跳到主要內容

COSCUP 2019 Day1 指南後篇

明天就是 COSCUP 2019 盛會了,今年不僅邀請到 Rust core team 的 Steve Klabnik、 Google AI Quantum 葉平、香港現任立法委員莫乃光,還有來自中日港各地開源夥伴來到台灣共襄盛舉,一年一度的亞洲開源盛事,同時還提供托育方案,現在快把小朋友交給專業保母,一起快來看看來自各社群夥伴,以及小編私心推薦的幾項不容錯過的精采議程吧!




介紹 lingtransoft 語言科技資源
IB302 13:30 ~ 13:55 漢語
講者是語言學家。世界包括華文地區(中國大陸、台灣)有很多不同少數族裔語言,講者親身研究和為他們發展語言外,亦把軟件工具以開放源碼釋出。

由 Open Data至 Open Tech:香港的開源及開放數據與網絡動員的關係:
IB101 14:00 ~ 14:50
本議程由香港現任立法會議員莫乃光,作為長期支持開源面議題的議員,這次特別邀請來台,分享過去香港在開放數據的發展不算領先,而在近期香港社會運動中,港民運用科技工具以作商議、決策及動員的模式,快速推動open data 與 open tech 的成熟。議程中將分析香港在政策、法律和文化導致過去在開放公共數據的原因,與剖析引致社會運動應用創新的背後因素,最後展望未來的危機與轉機。

阿公阿嬤可以是開放社群的新力量!
IB302 14:00 ~ 14:25 漢語
除了專業或年輕貢獻者外,開源專案/社群也可以嘗試找長輩或退休人士參與,擴闊開源社群的參與者到不同階層,透過本議程,可以借鏡香港的開源運動者「如何讓長者活用時間投入開放社群的活動和建設」。

Mobile app for sign language translation and learning by image recognition
IB302 14:30 ~ 14:55 英語
利用開放科技模式為不同地區的手語使用者服務

CRI-O Introduction
IB306 14:40 ~ 14:55 漢語
CRI-O 是一種基於 OCI 的 Kubernetes Container Runtime Interface 實現,用於SUSE 和 openSUSE 項目。 講者作為 SUSE的 CaaSP( Container as a Service Platform)工程師經理。將在本場議程中,與大家一起探討 CRI-O 架構,以了解如何利用 OCI 項目透過 CRI 與 kubelet協 同工作。

以 g0v 精神跨海協作:面海黑客松經驗分享
E2-102 14:45 ~ 15:15 漢語
g0v 除了在台灣辦黑客松,隨著社群的成長,活動也漸漸向外發展,以社群為本、符合 g0v 精神的的國際交流怎麼做?如何避免國際交流的成果變成封閉、集中、屬於少數人的知識,讓這些連結回饋社群,也在開放治理的同時兼顧效率?歡迎對 g0v 的國際交流有興趣的朋友來聽這個議程。

從產品營運看 Wordpress
IB302 15:00 ~ 15:25 漢語
時代轉變 vs 產品及系統開發": 講者超過十年的網上數碼平台營運經驗。講者將分享由傳統印刷媒體思維轉換的決定性重要時刻,把系統開發轉換到 Wordpress 及在產品營運的整個 pipeline 上的轉變,在短時間內極速轉為數碼平台。從數碼營運角度與大家看 Wordpress。

鄉民如何參與天文研究?
E2-102 15:20 ~ 16:00 漢語
Astrohackers in Taiwan 是一個致力於以黑客精神和遊戲化方式推動開放天文及公民天文學的社群,將利用開放的天文資源,製作指引公民天文學家的地圖(介紹性文章及實作性教材),並舉辦天文黑客松,與鄉民一同協作天文。

Packer build Virtualbox image 起手式
IB306 15:00 ~ 16:00 漢語
Packer 是一個開源的工具,可以協助建立獨立的機器映像檔,可以透過一個設定檔來建立給不同平台使用,常常為了很多作業系統要測試?或是要建立不同的環境給人使用而傷腦筋?
現在我們可以透過 Packer + Vagrant + Virtualbox + Ansible 可以建立不同的測試環境,
或是提供給開發人員使用,都是相當的方便。

17 直播從 0 到 1 之狼人殺

IB101 16:10 ~ 16:40 漢語
講者作為 17 直播草創時期就加入的 17 中堅份子,過去曾使用 OpenTok 來實作 17 狼人殺。
17 的狼人殺手遊曾經是拉近主播與粉絲距離的殺手級應用,最後以失敗收場。
本場議程將有機會收穫新創企業中,如何透過不斷嘗試、驗證在市場上佔有一席之地,以及在面對失敗的嘗試時,團隊從中穫得的諸多啟發、後續面臨的考驗與調整、及工程團隊如何治理,狼人殺背後的技術眉角等都會在這裡無私分享。

Five years on the Rust core team: a retrospective

IB101 16:40 ~ 17:10 英語
講者 Steve Klabnik,Steve 為 Rust core team 成員,Rust 語言是在完全開放的情況下進行開發,特性為注重安全且高效能的程式語言,發展至今廣受社群歡迎,應用在各式各樣的專案上,甚至連 Facebook 所推出的密碼貨幣 Libra ,也是使用 Rust 進行開發。Steve 作為 Rust 語言核心團隊成員,特別撰寫  “ The Rust Programming Language.” 一書公開在網路上,可稱為學習 Rust 語言的聖經。
作為 COSCUP 重磅邀請的國際講者,Steve 將在 COSCUP 回顧 Rust 過去開發方式的各種變化,並分享 Rust 成功案例,以及未來展望。機會難得,不容錯過!

留言

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...