跳到主要內容

COSCUP 14 年,從無到全亞洲最大的發展血淚史

隨著 COSCUP 2019 的到來,開源人物誌第四期將透過歷屆總召的分享,和各位讀者們一銅回顧 COSCUP 14 年的點點滴滴歷史。

  還記得 14 年前,飾演哈利波特的主角「丹尼爾」嗎?對於他 14 年來的轉變,相信不只是外表、連內心的成長大家都有目共睹(除非我們不同年代 QQ )。看著一個小男孩很明顯地變成長大成人、甚至下巴還有了鬍子。「輪廓一樣,但我們已經可以開始聊以前了」。今年的 COSCUP 也 14 歲了,不知道歷屆的總召們回頭看看自己的「小孩」長大成人,今日的他們會是什麼感覺呢?於是,今年的我們想了一個小計畫:訪問歷屆的總召。訪問這麼多位總召,他們對 COSCUP 相似的想法、甚至是超級不一樣的想法,會有多少的感動心情在裡面呢?

從創業維艱,到守成不易。


  「那時候沒規格、沒有人知道我們在幹什麼、解釋也沒人聽得懂、連開源都沒聽過!」創立元老 Knight 笑說:「也不知道我們在堅持什麼。」會願意出來做很讓人佩服,畢竟一開始資源很少、草創很辛苦。那時候志工人數不到 10 個,事情都會掉到地上總召再撿起來做,名符其實的「創業維艱」。

   14 年後,COSCUP 越發壯大,但總召一樣繁忙。其中的差別是:開始了「三個總召」制度。「初衷是想分工、減輕一個總召的工作份量。」今年度的總召 Singing 補充:「因為 COSCUP 變的越來越壯大的話,就需要更多的時間去確認進度。例如:突然一個人有狀況時,另外兩個人還有機會幫他做回覆。 」這是一個目前的環境,是打群架的感覺、不再是一個自己單打獨鬥的時代。

  前三屆最常奢望的就是,能夠讓圈子的朋友有地方聚一聚就好(笑)。唯一的願望是有網路、至少每個座位都有插座,我覺得是擁有一種平凡的幸福。而 14 年後,慢慢地有更大的目標了,例如想增加國外的參與者。「我們開始發現外國人找不到英文的場子、甚至是難得有英文的場子卻又不小心排在一起,他們大老遠來就只能聽一兩場。」Nfsnfs 說。他希望未來可以吸引到國外更多更大咖的講師、希望國外的參與者可以來做經驗分享。視野真的變得更開闊了。

  Knight:「COSCUP 開始變得不是封閉的圈子。」而 COSCUP 開始在亞洲區邀請相同性質的年會,其實是很不錯的事情。台灣國際演討會不再只是邀請國外的講者來參與,走出台灣、互相交流、把互動帶回來。不單單只有邀請講者,還要有和兩方的負責人討論。Alcho:「像 Bob 今年真的是結合的非常的好,我們走出台灣,然後往性質相近的年會交流合作,會比我們單純邀請講者更有意義」

這樣的改變,有什麼好處、壞處嗎?


  Alcho:「參與的人變多了,很可惜的地方就是,當總召不太能深入認識每一位新來的志工伙伴。」Nfsnfs 補充:「以前攝影組長也可能是開源社群的同好,但現在真的有攝影專業來參與」說的沒錯,現在分工變細緻了 、許多組的工作變得相對專業。加入了一些專業讓部分組別的入門門檻變高了一些,但相對的來說,有更熟悉的夥伴來帶領,新人學到的東西也會更多,「因此我們希望組長更注意經驗傳承和帶領新人,以免新成員參與度減少,Nfsnfs 謹慎地說。

  但反過來說,現在的 COSCUP 已經不再只是同一個圈子裡的活動了。不是工程師的 Singing 說:「因為我可以做到工程師不擅長的事情、工程師能幫我那些我不會的事情,合作關係可以互補。」COSCUP 就像是是圍爐,是一年一度大拜拜,完完全全把不同領域的大家某一天聚集在某個地方。這一群藉由社群認識的朋友,一年一次在台北相聚。Singing:「我們平常只是網友聊天,藉由 COSCUP 給予場地、讓大家聚在一起聯繫感情、討論技術。」也就像 Alcho 說的:「COSCUP 就像每一年都會來一次的健康檢查、也可以說是社群的集合體。有人出錢有人出力,從各種社群、領域交朋友,互相發現自己有幫上忙的地方。」這種感覺真的很棒。就像 Knight 說的「在社群裡面不乏不務正業的人 。」學著長大、走到國外,好像是必經的路。


那總召工作有什麼變化?


  從 2017 年開始變成「總召組」制度了。取奇數「三位總召」的原因是為了投票的時候比較好決定(笑)。Alcho、Singing、Nfsnfs 異口同聲:「變成三個總召的制度之後,我發現我們蠻有默契的、很少有分歧的狀況。」

   根據以往樹立下來的典範:就是「總召負責做沒有人要做的事情」,或者「協調人手完成」,14 年來一直不變。總召最忙的地方是很需要協調與根據活動、工作範圍來確認工作分配、彼此之間不要做到重複的事情、確認規劃的工作都有人在執行。過去我們都會覺得場地很小,現在真的覺得規模大了很多。甚至以前要注意很多小事情,例如:外國講者訂住宿誰負責?現在由總召組協調志工來處理。「以前的話,網站、文案要自己做!」Knight 苦笑。

不變的是「分享」


   和 COSCUP 的大家合作之後,養成了一個默契:就像解決了 bug 程式才能繼續跑,而人與人之間遇到了一個 bug 後,大家會一起想辦法解決。「要和人相處之後才懂得如何相處,也才知道自己被改變了很多。」COSCUP 有個很棒的地方是,你「分享」了一個合理的原因、邏輯,大家是會體諒和接受的。不同火花、不同思維的人在一起,合作之後會更了解對方在想什麼。跨組合作很難,但是合作完感情很好是真的。

  「分享很重要」來到 COSCUP 大家都說是 6 成交朋友,4 成聽議程,不是吃便當,反而是進行分享、交流、付出。 現在,就是用多人的方式、讓志工加入的方式擴大人力。找大家一起改善目前的問題與狀況。當然每個人的出發點都會講得不同,但理念幾乎都八九不離十。就像 Singing、Alcho 說的:「我們平常是網友聊天,藉由 COSCUP 給予場地、讓大家聚在一起利用『大拜拜』當天見面。聯繫感情、討論技術。」在這裡,不管是從議程之中聽到最新的發展、或是和現場參與者互動,都能跟上各領域時事的發展。Alcho:「在這個圈子認識人,真的是蠻重要的。」

   媒體組組員 Beauty 說的:「不只是 Open Source 了,我們現在是跨領域 Open Mind 。『分享』才能帶來進步。」而我最喜歡 Alcho 說的那句話:「找社群負責人聊聊吧!收穫一定很多。丟一個頭出來,聊天就會自然產生了。」因為「開源」經過每個人的「分享」之後,就會讓世界變得更好。

  其實,在採訪總召們之前,我就已經準備好「每個人對開源的印象都不一樣。」的想法。卻還是故意問。果不其然每個人都回答我:「這每個人都回答的不一樣吧!」然後開始分享自己的看法。不過,透過這樣子一次次的訪談,我想我又更懂了自己為什麼想來 COSCUP 當志工、來分享自己的時間。我想大家也是吧!

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...