跳到主要內容

2014 COSCUP電子報 啄事今蜚 第四期

COSCUP 啄事今蜚會前快報

第四期 2014年07月13日發行

2014 COSCUP電子報 啄事今蜚 第四期

不知不覺!下一週小啄就要和大家見面拉!
這一期幫大家精選了幾篇靠 Code 革命的議程喔(挽起袖子),像是從地理角度切入的 OpenStreetMap 、怎麼用 Open Data 解決流浪狗問題、開源的授權資訊的網路問題、開源在教育的應用分享。
另外小啄要苦口婆心提醒一下「善待保管好你的 NFC 名牌」,不然下週你和小啄見面可能會遇到重重的困難。
還有更多的活動資訊等待著你來挖掘!GitCafe、獵豹移動都有精采的A好康的活動,Appier 將在下週會議中帶給大家私房的傢伙,mySql社群也即將要有第一次的聚會了,讓我們看「下去」吧!

還圖於民:當 OpenStreetMap 遇上社會議題

Littlebtc 小B (尤孝庭)

OpenStreetMap 作為人人都可編輯的地圖資料庫,在即時性議題上的反應速率遠勝過其他商業地圖。在國外 OpenStreetMap 的人道小組在各種救災議題上已有不少斬獲,例如:日本 311 震災、海燕颱風、幾內亞伊波拉病毒疫情等。而在目前社會運動風起雲湧的台灣,我們能否將 OpenStreetMap 作為一種地理上溝通的工具,例如標示各種開發案的範圍?講者將分享自己參與編輯與社群討論的經驗。

實現在行動裝置的影像處理和智慧型辨識系統,
建立流浪狗協尋及地圖分佈服務

James

這個 talk 將介紹如何使用手機拍照影像及文字處理及智慧型辨識推薦機制,應用 open source 開發、UGC 觀念及網路分享協同合作方式,達成take a photo, save a dog 的走失狗狗協尋找狗網 FindDog.net 服務,並建立起流浪狗分佈地圖open data的目標。

穿越灌木叢林找到授權資訊
Make a Painstaking Investigation to Find Out the Accurate Licensing Statements of FOSS Projects

Florence (葛冬梅)

軟體授權資訊的呈現,目前並沒有大一統的制式標準規格,所以不同自由開源軟體專案儲放授權資訊的位置與架構常見有所不同,而其中的描途文字,也常不會一樣,這樣的情況在融合許多第三方元件的大型專案中,更顯得複雜,讓一些開發者望而卻步,因此本場次將會說明尋找正確授權資訊的重點訣竅,然後輔以近年經諮詢輔導的實際案例,說明採用者常會遭遇到的問題,以及該如何進行妥善處理,以利後續應用。

將開源社群與精神帶入教育

weijr (魏澤人)

現在已經有不少教育應用上的開源工具和內容了,但更重要的是開源文化。
教育上碰到的一大問題是動機以及熱情問題。這些在開源社群與文化中不但不缺乏,而且還氾濫。將開源社群的文化以及自己動手做的精神,融入校園之中,可能就是解答。而透明及分享可能就是關鍵。
將分享進幾年嘗試將開源文化及精神引進校園的經驗。
包含為什麼近幾年參與開源社群的活動以及會議的籌辦。
將分享、以及開源精神融入教學的實驗。
組織 花蓮.py 的緣由。成立蟒極客的目的以及遠景。
PyKids 以及 PyYouth 的藍圖。

Automating Your Workflow With gulp.js

appleboy (Bo-Yi Wu)

有玩過 Grunt.js 一定要來嘗試 gulp.js
加速開發者編譯環境,g0v 所有專案幾乎都導入 gulp.js。讓我來跟大家介紹如何使用 gulp.js 以及如何導入現有專案內。
目前為 gulp-compass 作者

議程都排好隊了,等你來排入你的行程中摟
http://coscup.org/2014/zh-tw/program/

小啄瘟腥提醒:

如果你到「今天」「NOW」「此刻」「現在」還是沒收到來自小啄的信,煩請務必透過:attendee@coscup.org
聯絡我們,以便尋找迷路的識別證。

另外已經收到信的夥伴, Badge 上的 NFC
千萬不要亂玩,報到時若是 NFC 資訊有異常,大會將會瘟腥處理您的 Badge 異常狀況
有可能因此成為幽靈人口:領不到便當、無法參與大地遊戲領不到大會獨家贈品、無法參與今年COSCUP與各贊助商攤位合作的徵才活動。。。。族繁不及備載。另外也不要嘗試無限便當方案,不然黑黑的角落會為您而開。

感謝大家的瘟腥配合~讓小啄的志工們能夠更加有效率的服務大家呦!

