我得承認一開始在看到《擺脫職涯卡關!聚焦你的職場絕對優勢》這堂課時,一直以為這是一堂給職場新鮮人的職涯探索課程......
👉 http://bit.ly/betweengos_career
直到我打開課程頁面,看了課程介紹影片才發現,OMG......這堂課的內容好打中我,尤其再往下看到頁面中最前面的這幾句......根本一針見血的道出「上班族心聲」......
// 以下是針對課程頁面前幾句的自問自答時間 //
--
Q:#明明上班很忙但當別人問起我的專長卻回答得有點心虛?
A:在同一個崗位上做久了,沒有到外面去面試時,還真的不容易回答自己的專長,常常也會自我懷疑到底自己的專長有哪些,或是容易有冒牌者症狀,擔心自己可能只是運氣好,可能自己並沒有大家想的那樣出色
--
Q:#我想跨領域轉職但要怎麼開始?
A:我經常在公司內部跨領域轉職,我的困擾反而是一直在思考怎麼在開始跨領域轉職或負責不同專案後,可以持續把事情做得更好,發揮自己專長的同時也能幫助到團隊
--
Q:#有點害怕在重複的工作中漸漸失去競爭力?
A:不知道是不是科幻片看太多,我最近常常在思考什麼時候會被機器人取代,也常常在想哪些重複性的工作是可以自動化的,感覺機器人取代人類的時代就快來臨,數位轉型不只是企業主需要做的事情,我想每個人的職涯都需要被數位轉型
--
Q:#職涯目標到底該怎麼設定下一步該怎麼走?
A:這一題真的好難,剛畢業時煩惱第一份工作應該去大公司還是新創,畢業超過三年後,則在思考自己如何能成為獨當一面的主管,而工作經驗超過五年後,則是開始在想什麼時候才能不用去上班,好想退休 XD,人生不同階段有不同的生涯期待,也會有相對應的職涯目標
--
以上這幾題我相信是 #工作經驗超過三年的上班族,經常在午夜夢迴、或是週五下班時和三五好友討論的難解的習題,常見的解法不外乎請教前輩、找人算命,或是在網路上花一些錢做職涯性向測驗或購買自己人類圖的解析 😛
沒想過在台灣有人可以把這件事的解法變成一套完整且實作有效的方法,透過獨家的「積分測驗」和「矩陣分析」等方式,一步步帶領不敢輕易和他人分享自己「職涯卡關難題」的上班族,拆解、統整、歸納出專屬於自己的絕對優勢,並能動態調整這樣的優勢系統,持續保持市場上的獨特價值
這次很開心過去有成功輔導超過 500 位工作者找到職涯目標的 BetweenGos 職場風格誌共同創辦人 Grace Li,在 Hahow 開設了這堂幫助大家找回職場優勢的線上課程!
這是一堂我也很想上的「#職涯探索與目標訂定」課程,目前募資倒數不到 24 小時,正式開課的售價是 2,980 元
募資售價 1,980 元,三人同行只要 1,600 元,只要下班時間少去兩三次聚會或酒局就能輕鬆購課,趕快來揪三五好友一起來上課吧 🤝
--
// 備註 //
[1] 還沒註冊過 Hahow 帳號的捧油,歡迎透過我的連結註冊並獲得 30,000 HP(這可用來折抵課程高達 300 元)
https://hahow.in/ur/rabbiekao
[2] 如果你真的很想上這堂課,也歡迎私訊跟我說你很想上這堂課的原因,我這邊還有一些員工優惠碼可以分享 🥳
「三階反矩陣怎麼算」的推薦目錄:
- 關於三階反矩陣怎麼算 在 Facebook 的精選貼文
- 關於三階反矩陣怎麼算 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
- 關於三階反矩陣怎麼算 在 許幼如的職場學習路 Facebook 的精選貼文
- 關於三階反矩陣怎麼算 在 [理工] 線代三階反矩陣計算- 看板Grad-ProbAsk - 批踢踢實業坊 的評價
- 關於三階反矩陣怎麼算 在 主題七十一(高二):三階反矩陣 - YouTube 的評價
- 關於三階反矩陣怎麼算 在 三階方陣反矩陣的求法 - YouTube 的評價
- 關於三階反矩陣怎麼算 在 (專題)(課程)三階反方陣的求法 - YouTube 的評價
- 關於三階反矩陣怎麼算 在 教育學習補習資源網- 四階反矩陣公式的評價費用和推薦,PTT.CC 的評價
- 關於三階反矩陣怎麼算 在 Re: [線代] 三階反矩陣 - PTT Web 的評價
三階反矩陣怎麼算 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
訓練AI模型,要多少數據?拆解企業人工智慧專案為何難落地
2020.12.09 by 若水AI Blog
企業導入AI似乎已成為一種趨勢,但是訓練AI模型,需要多少數據?其背後的商業命題與成本又該如何解決?帶你來一起窺探AI專案背後的秘密!
