- publish/ai.elice.io_파이썬 데이터 분석 기초.md at main · cheoljoo/publish
- Contribute to cheoljoo/publish development by creating an account on GitHub.
ข่าว
2024-11-19 (วันอังคาร) กิจวัตรตอนเช้า : การปรับโครงสร้างของ CJ (เฉพาะผู้ที่สนใจหุ้นในประเทศ) / จำนวนผู้สูงอายุที่ใช้ Cryptocurrency เพิ่มขึ้น (เพิ่มขึ้นอย่างรวดเร็วในกลุ่มอายุ 60 ปีขึ้นไป) / คนรุ่นที่ 30 ขายบ้านและคนรุ่นที่ 50 ซื้อบ้าน (สำนักงานสถิติแห่งชาติ) / เงินทุนไหลเข้าสู่ ETF ของสหรัฐฯ มากที่สุดเท่าที่เคยมีมา (ควรพิจารณาเงินสดที่เพิ่มขึ้นของ Warren Buffett) / ข่าวลือว่า Lotte มีปัญหาสภาพคล่อง
เรียนรู้การวิเคราะห์ข้อมูลเชิงปฏิบัติของ Python ใน https://elice.io/ko
03 การแปลงประเภทข้อมูลโดยใช้ข้อมูลการรับชม Netflix ~ 04 การจัดการข้อมูลที่มีรูปแบบซับซ้อนจากการบรรยาย Ted Talk
TDD: ต้องทำให้เป็นนิสัย แต่ยากจัง TT
- "나는 왜 10년이나 늦게 TDD를 시작했을까?" - 현직 시니어 개발자의 후회록
- 당신도 TDD를 시작하고 싶었지만, 막상 시작하지 못했던 이유
TDD (การพัฒนาโดยการทดสอบก่อน)ในสามหลักการมีหลักการ "หยุดเขียนโค้ดโปรดักชั่นเมื่อการทดสอบผ่าน" มีความหมายดังต่อไปนี้
การพัฒนาโดยเน้นการทดสอบ: ใน TDD จะเขียนกรณีทดสอบก่อนจากนั้นเขียนโค้ดโปรดักชั่นขั้นต่ำเพื่อให้การทดสอบผ่าน หลักการนี้ช่วยให้มั่นใจได้ว่านักพัฒนาจะไม่เขียนโค้ดที่ไม่จำเป็น
รักษาคุณภาพของโค้ด: ในขณะที่การทดสอบผ่าน หมายความว่าฟังก์ชันนั้นตรงตามข้อกำหนด ดังนั้นการไม่เขียนโค้ดโปรดักชั่นเพิ่มเติมจึงช่วยลดความซับซ้อนของโค้ดและรักษาคุณภาพของโค้ด
โอกาสในการปรับปรุงโค้ด: หลังจากการทดสอบผ่าน จะมีโอกาสปรับปรุงโค้ดที่มีอยู่ ในขณะนี้สามารถตรวจสอบได้ว่าการทดสอบยังคงผ่านอยู่หรือไม่เพื่อความมั่นคงของโค้ด
สรุปแล้ว หลักการนี้ช่วยป้องกันไม่ให้นักพัฒนาเขียนโค้ดที่ไม่จำเป็นและช่วยเพิ่มคุณภาพและความมั่นคงของโค้ด
- โค้ดโปรดักชั่น (Production Code): โค้ดที่ใช้ในการสร้างฟังก์ชันของแอปพลิเคชันจริง เป็นส่วนที่ผู้ใช้ได้สัมผัสโดยตรงและรวมถึงตรรกะทางธุรกิจและฟังก์ชันของซอฟต์แวร์
- โค้ดทดสอบ (Test Code): โค้ดที่เขียนขึ้นเพื่อตรวจสอบการทำงานของโค้ดโปรดักชั่น โดยทั่วไปจะใช้เพื่อตรวจสอบว่าฟังก์ชันเฉพาะทำงานได้อย่างถูกต้องหรือไม่ และใน TDD จะเขียนกรณีทดสอบก่อนจากนั้นจึงเขียนโค้ดโปรดักชั่นเพื่อให้การทดสอบผ่าน
แนวโน้มอนาคตของ AI: การคาดการณ์สามประการ
ต้นฉบับ
การคาดการณ์ที่ 1: คนรุ่น AI Native จะเป็นผู้นำในการนำ AI มาใช้
จากข้อมูล พบว่านักศึกษาระดับมหาวิทยาลัยที่กำลังจะจบการศึกษา มีความเชี่ยวชาญด้านเทคโนโลยี AI มากกว่าพนักงานเฉลี่ยในบริษัท โดยพนักงานออฟฟิศ 68% ตอบว่าเป็นเช่นนั้น
ความหมาย: ผู้บริหารสามารถใช้พนักงานรุ่นใหม่ที่เชี่ยวชาญด้าน AI เป็นพี่เลี้ยงเพื่อส่งเสริมการเรียนรู้ร่วมกันได้
การคาดการณ์ที่ 2: คนรุ่น AI Native มีความเสี่ยงต่อการลดลงของการเชื่อมต่อทางสังคม
ผู้ใช้ AI 81% ขอความช่วยเหลือจาก AI มากกว่าเพื่อนหรือเพื่อนร่วมงานในโครงการสำคัญ
ความหมาย: ผู้บริหารจำเป็นต้องไม่มอง AI เป็นเพียงเครื่องมือเพิ่มประสิทธิภาพ แต่ต้องใช้เป็นตัวเร่งปฏิกิริยาในการสร้างความร่วมมือระหว่างมนุษย์ขึ้นมาใหม่
การคาดการณ์ที่ 3: ผู้สมัครงานจะชอบบริษัทที่เชี่ยวชาญด้าน AI
พนักงานออฟฟิศ 3 ใน 4 คน ต้องการทำงานในบริษัทที่ใช้และให้บริการเครื่องมือ AI
ความหมาย: บริษัทที่ใช้ AI ช้าหรือให้การสนับสนุนไม่เพียงพอ อาจประสบปัญหาในการดึงดูดและรักษาบุคลากรที่มีคุณภาพ
- GN⁺: AI Hype가 식어가고 있다 | GeekNews
- 기업 임원진의 99%가 향후 AI 투자 계획이 있음. 그러나 생성형 AI 도입 이후 처음으로 글로벌 노동자들 사이에서 AI 도입률이 둔화되고 AI에 대한 열기가 식고 있음Slack의 노동력 지수(Workforce Index) 조사 (17,000명 이상의 사무직 근로자 대상)에 따르면, 직원들이 AI 사용을 숨기는 이유, AI 도구가 업무량을 증가시킬 수 있
AI Long Tail
ต้นฉบับ : จัดประเภทบริษัทตามระดับของ AI
- AI의 롱테일 | GeekNews
- 2022년 11월 ChatGPT 출시 이후, AI 스타트업은 투자자들의 집중적인 관심을 받았으며, 2024년 2분기 전체 벤처 자금의 49%가 AI 및 머신러닝 스타트업에 투자됨.OpenAI와 같은 모델 제공업체, Perplexity나 Jasper와 같은 AI 네이티브 회사들이 주목받고 있지만, 실제로 AI의 영향을 받는 "비AI" 회사들의 수가 더 많음.
ความคิดเห็น0