邀你一同打造
更美好的網路未來,
Mozilla 熱情招募中!

Mozilla

以「打造一個更開放自由的網路未來、支持開放源碼的資源共享精神」為理念的 Mozilla,正在尋找充滿熱情與幹勁,想一起改變世界的夥伴!如果你對網路技術、開源專案、全新型態智慧型手機及裝置有興趣、相信分享與開放能成就最大的力量,就千萬別錯過加入 Mozilla 的機會。


詳細招募資訊請見官網,歡迎與 Mozilla 一起打造更美好的未來! http://mozilla.com.tw/about/careers/

獵豹極速 WiFi 贈獎活動!


獵豹移動

獵豹移動 (紐約證券交易所代碼:CMCM,原金山網絡), 是全球google play平台最大的行動工具開發商,是中國第二大網路安全軟體開發商。獵豹移動致力爲全球用戶提供更快速、更簡單、更安全的網路及行動上網體驗。截至2014年3月,獵豹移動全球每月活躍用戶超過3.62億!
如果有艘能飛上月球的火箭,別問是哪個位置,坐上去就對了!歡迎加入獵豹和我們一起改變世界!
欲洽詢火箭上的座位,履歷請寄zoom.quiet@cmcm.com
還有『獵豹極速 WiFi』贈獎活動請見:
http://blog.coscup.org/2014/07/wifi-in-coscup-2014.html

GitCafe in COSCUP 2014

GitCafe

GitCafe 是華文地區最專業的開源平台,提供代碼託管服務,支持社群專案及發展;提供開發團隊佈署在內部伺服器的企業級服務;同時投身教育,力求讓下個世代更了解開源科技。GitCafe是D.G.Z首發產品,由 SHLUG 組織者Thomas創辦。去年Thomas在COSCUP分享SHLUG營運推廣經驗,今年更加碼贊助並貢獻議程:

  • Thomas,讓開源更好地促進教育發展
  • 清風,在豆瓣的这两年-CODE系统开发之旅
  • 佟輝,使用自由軟體玩轉3D Printer

D.G.Z粉絲團快來按讚!陸續會發佈贈獎活動最新消息。

Appier 不藏私,找了矽谷投資公司技術專家來幫你!

Appier

看到 WhatsApp 的例子之後是不是也很想創立自己的公司呢?卻發現開發app之後擴充、宣傳都需要資金才能支援技術。Appier 這次不講自己的產品,特別幫開發者們邀請到投資 Apple、Google、WhatsApp 的「紅杉資本」技術顧問來台(請用力看 Roy 的背景),7/20 R2 14:50~15:30 快 MARK 起來!光會寫CODE 不夠!你需要透析經濟與了解市場動脈的技術專家幫你打通任督二脈!

勘誤啟示

上一期第三期的小啄有點熱到脫窗,這邊和各位看官們深深的一鞠躬,第三期兩個連結網址修正,還有請大家多多指教了(立即跪主機板)。

(1) skyimzer 函式庫義賣愛心活動,
請連結→ http://shire.skymizer.com/event/coscup2014 skyimzer

(2) DOIT workshop 連結→ http://goo.gl/EqbmrZ DOIT workshop

第一次台灣 MySQL 社群聚會!

RS

台灣 MySQL 社群將在 7月22日 下午 6:00 到 8:00 借用台北市忠孝西路一段 35 樓甲骨文的會議室,舉辦第一次台灣 MySQL 社群聚會,歡迎您抽空參加。在聚會中我們將會中提供簡單的晚餐,同時分享 MySQL 的最新動態,包括:

• 展示如何用新發表的 MySQL Fabric 支持上 PB級資料的應用系統,做資料庫分表分庫,高可用和讀寫分離
• MySQL 5.7.4 DMR 的新功能和産品發展路線

同時也非常歡迎您分享您的心得和意見。如果您打算參加22日的聚會,或分享您的心得,請您在台灣 MySQL 社群的臉書 留言或發email到tu.ivan@gmail.com,以便準備餐點和場地。
另外您也可在活動活動報名網頁報名

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...