企業的AI專案在釐清問題本質、找到命題之後,首先會面臨到一個問題:收集數據(Data Collection)和建立AI模型(Model Establishing),該以什麼作為評估基準?
訓練一個AI數據模型,需要多少數據?
訓練AI數據模型時,其實有三個要素,彼此互相影響。分別是: 商業問題的複雜度 、 AI模型複雜度 (Model Complexity),以及 數據複雜度 (Data Complexity)。
因此,如果想知道需要多少訓練數據(Training Data),建議先釐清:這個AI專案到底要處理什麼問題,以及這個問題有多複雜?確定之後,再來判斷應該選用哪種程度的模型來做訓練。根據不同的商業命題複雜度,用不同複雜度的模型和精準數據彼此搭配,找出最佳平衡,才能讓AI專案順利落地。
但光憑想像,很難評估實際的AI數據量和成效,所以開始AI的第一步,需要先透過POC概念驗證(Proof of Concept)實驗來找答案。
簡單來說,就是針對不同複雜程度的商業問題,嘗試選用不同複雜度的模型搭配測試,直到模型跑出來的曲線,符合理想目標。
一般狀態下,假設商業問題本身的複雜度很高,我們會預期要選擇複雜度較高的模型。但是如果數據量不足,那麼選擇複雜度較高的AI模型,反而會比用簡單的AI模型效果還差。(上圖左上、右上,分別代表複雜度10和複雜度50的問題,可以明顯看出複雜的模型曲線比較接近學習數據集(Dataset),但是在測試數據集上的誤差 Eout,反而比簡單模型還差了許多。)
上圖的左下和右下,是以不同複雜度的模型去做POC,跑出來的結果曲線圖。藍色線代表的是學習數據(Training Data)成效,紅色線代表的是測試數據(Testing Data)成效。最理想的POC目標,應該是兩條曲線很貼近彼此,而且位置越低越好。
我們會發現,左下這張圖的兩條曲線雖然彼此貼近,但是就算增加數據,也無法降低誤差。這表示模型偏誤(Bias)高,效果不佳,應該要增加模型複雜度 (Model Complexity)。
增加模型複雜度之後,就會像右下這張圖,藍色曲線(學習數據)雖然數值很低,但在學習數據不足的情況下(灰色區塊),紅色曲線(測試數據)卻「飄」得太高。這表示模型變異誤差(Variance)高,應該要增加學習數據。最後在慢慢增加模型複雜度以及學習數據之後,我們就可以達到理想的結果(兩條曲線很貼近彼此,而且位置越低越好)。
數據哪裡來?發展AI人工智慧之前,先建立數據流
先前我在文章裡提到,很多企業會急著開發AI模型,但AI專案落地經驗的三大關鍵之一,其實是先確認:是否已經準備好數據了?如果沒有這樣的能力,談AI落地其實有點好高騖遠。
AI數據收集(Data Collection)最大的挑戰,在於針對不同型態的命題,會產生不同的AI數據需求,因此需要建立的「數據流」(Data Pipeline),AI數據處理 (Data Processing)和數據標註(Data Annotation)的模式及流程也會有所不同。
發展AI之前,如果能建立起從數據收集(Data Collection)、數據處理(Data Processing)到AI模型學習的數據流(Data Pipeline),並確保可以順暢運行,實際訓練AI模型時才會省力很多。
數據不夠或太多怎麼辦?
Google開設的機器學習(Machine Learning)課程中,第一項原則就開宗明義地指出:「Don’t be afraid to launch a product without machine learning」。
如果你的產品或業務不一定需要用到機器學習(Machine Learning),那就別用,除非你有AI數據。有數據,再來談機器學習(Machine Learning)。但在業界的實際狀況,大家不是沒有數據,而是只有一些些,這時候該怎麼辦?我會建議,先從小地方開始做起,也就是從POC專案著手。
POC專案要有具體成效,除了要注意設計專案、實驗模型的指標(Metrics),企業最重要的是要先定義清楚:AI專案要達到什麼樣的指標,才算是成功?這樣最後做出來的成果,才會真正符合商業目標。
如果今天不是沒有AI數據,而是數據很多,又該從何下手呢?
