標題用「建立」而非「寫」,是因為有些經歷是需要時間來準備的,像是修一門課至少要半年,如果課程有先修需求就要更久。打一場 Kaggle 機器學習比賽可能要三到六個月,也不是每一次參賽都能夠拿到足以寫在履歷上的成績。有意識地提前建立履歷才能在找工作的時候拿到最多面試。
無意間發現 Y Combinator 有 YouTube 頻道,還有給新創公司創辦人的課程。趁著連假看完了,雖然已經在新創公司工作多年,但還是學到很多東西,有些東西甚至逆轉了我原本的想法。
現在的模型都越來越巨大了,尤其是語言模型。搜尋引擎需要即時回傳結果,手機上的模型只有極小的記憶體以及計算能力,都需要將模型輕量化。ONNX是微軟開發的跨平台機器學習套件,可以將各種框架 (PyTorch、TensorFlow 等等) 的模型轉成 ONNX 格式,並且做輕量化。本文以 PyTorch 模型作為範例,使用 ONNX 將之輕量化,在相似精確度下獲得更小的模型、更快的推論速度。所有程式碼都會放在 GitHub model_quatization 上。
最近讀完 Walter Isaacson 所寫的馬斯克傳,每一個章節都是短短的一個小故事,透過這些故事讓我們了解馬斯克的性格,以及他是如何做到他的所有成就:商業化的電動車、全球領先的自動駕駛、可重複使用的火箭、衛星通訊等等。都是光想就令人卻步的事情,他卻做到了。馬斯克不是一個完美的人,也沒有必要是,我們可以盡可能學習他的工作方法,但不要變得跟他一樣沒同理心。
最近 FIRE (Financial Independent and Retire Early) 很流行,可能大家都很不想上班。不上班的經濟來源就是 4% 法則,但其實這是一個簡化、有陷阱的結果。
很多經濟學研究在討論收入跟快樂程度的關係,這裡不是正經的經濟學部落格,我就不一一介紹了,所以研究部分不會太詳細也不會太精確,主要想聊聊我自己的想法。詳細的研究內容可以看我的參考資料。
今年 NVIDIA 在台灣開了一個新的元宇宙部門大徵才,各種職位都有,連前端工程師、研發科學家都有,我去面試了其中的深度學習工程師。
去年 (2022 年) 六月的時候貸了一筆信貸買股票,中間有一陣子未實現損益是負的,最近剛滿一年而且股市表現不錯,來分享一下心得。
我出社會九年,當了九年的軟體工程師。十年前還有一年的學生生活可以做一些上班族不太有時間做的事情。以前走過一些彎路,如果十年前的我有現在的我當職涯導師,現在我絕對會有更成功的職涯。
總覺得大家對 Leetcode (或是演算法題)太多誤解,像是要把 Leetcode 所有題目背起來再去面試、演算法題是智力測驗 (所以無法透過練習而增進解題能力)。很多人批評演算法面試跟工作脫節,不過我們沒辦法控制每一家公司如何面試人選,討論這個對於通過面試一點幫助也沒有。這邊想分享我是如何使用刻意練習的方式來練習演算法。