

機器學習的五大實務問題:對企業的影響與相應的化解方式

Appier 首席機器學習科學家 林守德博士 正如 Jason Jennings 及 Laurence Haughton 在《以快吃慢–如何藉速度在商戰中克敵制勝》一書中指出──未來,不是大公司吃掉小公司,而是速度快的公司吃掉速度慢的公司。 從現在開始,唯有善用適當的資訊快速做出決策的企業,才能成為戰場上的贏家。 機器學習技術驅動了這場變革。無論企業是嘗試向顧客提出建議、改進生產製造流程或應對市場的變動,都能運用機器學習技術處理大量的資料,進而提高自身的競爭優勢。 然而,機器學習雖能創造大好機會,卻也同時帶來了相應的挑戰。機器學習系統需要大量的資料,以及執行複雜的運算能力。顧客期望改變、出乎意料的市場波動等等外部因素,都意味著機器學習模型的運作並不是百分之百的自動,往往仰賴許多外部的資源來作監控及維護。 此外,機器學習也有不少尚待解決的實務問題。以下將深入探討機器學習的五大實務問題,以及這些問題對企業應用會產生的影響。 1. 資料品質 機器學習系統仰賴資料進行訓練,而訓練資料在廣義上可分為「特徵」及「標籤」兩種類別。 「特徵」是輸入機器學習模型的資料,像是來自感測器、顧客問卷、網站 cookie 或歷史資訊等等。 然而這些特徵的品質可能良莠不齊。舉例而言,顧客在填寫問卷時可能會隨便填寫,或對題目略而不答;感測器可能因失靈而回傳錯誤資料;即使使用者的網頁行為明確,網站 cookie 回報的資訊也可能不完整。 此外,資料也可能包含雜訊,當無謂的資訊夾雜其中時,機器學習模型將會受到誤導而做出不正確的預測。 相較於「特徵」,「標籤」的正確性與穩定度更為重要。標籤是機器學習模型最後輸出的結果。所以需要在訓練的時間利用正確的結果教導機器學習模型。標籤的稀疏性也是個問題,這是當系統已掌握大量輸入的資料卻對輸出的結果沒有把握時出現的現象。在這樣的情況下,將難以針對該模型偵測其特徵與標籤之間的關聯性優化,甚至需要耗費額外的人力干預,將標籤與輸入資料關聯起來。 機器學習需仰賴輸入與輸出資料的關聯,才能具備足夠的泛化能力以預測未來行動並提供相關建議。因此,如果輸入資料過於雜亂、殘缺或有所偏差時,將可能難以理解某輸出/標籤的產出原因。近年來機器學習也開發出許多先進的方法如半指導式學習,轉移學習來處理這樣的問題。 2. 複雜性與品質的取捨 建立強大的機器學習模型需要大量的計算資源來處理特徵和...