我建議,嘗試減少訓練AI人工智慧時的「 數據大小 」和「 數據筆數 」。
過去曾經處理過一個AI專案,數據多達2億筆。第一次實驗,把數據全部餵進AI模型,取得結果。第二次,只拿其中有代表性的500萬筆出來訓練人工智慧。
猜猜結果如何?兩次實驗的表現,只差異不到1%。
所以,如果企業對於AI數據的品質和數量有一定程度的自信根據,其實不用把數據全部餵進AI模型訓練(Model Training),只用有代表性的AI數據來訓練就可以了。市面上很多常見的AI工具(Cluster),可以做到這點,幫助省時省力。
AI模型訓練,記得校準商業目標
企業發展AI人工智慧的最終目的,還是希望能 達到商業目標,創造價值 。
所以,訓練AI模型時,團隊如果不知道如何判斷哪個指標,對AI模型學習來說比較重要,建議回歸初心,重新釐清「 這個專案想達到的商業目標是什麼 」。
比方,趨勢科技(Trend Micro)要開發一個能夠判斷電腦病毒的AI,但是勒索病毒(denial-of-access attack)和廣告病毒對客戶的傷害程度大不相同。這時候,工程師就會針對這個命題,餵給AI模型不同病毒種類的數據,讓它學會判斷不同病毒的重要性,分辨出哪些病毒比較嚴重不能有判斷錯誤,而哪些病毒比較無害,不一定要做到一百分。
最常見的訓練方法,是用成本函數(Cost Function)的方式,訓練完再回去調整AI模型的評分(Rating),用加扣分的方式,告訴機器它的學習表現是好是壞,做對就加分,做錯就扣分。
上述評分原則的制定,和企業的商業價值考量息息相關,所以一般在組織分工,會由PM專案團隊負責判斷哪些項目重要,請資料科學家設計在上述Cost Function裡面。
很多人以為,AI人工智慧開發要做到很完美才行,但其實根據我們的經驗,只要AI開發成本符合預算、AI模型表現可接受(大約做到60–70分),而且結果有助於降低成本,就可以算是達到商業目標。反過來,即使AI模型表現非常好(高達90分),但成本卻遠超出預算,就不建議執行。
另外,因為POC階段會做很多的實驗,需要拿兩個穩定且可以互相比較的基準做A/B Test,所以做好基礎建設非常重要。
如果一個團隊裡面有三位工程師,但三個人做出來的結果都無法互相比較,那麼這個實驗就會變得霧裡看花,導致AI專案難以落地。
AI數據小學堂:模型指標(metrics)
在做模型實驗時,通常會用混淆矩陣(Confusion Matrix)的四種指標:TP(True Positive)、TN(True Negative)、FP(False Positive)、FN(False Negative),以及Count、Unique和Accuracy等等函數,來判斷這個模型的表現好不好。
P或TN值,代表模型辨識的答案正確,和預期結果一致。例如:模型正確判斷出「這是一隻貓」、「這不是一隻貓」。而FP或FN值,則代表模型的判斷錯誤,例如「明明是貓,模型卻說不是貓」、「明明不是貓,模型卻說它是貓」。
附圖:AI模型 若水國際
AI模型的POC概念驗證實驗怎麼做?
資料來源:https://www.bnext.com.tw/article/60440/ai-strategy-04?fbclid=IwAR1SOhjjGxypdGgOGfaBIl_a1IsZFJAQZ8J2aeDd98spbUfOdg7hiPQP7UA
三階反矩陣怎麼算 在 許幼如的職場學習路 Facebook 的精選貼文
鼎泰豐的問題,是人事成本嗎?
.
網友 黃子桓 (Fredy Huang) 寫了回顧鼎泰豐的SWOT分析,討論問題是不是人事成本太高。正好引起討論靈感的書與課程,我也都很有興趣,就自己回一下 ^_^
.
一個成功的企業,例如鼎泰豐,若要你為他做SWOT分析,你的起手式是什麼呢?
