跳到主要內容

COSCUP 2019 Day2 指南前篇

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!




自己玩量子電腦程式
IB101 09:20 ~ 09:50 漢語
前 Google 臺灣雲端運算計畫主持人葉平,同時也是 COSCUP 創辦人之一,目前任職於 Google AI Quantum 部門。在世界級科技產業工作的葉平認為,越來越多跡象顯示 NISQ(Noisy Intermediate-Scale Quantum)量子電腦在未來幾年內會逐漸開始運轉,全球許多大學、企業、政府都已投入研究,未來可能會需要許多會寫量子程式的工程師。

作為台灣開源貢獻者先驅,義不容辭地回台分享現在 Google AI Quantum 上的努力。以 Google  團隊所開發的開放源碼的 Python 量子程式框架 Cirq 為範例說明。 Cirq 不僅可以用來架構自己的量子程式、模擬其運作,預期將來還能將程式透過雲端送到 Google 的量子電腦執行。許多大學已經在量子計算的課程上使用 Cirq 教學和練習,葉平期許透過本次 COSCUP,分享「量子程式」與「現有程式」之間的不同。推廣台灣更多人了解量子程式的概念,接軌國際!

源碼在哪裡 
E2-102 10:00 ~ 10:30 漢語
此議程將會與聽眾分享講者過去尋找陌生領域的原始碼經驗,包括怎麼樣搜尋才是可能比較有效率的搜尋,搜尋的時候又會注意什麼等等,來協助自己能夠找到符合自己需求的程式碼版本。透過本議程來了解初入陌生領域知識的情況下,不知道從哪裡開始讀起、但不讀又無法進入該領域的雞生蛋蛋生雞這種難題的心路歷程。此外講者在香港開源年會留下令人驚豔的的表現,期待 COSCUP 為眾人帶來精彩萬分的分享!

The ZFS filesystem
IB306 10:50~11:35 英語
講者做為香港開源年會 Keynote speaker, 作為 FreeBSD 基金會的董事會成員, 也來到台灣參加 COSCUP 盛會,並以自身的專業,帶來 ZFS 的教程! ZFS 被稱為 ' the last word in filesystems',講者將介紹 pool-based storage、存儲系統優化等內容。特別提醒參與者應攜帶安裝了 VirtualBox 或 VMware 的筆電喔!

國際開放原始碼專案經營 - 從失敗中學習 
IB101 11:00 ~ 11:50 漢語
開放原始碼軟體的專案,要能永續經營推廣,甚至國際化,最大的挑戰往往不在程式開發本身,相信投入開源貢獻的過程中都有的體悟。所遇到的狀況多少亦太不相同,因此要「複製成功」其實非常困難,但至少我們可以盡量避開相同的失敗。長期 open source 專案開發者及使用者 PCMan 將透過本場議程,將整理過去 15 年經營跨國 OSS 專案的經驗出發,分享過去遇到的挑戰、失敗的經驗、以及最後如何解決問題 (或無法解決),和 OSS 同好們一起取暖。

Julia 技術發展論壇:從 Julia 看資料科學與 AI
IB501 11:00 ~ 12:10 漢語
透過與開發者的互動可以更深入了解 Julia 社群的生態。開發者會橫跨語言技術、機器學習技術,到套件開發等相關知識及生態,開發者是社群中的活要人物。本次論壇會邀請兩位 Julia 套件的開發者來告訴大家關於在 Julia 中做資料科學及機器學習模型的種種經驗,以及提供大家問答。是個不容錯過的機會。


開源社 BoF - 企業在開源x商業x社群的實踐
IB305 11:00 ~ 12:00 漢語
本BoF由多年開源商業從業經驗的黃鴻文 (Kevin Huang) 和開源社群營運經驗的林旅強 (Richard Lin) 共同出品主持,邀請來自於開源社、Apache、OIN、華為、騰訊、阿里、滴滴等兩岸開源人,一同交流企業在開源、商業和社群的實踐,這樣的機會很難得,所以推薦。

前端開發的再次典範轉移 - 如何走出混亂並讓複雜變的可掌控
IB401 11:20~11:50
你總好奇為何在學會 react 與元件化思考後,手邊程式卻仍有修不完的臭蟲且難以測試,而專案也總會逐漸變的混亂並失去控制?本場將說明前端開發總是緩慢、易錯與難以控管的根本原因並提出一勞永逸的解決方案,不但能杜絕已知所有弊病並大幅改善開發流程與效率,這是你不可錯過的次世代典範轉移。

自由軟體和中國經典思想
IB202 11:45 ~ 12:15 英語
講者畢業於日本國立信州大學,從「為什麼自由軟件的質量通常比專有軟件更好」一題作為切入,討論開源體系中所發展出來的合作和教育。講者認為用孔子和孟子的哲學是最好的解釋。又「為什麼工程師會將極具天賦的成員稱為“hacker”?」,講者認為這個現象可以引用莊子的經典探討。講者期望透過這些問題探討,讓資訊界內外人士能夠有更好的提示與啟發。一個跨領域的題目,由日本講者的角度與觀點,從孔孟與老莊的思想切入,探討自由軟體與開源,相信會帶給會眾們完全不一樣的體驗與思維!

大河小溪全民齊督工─WIKIDATA應用
IB503 12:00 ~ 12:35 漢語
大河小溪全民齊督工除了是本年度G0V獲獎專案外,也是目前台灣首個進行Wikidata應用的專案;台灣過往的維基媒體計畫多為貢獻資料為主,本案算是首次踏入應用領域,實際將Wikidata中的溪流資料做為其資料庫的主要資料來源,相關的應用經驗值得學習。

你所不知道的 Golang 
E2-102 12:00 ~ 12:30 漢語
Golang 作為近幾年非常夯的程式語言,講者作為 kktix S工程師,將在本次 COSCUP 較為深入的分享一些實際應用現象得到的啟發,進而探究原理的研究過程。並從組合語言等細節分析 Go 的運作機制,如何影響最終呈現出來的應用。串連計算機組織、作業系統等知識,揭開表象的應用,從深入的角度來認識一個程式語言,並學會正確的撰寫。本場議程對於 Golang 有所研究或是有興趣的朋友們不容錯過!

在21世紀做自動微分?你需要Zygote.jl!
IB501 13:10 ~ 14:00 漢語
本場議程介紹了在機器學習與深度學習框架中最重要的自動微分引擎。由 Julia 知名 Flux 深度學習框架作者 Mike 最新力作 Zygote 是新穎的自動微分引擎,當中的設計讓自動微分可以由編譯器處理,而並非語言層次,如此讓效能極大化。理解 Zygote 的機制有助於撰寫出有效率的深度學習模型。

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...