我的話,會先檢視 #定位。
以鼎泰豐來說,他的定位是『最好吃的小籠包』呢,還是『國際服務水準』呢?或者是兩個加起來『有國際服務水準的優質中式小吃』?
我會把鼎泰豐的定位放在服務搭配食物,不僅因為只看食物水準會有主觀的口味問題,更重要的是食物水準僅僅是商業模式原料的一環,更難以模仿的是服務。包含了標準的訂定、人員的訓練、各種情境的模擬與應對等等。
其他連鎖餐飲的特色是怎麼建立的呢?例如海底撈是『海底撈你學不來』,標榜的也是超乎想像的貼心服務;曾經盛極一時的王品集團,則是用高CP值的菜單還有店長入股的方法激發員工的積極性。
看行銷先看 #定位,也不是我才這樣做。
黃子桓 (Fredy Huang) 推薦的朱成前輩,有另一本書《 #行銷12勝算》,就非常完整的示範了標準的美式消費用品公司品牌經理人怎麼做的:
-先做 #定位,
-跟廣告公司保持夥伴關係、
-市場調研是一切行銷的基礎(市場哪裡有缺口、客戶心理需求、產品是否能配得上宣稱的價值主張、貨架測試、廣告測試...)、
-通路如何搭配、貨品在架上的位置與最後一哩路的曝光對銷售有決定性的影響力、
-價格制定反應的產品定位、
-在年度預算與檔期的規劃,反應如何一步一腳印地打好戰役
-消費用品如何運用SEO...
但是這樣定下 #定位 後,還是無法回答鼎泰豐的問題在哪啊。
.
正好前幾天看了《 #企業改造 》
作者三枝匡的前作《 #大膽做決策 》在台灣賣得非常好,TAAZE的二手書滿滿是,我要上架都上不上去。
三枝匡是世界三大顧問公司之一BCG在日本的早期員工之一,後來自己開顧問公司,對於應用波士頓矩陣(就是有金牛、問題、狗、明日之星)還有產品組合(Product Portfolio)十分嫻熟。
《 #大膽做決策 》用了他年輕時候在穩定的鋼鐵公司中幫助小型新創醫療器材公司解決明日之星產品銷售始終無法打開市場的問題,他逼著醫材公司暮氣沈沈的員工們燃燒生命用一個月時間做出業績成長二十倍的企劃,後來成果遠超於此。
應用簡單數字與現場主義的精神,問出直指本質的開腦洞問題,最後還真能有大膽創新的戰略。
我認為這不是三枝匡最精彩的故事
.
最精彩的是在他五十多歲的時候被東證一部上市公司老闆問『你要來當我們公司的CEO嗎?』,然後就放下自己的顧問公司去別人家當CEO,在後來的十三年間將這間公司變成這樣
-營業額從150億元成長到千億等級,
-利潤率從10%提升到13%,
-以派遣為主的代理商成長為有七千個員工的公司,
-從國外營業額占比極低,成長到一半業績來自國外。
這就是《#企業改造》這本書的內容
.
他怎麼做到的?
他一去就到處問員工:我們公司最厲害的地方在哪裡?
--> 沒有員工可以好好的回答出來
在一級幹部們的會議中問:你要發展的新計畫,策略是什麼?市場多大,如何賺錢,跟公司的核心戰略有什麼關係?
--> 沒有一級幹部可以說得清楚
而為什麼創辦人要把公司交給他呢?創辦人的答案是
--> 公司成長已經陷入瓶頸,我只能帶領公司到這裡,缺少帶公司走向世界的能力
三枝匡把目標訂為『當我離職的時候,公司要有足夠多的幹部可以領導公司走向世界、持續成長,開創更大的業績』
.
當他發現一級幹部都說不清講不明白公司新事業的目標時,第一個指示就是裁撤掉這些新創事業,不再躲在『新創事業本來就會虧損』的說詞背後。反過來把焦點放在強化核心事業。
而如何開始呢?當他把年輕優秀幹部叫來寫年度策略時,對方居然只是把題目交付下去給屬下,交出來的PPT被秒退貨:因為裡面根本沒有叫做策略與思考的東西。
他對幹部們的要求是要用自己的語言,與實地的數字,加上自己思考的結果,完成重大的挑戰。
.
另一次是面對開發美國市場的拓荒者,日本企業對於會說而且願意說外語的員工抱有一絲敬意,但全公司上下都沒有管理海外企業的經驗、能力甚至野心。
所以會計部門制定了防弊規則:每年開發費用不得超過十億元,員工人數不得過高,能用派遣就用派遣。
海外事業員工的野心被防弊規則限制,沒有機會知道是自己不行,還是公司不給資源。
等到三枝匡要對方用幾倍的預算完成更大的市場開拓時,對方反而慌了。
.
但這本書好看在,他不是只對自己歌功頌德,還說了好幾個決策錯誤。像是沒考慮到中國年輕員工的家庭配合狀況,讓對方公司家庭兩頭燒。
更嚴重的一次是將遍佈日本的十四個客服中心由派遣轉為公司直接管理,卻用了顧問公司與外來和尚,再加上引入新的昂貴系統。違背了自己的現場主義原則,忽略了員工表現出來的猶豫,造成公司數十億元的浪費。最後只能將這些當成沈沒成本。
.
書中講的三柱企業,也有台灣分公司,一樣是走工廠自動化模具配件、Web型錄販售,一件即可訂製、快速交件。看他們的網站真的還有清楚的說明公司願景與特色(QCT: 高品質、低成本、短交期)
.
三枝匡是如何以顧問身份切入領域感強烈的B2B公司呢?
他提到領導者要有自己的思考框架、思考框架、思考框架
無論市場上流行什麼理論或招數,但領導者要有一套自己熟悉、精練的框架。遇到任何陌生問題時候,都試著用框架思考,找出繁雜事物背後的本質。
而對有潛力且願意努力的員工們,可以用震撼教育,用強烈的問題,打破他們的『大公司病』
大公司病?就是那種遇到什麼問題都是『這是主管要我做的,我使命必達(但是不管做這件事有沒有意義,背後真正的價值是什麼)不用自己的腦袋思考,躲在公司策略還有抽象名詞的後面
(不管你有沒有同感,我是看的冷汗直冒了)
然後對這些願意努力的員工呢,他採取的手法是『亂來的人事任命』
亂來不是我說的,是他寫在書中的。舉凡把協理叫去做新事業的執行董事、把一向做PM的人叫去管客服、把三十出頭的海外事業部主管叫回國負責新事業...
遠超出他們能力與經驗的任命
為何要這樣亂來呢?『亂來的人事任命』背後目的是什麼?
三枝匡提到,讓人去做『要掂起腳尖,拉長手臂』才能免強構得著的工作,是為了讓屬下有飛躍式成長,然後就能進到下一個階段。幾次後,就有機會能培養出足以帶領公司走向世界的人才。
(但日本性別歧視嚴重,即使到了二十一世紀,這些人也都是男性,女性的工作都在派遣。他有非常極其輕微地表示不好意思)
...
鼎泰豐有清晰的定位(不管是食物,還是優質服務與食物),但是要寫鼎泰豐的SWOT之前,我也會想問
『鼎泰豐的目標在哪裡,有沒有要成就一個十年內業績十倍的目標呢?』
目標有多遠大,SWOT就有多清晰。沒有目標,就很難決定該從哪裡問問題。
...
然後我還在賴皮寫不出 #商務人士的文案架構 讀書會的文案... 沒有幾天了啊
...
圖說:網友常用『我家巷口屌打』的梗,我家巷口的小籠包,當然遠遠比不上鼎泰豐的,服務人員更是忙到沒有笑容。但是拿回來淋上紅油、假掰擺盤,搭配小七咖啡,一樣開心。
三階反矩陣怎麼算 在 主題七十一(高二):三階反矩陣 - YouTube 的推薦與評價
[孟翰高中數學]108年新課綱. ... <看更多>
三階反矩陣怎麼算 在 三階方陣反矩陣的求法 - YouTube 的推薦與評價
Comments · 求1的n次方根 · 極式乘法的圖形解釋 · 實係數n次方程式實根的個數 · 第三章1-1 · BCHui HKDSE Physics 2018 QP1A Q31 · 複數極式的乘除. ... <看更多>
三階反矩陣怎麼算 在 [理工] 線代三階反矩陣計算- 看板Grad-ProbAsk - 批踢踢實業坊 的推薦與評價
想請問遇到這種三階反矩陣到底要怎麼算才比較有效率阿
數字簡單就還好,數字很大很醜就非常難算
還有不一定是三階,推廣到更高階就又更麻煩了
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.200.217.52 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Grad-ProbAsk/M.1564195987.A.626.html
... <看更多>